Orca统一调度跨厂商Agent 4人团队管400任务破7万星

Orca统一调度跨厂商Agent：4人团队管400任务破7万星 大模型巨头因生态锁定难以优化跨供应商协作，第三方平台通过中立ADE调度层与Agent自我编排，可让小团队实现数百个并发任务的自主推进与极速交付。 津晶在对话中系统解构了顶层调度平台ADE与底层执行循环Harness的核心差异，阐释了Orca如何通过原生绑定Git Worktree、终端PTY无损快照与全局状态分诊，实现数百个Agent的并行调度与跨厂商模型套利。面对OpenAI和Anthropic等大厂的挤压，Orca依托跨生态的中立性与4人团队敏捷迭代的超级个体基因拉开身位，并凭借最大化借力官方生态实现了低门槛渗透与极高留存。在产品打造上，她分享了基于《The Mom Test》实战摸清企业真实账单结构的经验，强调依赖团队自身优秀的产品品味而非迷信伪科学实验。最后，她指出当前人类处于解放生产力的早期阶梯，未来一至两年尤为看好ToC消费级应用、依托本土供应链的软硬件结合以及底层算力与芯片优化三大创业切口。 Orca 将自身定义为 ADE（Agent 开发环境），通过 PTY 快照持久化与状态分诊机制，解决了传统终端多开崩溃与更新杀进程的问题，使单人能够平稳调度 400 多个并发 Git Worktree。 (0:55) 面对大厂竞争，仅 4 人的 Orca 团队通过“日更一个稳定版本、合入上百个 PR”的极速迭代建立壁垒，并依托中立定位实现跨模型任务无缝交接（Handoff），化解巨头生态锁定的商业动机冲突。 (11:27) 并发运行海量 Agent 的成本可通过第一方订阅套利来控制：模型厂商的第一方顶配订阅（如 200 美元档位）享有巨额官方补贴，性价比远高于调用昂贵的底层 API。 (27:18) 创始人结合 YC 创业与大厂经历，提出未来一两年看好重回 ToC（交付周期极短且用户已接受算力付费）、软硬件结合出海，以及底层芯片算力聚合与推理优化三大创业方向。 (57:50)

[8:00] 津晶: Codex 就像没事发生一样接着干活 [15:04] 津晶: Claude Code 有的我们都有，Codex 有的我们都有，但我们有他们没有的。 [19:41] 课代表立正: 从原型（Prototype）到一个真正的生产级工具（Production），中间隔着巨大的鸿沟。能力不够是看不见这个鸿沟的，AI 能把你更快带到鸿沟边上，但想跨过去依然需要过硬的工程底子和大量心血。 [21:17] 津晶: 看第一步的目标标准，以及看最后一步交出的产物 [36:30] 津晶: 在未来一年内，好的 Taste（产品品味）仍然能赋予团队巨大的先发优势与壁垒。 [36:30] 津晶: 我们不需要换掉刚采购的 Claude Code，Orca 只是让它发挥更大威力。 [36:30] 津晶: 只要挨个试了一圈，最后都会沉淀并留在 Orca [42:00] Michael Seibel: 你的产品能不能帮他解决一个价值足够巨大的问题，从而挤进他们公司开销榜的前两名？如果你连客户的收支结构、各级员工在算什么账都一无所知，你所谓的需求挖掘和产品设计不过是在‘隔靴搔痒’。 [46:30] 津晶: 在 AI 时代，获取信息变得越来越容易，但最终的拍板决定权，永远掌握在我们团队这 4 个具备优秀 Product Sense 的人手里。 [49:08] 津晶: 以自己作为标准用户 [52:22] 津晶: 这世界上还有这么多可以 build 的东西，我们连做饭机器人都没有，还没真正登月，还没去过火星，生物领域还有无限突破。

[0:55] 恭喜恭喜 [0:56] 我刚看了一下 [0:57] 49,000颗星了 [0:58] 马上要到5万颗星了 [0:59] 谢谢哈哈哈 [1:00] 估计这个视频发的时候你们就10多万了 [1:03] 我们先就是请你介绍一下你们的 [1:05] 产品和你们的公司和这个产品 [1:07] 尤其是对于一个可能 [1:09] 他平时在用Claude Code [1:10] 在用Codex这样的人 [1:11] 但是从来没有了解过什么是Agentic IDE [1:14] 讲一下就是你们产品 [1:15] 到底是做什么的吧 [1:16] 大家好 [1:17] 我是津晶 [1:17] 我们的产品叫Orca [1:19] Orca是一个ADE [1:21] ADE是个很新的概念 [1:22] 其实你可以把它想象成就是Agent IDE [1:25] 让人与agent非常好合作的 [1:27] 一种新的工作平台吧 [1:29] Orca和比如说你直接用Claude Code [1:32] 在Terminal用Claude Code它最大的区别 [1:34] 有两个最大的区别吧 [1:35] 一个是它的集成性 [1:37] Orca把你整个workflow所需要的 [1:40] 各种工具都集成在了一起 [1:42] 比如说我们的很多user [1:44] 他会用Orca里面集成的 [1:45] GitHub issue或者Linear issue [1:47] 他就直接 [1:48] 比如说从他今天要干的 [1:49] 20条那个Linear tickets开始 [1:52] 20个Linear tickets能变成Orca里面 [1:54] 的20个不同的parallel thread [1:56] 当他的那个 [1:57] thread有各种updates的时候 [1:59] 它又能自动反馈到Linear [2:01] 以及到了最后做code review和测试等等 [2:04] 这些所有的工具在Orca里面都有一个集成 [2:07] 所以你就不用不停的 [2:08] 切换五六个不同的APP [2:10] 一条路就能跑通 [2:11] 第二个不一样的点呢 [2:12] 就是当你在Terminal里面跑到了 [2:15] 大概我我就说5个吧 [2:17] 5个Claude Code的时候 [2:18] 可能你都已经不清楚 [2:19] 到底谁在干什么样的活了 [2:21] 但是我们的用户一般他是同时会跑几百个agents [2:26] 就是它同时可能会有 [2:28] 10到20个不同的feature [2:30] 然后每个feature里面它也是四五个agent [2:32] 互相不同的合作 [2:33] 它有Claude Code和Codex可以 [2:35] 通过Orca之间互相的合作 [2:37] 非常高的agent parallelization [2:40] 第三个就是大部分用户他在Orca里面 [2:43] 他也可以直接用Claude Code和Codex的 [2:45] 因为我们是一个专注在那个 [2:47] 工具的集成和协作的这方面 [2:50] 所以我们并没有自己的Harness [2:52] 所以用户发现用Orca [2:54] 就是1分钟就能上手 [2:55] 因为他就可以直接在我们那个 [2:57] 自带的Orca Terminal里面使用上Claude Code和Codex [3:00] 你刚刚介绍这几个我每一个都有好多个问题了 [3:03] 第一个呢 [3:03] 就是你把它叫做ADE [3:05] 但是不叫流行的词 [3:06] 比如说Harness [3:07] 那是为什么 [3:08] 或者说在你心中Harness或者ADE [3:10] 它们不同的定义是什么 [3:11] 第二个呢 [3:12] 就是现在更多的人 [3:14] 其实哪怕很多程序员 [3:16] 他们的使用习惯也越来越多的从Terminal [3:18] 变成了这个Codex或者Claude Code [3:20] 的那个图形界面的工具 [3:22] 在那里边似乎我也可以同时 [3:24] 追踪很多个不同的session也好 [3:27] worktree也好 [3:27] 嗯哼 [3:28] 那你们和他们的区别是什么 [3:30] 尤其是在这些工具里边 [3:32] 其实也集成了像Linear [3:34] 或者GitHub等等的工具 [3:35] 他们很明显是有企图去 [3:37] 集成越来越多的东西的 [3:39] 为什么你们可以做的比这些 [3:40] Anthropic或者OpenAI还要做的更好 [3:42] 第一个问题其实是相对简单一些 [3:46] ADE和Harness的区别 [3:48] Harness其实你可以把它想象成一个loop [3:51] 就是说你有一个AI [3:53] 你每告诉他干一件事情 [3:55] 给他一个input message [3:56] 他也可以有个output message [3:57] 而Harness呢 [3:58] 就说我怎么把有一个input [4:00] 可以做一个output的agent [4:02] 把它做成一个loop [4:03] 而且它不是一个简单的loop [4:05] 它这个loop还可以做很多不一样的tool [4:07] 对对 [4:09] routine, tool use等等 [4:10] 它可以读你的bash [4:12] 还可以search the Web [4:13] 所以Harness呢 [4:14] 就是像Codex和Claude Code后面的这个loop [4:17] 和那个tool use的combination的一个集合 [4:19] 比较popular的Harness有像Pi [4:22] 还有OpenCode [4:23] OpenCode最近变得比较popular嘛 [4:25] 像Devin [4:25] 这些都算是Harness [4:27] ADE它就是在一个Harness的基础之上 [4:30] 它没有直接与model结合 [4:33] 它也没有直接去做这个Loop [4:35] 它把做Loop的这些功能 [4:37] 交给现在有的很多Harness [4:39] 它反而更focus在人与agent [4:42] 管理的这个workflow [4:44] 所以像Orca的很多功能 [4:46] 我们的比较侧重点就在 [4:48] 我们并没有自己的Harness [4:49] 就像刚才说的 [4:50] 用户可以在Orca里面使用Claude Code、Devin [4:52] OpenCode这些所有的其他Harness [4:54] 更侧重在就是怎么让大家看到这100个 [4:58] 不同的agent Harness之间工作的一些 [5:01] 他们的中途结果 [5:02] 人如果需要一些input [5:04] 怎么能给他们快速地提供反馈 [5:06] 怎么review他们的最后的结果 [5:08] 或者中途的一些HTML designs [5:10] 这就是ADE和Harness的一些区别 [5:12] 明白了 [5:13] 比如说我们之前做一个翻译的任务 [5:15] 其实是用一个Markdown文件 [5:17] 加上用Claude Code Terminal -p [5:19] 就是给它一个prompt [5:21] 去修改这个Markdown文件 [5:23] 然后比如说做一个翻译 [5:24] 那其实就是相当于 [5:25] 调用了一个Claude Code的Harness [5:28] 去对这个文件本身做一个改动 [5:30] 然后最后生成一个结果 [5:31] 中间它也可以出一些JSON [5:33] ADE呢 [5:34] 就是把这个过程整个的给UI化和 [5:37] 更加系统化的去做好这件事 [5:39] 我是在调度100个不同的Claude Code去帮我干活 [5:42] 嗯嗯是的 [5:43] 现在的Orca是其实是70%的UI [5:46] 但是30%我们用户用的比较多的 [5:48] 还有我们的那个CLI [5:49] 所以它就是起一个调度作用 [5:51] 不仅是UI方面可以调度 [5:53] 它也可以通过我们那个CLI [5:55] 来协调不同的Harness之间 [5:56] 做他们自己的那个Loop engineering [5:59] 第二个问题就是 [5:59] 大家从Terminal UI到GUI [6:02] 这个其实是一个个人的偏好问题 [6:04] 对我们来说 [6:05] 我们并没有特别强的什么vision [6:08] 或者opinion on this [6:09] 确实有人Terminal比较顺手 [6:11] 有人用GUI比较顺手然后呢 [6:12] 如果从一个engineering的角度来说 [6:14] 他们也各有优势嘛 [6:15] Terminal有Terminal的难点 [6:17] GUI有GUI的难点 [6:18] 在Orca里面你两种都可以选择 [6:20] 所以你可以选择你的default [6:22] view是Terminal UI或者GUI [6:24] 还可以同一个session里面自由切换 [6:26] 可能从business方面的考量 [6:29] 我们可能会有一些opinion [6:30] 就是作为一个创业者 [6:32] 我们的opinion就是说 [6:33] 你得与现有的工具衔接得非常好 [6:36] 就说为什么我们一开始Orca的 [6:38] 形态是我们让user用那个Terminal UI呢 [6:41] 是因为Claude Code和那个Codex的CLI user [6:44] 其实是远大于他们那个Desktop APP的user [6:48] 所以就已经有这么多的user [6:49] 他已经在iTerm或者Ghostty里面使用Claude Code [6:52] 如果我还得就是相当于给他们一些阻碍 [6:56] 让他们说嘿 [6:57] 你不要用Claude Code的Terminal UI [6:59] 你来我这里用一个新的不一样的interface [7:02] 每次当Claude Code有更新的时候 [7:05] 我还得想办法去wrap他们一下 [7:07] 比如说Claude Code最近 [7:08] 有很多不同的模式嘛 [7:09] 什么Ultra mode [7:10] 等等等等 [7:11] 然后每次他们一更新 [7:12] 我都要想办法在我的那个GUI里面 [7:15] 实现一个他们那个不一样的rendering [7:18] 其实是会影响我们这个iteration speed的 [7:21] 所以就是我们虽然有GUI [7:23] 但是我们GUI肯定是没有那个TUI [7:25] 它的功能更新的 [7:26] 因为TUI里面你直接就能得到 [7:29] 那个Claude Code和Codex更新的功能 [7:31] 哦～interesting～ [7:32] 就是Codex的GUI和他们的那个CLI [7:36] 或者说那个TUI [7:38] 功能几乎是on par [7:40] 这个理解对吗 [7:41] 是的因为它是Codex的first-party [7:43] 但是呢如果你不是first-party的话 [7:46] 比如说Claude Code [7:47] 它的Claude Desktop功能和Claude Code [7:49] 其实是完全不on par [7:50] Claude Code一般都会先好多好多步 [7:52] 而且如果你用TUI的话 [7:54] 你能得到其他很多很好的Harness [7:56] 像Pi就是一个非常好的Harness [7:58] OpenCode也是一个很好的Harness [8:00] 这里面我再多追问一个 [8:01] 就是你前面说 [8:02] 如果我用Claude Code本身的Terminal呢 [8:05] 它我可能track 5个session [8:06] 就已经看不过来了 [8:07] 那你们是怎么解决这个问题的 [8:09] Claude Code它本身也带有很多orchestration [8:12] 它的orchestration功能比Codex好很多 [8:15] Claude Code也有一个agent view [8:16] 你也可以去观看你的 [8:17] 几个的Claude Code的那个进展 [8:20] 为什么Orca就是在Claude Code和其他agent [8:22] 的基础上又更近了一步呢 [8:24] 是因为我们有一个 [8:25] 很好的agent status的集成 [8:29] 让你跨过所有的worktree [8:31] 就比如说我自己现在有400多个worktree [8:34] 就是我同时在work on [8:35] 400多个不同的feature [8:37] 每个都可能会有一些推进 [8:39] 有一些可能会推进得更快一些 [8:41] 他能将所有这种不同session的 [8:44] agent status以及跨所有agent Harness [8:47] 就是不管是Claude Code还是Codex [8:49] 还是OpenCode [8:50] 它都能集成到一个agent status [8:53] 就说诶 [8:53] 这个worktree有这几个agent [8:55] 这个是在work [8:56] 这个是blocked [8:57] you need to answer immediately [8:59] 这个是已经完成 [9:01] you need to review the result immediately [9:03] 所以它做了一个非常好的集成性 [9:05] 我觉得有时候集成性和 [9:07] 中立性它的功能是被忽视的 [9:09] 哪怕就是说我的功能跟Claude Code一模一样 [9:12] 但是并不是所有人都用Claude Code [9:14] 而且从我们用户群体以及观察 [9:16] 到的所有的大趋势就是大家在 [9:18] 像这种单一的Claude Code的采购 [9:21] 偏向于多vendor以及open model的一些采购 [9:25] 所以 [9:26] 即使我们的功能和Claude Code一样 [9:28] 作为一个能支持 [9:30] 各种agent的status的集成 [9:32] 能让你用不同的agent [9:34] 不同的model [9:34] 它也有它独特的优点 [9:36] 以及在Claude Code基础上面 [9:38] 我们也增加了更加先进的 [9:40] agent status集成和它的triage [9:43] 把你们的价值分开看是挺重要的 [9:46] 比如说(随便换)vendor agnostic对吧 [9:48] 嗯哼 [9:48] 其实在很多时候非常强调这一点 [9:50] 因为你lock一个vendor的话 [9:51] 尤其在AI的这个时代 [9:53] 谁知道哪个厂子 [9:54] 突然自己又发疯了 [9:56] 然后又不知道干点啥 [9:57] 而且你追我赶也是很快 [9:59] 所以其实我们在教学的时候也 [10:00] 非常强调大家要跨工具地去使用 [10:02] 然后想方设法地去积累自己的习惯 [10:04] 对吧就是把skills放到一个公共目录下 [10:06] 不要去放到他们自己的目录下 [10:07] 是的还有一个很重要的 [10:09] 就是你的那个花费 [10:11] AI的使用习惯和大企业的 [10:13] 花费习惯非常不一样 [10:14] 我可以两个都讲一下 [10:15] 因为花费其实是工具效率 [10:17] 的一个非常重要的方面 [10:19] 多Harness多这种agent的vendor的好处是 [10:24] 比如说你的Claude Code的 [10:25] 那个usage hit了limit [10:27] 你就可以马上在Orca里面 [10:29] 我们甚至有个handoff的功能 [10:31] 就直接把这个Claude Code一键 [10:33] 就可以把它发送给Codex [10:34] Codex就像没事一样 [10:36] continue working on it [10:38] 这个还挺方便 [10:39] 因为我们自己在开发的时候 [10:40] 很多时候会遇到 [10:41] 就是哪怕我有很多个Claude Code account [10:43] 可以switch [10:44] 你没办法就是 [10:45] unlimited the... [10:46] increasing the Claude Code account [10:47] 因为它肯定会限制你的 [10:49] 所以我的Claude Code用完的时候 [10:51] 我可以就是切换到Codex [10:53] 然后最近又有那个DeepSeek嘛 [10:55] 我也可以用OpenCode Go [10:56] 然后我还可以用Grok [10:58] Grok用完了 [10:58] 我也可以换到Antigravity [11:00] 所以cost是个很重要的维度 [11:02] 然后对于enterprise来说也是 [11:04] 为什么enterprise他们现在在 [11:06] 非常非常感兴趣的看 [11:07] Codex和很多open-weight的model [11:10] 就是因为Anthropic的bill已经 [11:11] 成为他们的第一大的花销 [11:13] 已经超过他们工程师的花销 [11:16] 哈哈 [11:16] 对所以无论是从你的 [11:18] 效率方面以及你的cost方面来说 [11:21] 这种多的Harness都是更有好处 [11:24] 嗯 我们聊一个话题 [11:25] 我产生三个新问题 [11:27] ok [11:27] 先回答一开始那个问题吧 [11:29] 就是为什么你们的这个产品不是 [11:31] Anthropic或者说是OpenAI的一个feature [11:34] 我觉得就是我们的功能 [11:35] 其实跟那个Claude Desktop和Codex [11:39] 都有很大的重合 [11:40] 这个我就要引用我们community member的 [11:42] 所有人他们的话来说 [11:44] 就基本上在他们用了Orca以后 [11:46] 特别是如果他们是这种 [11:47] 追求one hundred x的engineer [11:49] 他们都会说 [11:49] 我不知道为什么Claude Code和 [11:52] Codex就是没有Orca做得好 [11:53] 这个当然不是一个非常 [11:55] defensible的一个长久的position吧 [11:57] 从现在来说 [11:58] Orca我们的迭代非常的快 [12:00] 每一天有一个stable版本发布 [12:03] 然后每一个stable版本基本上都有上百个pr [12:06] 然后呢我们也在不停地有 [12:08] 最新的和AI cowork的一些功能 [12:12] 包括我们的那个orchestration [12:14] 能让那个agent管理不同的Terminal [12:16] 以及将一个workflow从一个 [12:18] agent hand off to另外一个agent [12:21] 这是Orca名字的来源 [12:22] orchestration for agent [12:23] 然后这个是我们 [12:24] 一开始就有的一个概念 [12:26] 就那时候 [12:27] Codex它的agent它都并不是self-aware [12:29] 它在了一个session里面 [12:31] 它根本没办法把context hand over to [12:33] 另外一个Codex session let alone [12:35] 对这个好像是这周才出来的feature [12:37] 对吧是的是的 [12:38] 所以就是我们一直在领先 [12:40] 永远都是布局下一步 [12:42] 怎么和AI [12:43] 更好的工作协同 [12:45] 所以我觉得一个是 [12:46] 我们的feature迭代以及 [12:48] 因为我们做一个open source project [12:49] 然后我们本身也是builder [12:51] 我们跟很多startup builder [12:53] Hyper scaling的builder有 [12:55] 非常感同身受的地方 [12:56] 就让我们的那个产品的sense [12:58] 非常的准 [12:59] 比如像Claude Code和Codex team [13:01] 他们都是unlimited token [13:02] 他们根本不会想到我要 [13:03] 怎么管理我不同的subscription [13:05] 比如说什么要到期了 [13:07] 什么什么 [13:08] 以及如果我这个不efficient [13:10] 我没办法尽快的ship这个feature [13:12] 因为他们是一个非常cushion的environment [13:14] 他们看到的很多问题和 [13:15] 我们的很多问题都不一样吧 [13:18] 对我觉得这是其一 [13:19] 有一个更长远的就是 [13:21] 为什么我们做的这些Codex, Claude Code [13:23] 他们很难做成 [13:24] 另外一个就是incentive [13:25] 他并不align [13:26] 他们的incentive都是让 [13:28] 大家lock in [13:29] lock into their tool [13:30] 那就是抛开中立和集成之外 [13:33] 其实incentive也不是align的 [13:35] 就是能跨Claude Code和Codex去使用 [13:38] 是你们的核心feature之一 [13:40] 或者说核心proposition之一 [13:42] 但是顺着这个思路 [13:44] 往前走的话 [13:45] 整个产品的设计其实也不一样 [13:47] 但是这个产品设计的思路可能 [13:49] 反而更符合大家使用的习惯 [13:51] 是的作为一个literally想要一个人 [13:54] 使用AI成为一个超级个体 [13:56] 能够以最快速度迭代产品 [13:59] 然后做各种daily workflow [14:01] 我觉得在AI这个时代 [14:03] 迭代最快的就是 [14:04] 你自己又是产品经理 [14:05] 又是这个engineer [14:06] 就说明你对这个问题 [14:08] 非常感同身受的时候 [14:09] 你就会迭代非常快 [14:10] 而像Claude Code和Codex [14:11] 他们不免要去通过产品经理 [14:14] 或者是 [14:14] 其他方式也好 [14:15] 去了解大家到底有什么问题 [14:17] 然后我如何来迭代 [14:19] 所以我觉这会对他们的 [14:20] 那个速度会有一个差距 [14:23] 对但是腾讯美团这种东西 [14:24] 他们就会惊讶于Anthropic的迭代速度 [14:27] 大家就哇Anthropic迭代好快 [14:29] 但是你们其实已经比他们更快了 [14:31] 确实真的是长江后浪推前浪的感觉 [14:33] 那好这个点我觉得理解了一个是 [14:37] 本身integration中立性 [14:38] 另外一个呢 [14:39] 你们的design philosophy [14:40] 第三个呢 [14:41] 就是你们的这个团队的使用场景 [14:43] 和他们的使用场景是不一样的 [14:45] 最后导致对用户的 [14:46] 同理心是不一样的 [14:47] 嗯哼 [14:47] 再加上你们确实迭代速度就是比他们更快了 [14:50] 嗯哼 [14:50] 你们现在团队几个人 [14:51] 4个人 [14:54] 厉害厉害厉害 [14:55] 谢谢 [14:55] 感觉很快就要被OpenAI [14:57] 或者Anthropic给收了 [14:59] 稍稍回答一下 [14:59] 就是Pi或者OpenCode [15:01] 你们为什么在他们之上做出来了 [15:02] additional的这么大的一块东西呢 [15:04] 我觉得就是我们比他们更开放 [15:06] Orca有一个很大的philosophy [15:09] 这也是一个新的趋势 [15:10] 就是叫Generative UI [15:13] 我想了还有一种新的software [15:15] 就是说一切皆可以以 [15:18] plugin的形式来集成 [15:20] 我们Orca也在朝这个方向转型 [15:22] 但是我们的那个内部的vision和 [15:24] philosophy已经在朝那个方面了 [15:26] 我先说我们和OpenCode吧OpenCode [15:28] 它的open的方面在于 [15:30] 你可以集成各种不同的model [15:32] 至于比如说你要怎么loop [15:35] 怎么和agent这个交互 [15:37] 它其实不open对吧 [15:38] 你得用它给你的 [15:40] 那一套的opinionated Harness [15:43] 而且我们有data backing [15:45] 就是OpenCode它的受欢迎程度 [15:47] 还是远比不上Claude Code和Codex [15:50] Orca的擅长之处就在于 [15:52] 我们要借力Claude Code和Codex [15:54] 你喜欢Claude Code [15:55] 你喜欢Codex [15:56] 那没问题 [15:57] 那来我们这里用 [15:58] 就说Claude Code有的我们都有 [16:00] Codex有的我们都有 [16:02] 但是我们有他们没有的 [16:03] 但是OpenCode [16:04] 它就是除了model方面 [16:05] 它的集成更多以外 [16:06] 但是你的Harness [16:07] 它是逼着你做一个选择 [16:09] 你喜欢Claude Code吗 [16:10] 你喜欢OpenCode吗 [16:11] 那不好意思 [16:12] 你得选一个 [16:13] 跟OpenCode和Pi最大的区别是 [16:15] 我们不会逼着用户做选择 [16:17] 我们以最大的兼容性的 [16:19] 方式来让大家使用Orca [16:21] Pi有逼着大家做选择吗 [16:23] Pi当然你得选Pi作为你的Harness [16:25] 你选了Pi你就不能用 [16:27] Claude Code作为你的Harness [16:28] 能不能用Pi使用Claude Code [16:31] 你可以用Pi去用Anthropic model [16:33] 你可以用Claude model [16:34] 但是你没办法用Claude Code这一个Harness [16:37] 就是Claude Code其实是 [16:38] 一个非常非常好的Harness [16:40] 就甚至我知道有人 [16:42] 他在有Pi的情况下 [16:44] 他还是会去Claude Code里面 [16:46] 用那个中转的API [16:48] 来使用像DeepSeek、GLM、Kimi的model [16:52] 但是他想用Claude Code这个Harness [16:54] 你之前好像还提到了一个词Ghostty [16:56] 对吧 [16:57] Ghostty [16:58] Ghostty [16:59] 所以说你们这个产品 [17:00] 它是凭空出现的吗 [17:02] 还是你们其实是看到了一些东西 [17:04] 用了一些东西 [17:04] 然后在这之上再进行了迭代 [17:06] 这是个好问题 [17:07] 我们有两个inspiration [17:08] 一个是我们内部的 [17:10] 因为我们这两年一直在做devtools [17:12] 然后我们也build了很多其他的agent [17:15] 我们之前做了一个UI testing agents [17:17] 所以就是对这个agent building呀 [17:19] 以及如何manage agent session这些都比较熟悉 [17:23] 当时我们有一些 [17:24] 用AI testing agent的用户也说哎 [17:26] 你们这个agent management做的还挺好 [17:28] 要不可以用它来manage general coding agent [17:30] 所以这是内部的一个inspiration [17:32] 然后呢外部的inspiration就是 [17:34] 我们的那个engineering团队 [17:35] 也是想one hundred x、one thousand x [17:37] 所以我们试了蛮多其他的工具 [17:39] 我们试了Ghostty [17:40] 我们也试了iTerm [17:41] 当时是非常喜欢Ghostty [17:43] 和iTerm它们的这种切屏 [17:45] 就是同一个屏幕里面可以跑不同的agents [17:48] 所以这也是Orca的主要的一个部分 [17:49] 就是那个切屏模式 [17:51] 但是它不好的就是Ghostty和iTerm有三个 [17:54] limitation让我们可以优化的地方 [17:56] 所以我们就决定去优化它 [17:58] 然后就产生了Orca [17:59] 然后这三个地方呢 [18:00] 一个是它不是worktree centric [18:03] 就是它可以让你切屏agent [18:05] 但是你的那个GitHub的 [18:07] worktree的creation和deletion [18:09] 它其实有一个蛮复杂的lifecycle [18:12] 现在有越来越多的 [18:13] 那些library你可以用 [18:14] 但是Orca的话 [18:15] 就是非常好的让你管理你的所有 [18:17] 的worktree以及它的那个PR的lifecycle [18:20] 第二个我觉得它做的不好的 [18:22] 就是它的agent status [18:23] 像iTerm和Ghostty [18:24] Claude Code可以修改它的那个title [18:26] 就是它的那个Terminal的title [18:28] 但是它还是没办法展示 [18:30] 完整的那个agent的一些status [18:33] 比如说我这个在working [18:34] I require more attention [18:36] 以及在那么多的那个Tab里面 [18:38] 你就已经完全 [18:39] 看不到它的那个agent status [18:40] 只是个标题而已 [18:41] 不是一个真正的status [18:43] 不是一个真正的status [18:44] 然后我们其实是这个status [18:46] 可以作为一个API集成 [18:47] 包括现在的话 [18:48] Orca也支持extension [18:49] 就是大家可以拿我们 [18:51] 这个集成的status的API [18:52] 甚至来build一些他 [18:53] 自己喜欢的管理的view [18:55] 所以就是agent status [18:57] 我觉得他们做得不好的 [18:58] 第三个做得不好的就是updates [19:00] 我觉得这个是大家很忽略的一个问题 [19:02] 就是为什么Orca现在变得这么popular [19:04] 一个很重要的原因就是我们日更 [19:06] 大家也愿意每日来update [19:09] 所以大家永远都会 [19:09] 拿到我们最好的feature [19:11] 而不是说别人有一个新的feature [19:12] Orca没有 [19:13] 大部分user在我们日更的情况下 [19:15] 都会每天跟着我们一起update [19:17] 但是Ghostty和iTerm这两个Terminal [19:20] 只要你update [19:21] 你所有的session completely gone [19:23] 你之前可能在跑50个agent [19:25] 然后一update [19:26] 你当然可以把它的history给找回来 [19:28] 但是这50个agent [19:29] 哪些在跑 [19:30] 哪些是已经跑完的 [19:31] 这个每次update你都要自己去figure out [19:33] 所以iTerm和Ghostty update很慢 [19:36] 然后基本上没有人敢update [19:38] 所以我觉得这个用户和你 [19:39] 一起迭代的速度也变得更慢 [19:41] 你怎么做到的 [19:42] 这其实还花了我们蛮多功夫的 [19:44] 就是每一个Terminal session [19:45] 就是叫PTY [19:47] 然后呢我们是 [19:48] 每次update的话 [19:50] 我们会restore所有的PTY [19:52] 我们会有一个local database to [19:53] take a snapshot of this PTY [19:55] 然后当你回来的时候 [19:56] 你本来之前它是跑到这一步 [19:58] 我们就帮你 [19:59] 不仅是把那个history bring回来 [20:01] 就是如果你之前在跑就帮你跑 [20:02] 继续跑下去 [20:03] 对对还有你的Dev Server等等这些 [20:05] 如果已经在跑 [20:06] 都不会kill你这个PTY [20:08] 那还是一个挺细致的活 [20:10] 对 [20:10] 那做出来应该也是不容易的 [20:11] 是不容易 [20:12] 就是take snapshot以及 [20:14] restore这个本身并不难 [20:16] 但是要让它 [20:17] 非常performance [20:18] 所以我们还做很多缓存 [20:19] 因为你这个一旦存太多了 [20:21] 然后每个Terminal其实非常耗内存的 [20:24] 每个Terminal [20:24] 你想你几百个它的这种session [20:27] 你都要tracking它的state [20:28] 非常耗内存 [20:29] 所以我们还有了一整套什么caching [20:32] 什么code storage等等的 [20:34] performance的一系列的优化 [20:36] 哇 [20:37] 就听上去好像是一些idea [20:39] 但是其实你们平时很多时间要 [20:41] 放在这种做这个很细致的工作上 [20:44] 对看起来好像就是说 [20:45] 哎你跟Ghostty差不多 [20:46] UI差不多 [20:47] 但是其实它的整个使用体验 [20:49] 很多很小的一些细节 [20:51] 我们都做了蛮多的功夫 [20:53] 我经常跟人说 [20:54] prototype到一个真正的production [20:55] 其实中间是有一个鸿沟的 [20:57] 能力不够你是看不见这个鸿沟的 [20:58] AI可以把你更快地带到这个鸿沟边上 [21:00] 但是你想跨过鸿沟还是需要 [21:02] 很多的时间精力和水平的 [21:04] 刚才这个小例子吧 [21:05] 就很小的例子 [21:06] 但是就能感觉到这个事情其实是 [21:07] 一个非常吃software engineering的能力 [21:10] 和你们真的是愿意 [21:11] 花时间去做这件事 [21:12] 四个人团队 [21:13] again了不起 [21:14] 那我们再继续往下聊 [21:17] 刚刚聊的你们的这些power user [21:20] 他们都是这种开几百个session [21:23] 同时orchestrate几百个 [21:24] agents的这样的工作 [21:26] 就是attention管得过来吗 [21:27] 和大家平时怎么工作的 [21:29] 你身边的人可能都是这样的人 [21:30] 所以说就觉得他们可能 [21:31] 是一个很正常的事 [21:32] 但是这些人应该是 [21:33] 非常非常非常非常非常少部分 [21:35] 可能需要你带着不是这样人 [21:37] 的同理心去帮大家描述 [21:39] 一下这些人的日常工作 [21:41] 嗯 [21:42] 和怎么管理的过来 [21:43] 先从简单的吧 [21:44] 选一个好的工具 [21:45] 像Orca这种 [21:46] 因为它本身设计就是 [21:47] 它的很多UI [21:49] 包括CLI的设计就是为了让你能 [21:51] 直观的看到你到底有哪些工作内容 [21:55] 比如说其他的UI的方面 [21:56] 我们做的优化就是我们 [21:58] 用户通过我们这些优化 [21:59] 他能管理这么多的agent [22:00] 一些UI方面的优化就是 [22:02] 我们的那个搜索功能 [22:03] 我们就举个例子吧 [22:04] 大家都用过像Google doc [22:06] 或者Notion呐 [22:07] 你可能如果只有两个doc的话 [22:09] 当然我给你一个那个界面 [22:11] 你说唉 [22:11] 第一行是第一个doc [22:12] 第二个是第二个doc [22:13] 但是当你有 [22:14] 比如说1,000个doc的时候 [22:16] 很多时候你要靠搜索 [22:18] 所以我们做了很多搜索功能的优化 [22:21] 我们的搜索排序会抓很多的关键词 [22:25] 比如说你那个agent session的title [22:27] 然后那个worktree的name以及worktree [22:30] 相关的Linear ticket里面的一些关键词 [22:33] 通过很多这种关键词 [22:34] 都能让你快速跳到诶 [22:35] 我三天前我好像在work on这个东西 [22:38] 然后它现在的进展是什么 [22:40] 然后你就搜索一下 [22:41] 那我就把你带到了 [22:42] 那个Terminal页面就可以 [22:44] 这些如果你直接用Ghostty [22:46] 那可能在你的100个Ghostty的Tab里面 [22:48] 你也不知道到底哪个在干嘛 [22:50] 这个不是agentic搜索 [22:51] 这个就是很快的index的搜索 [22:53] 我觉得一方面是index搜索 [22:55] 一方面其实是你们对这样 [22:56] 的一个全新的工作方式 [22:59] 自己使用了 [22:59] 然后有很多痛点之后 [23:01] 针对它的进行了开发 [23:02] 就是我相信你们这个搜索其实是 [23:04] 带了很多之前大家不会想到 [23:06] 放到这个搜索结果里的信息 [23:07] 到我们这个搜索结果里边去 [23:09] 是的是的 [23:10] 就说大家以前会有搜索Linear [23:12] Google doc这种 [23:13] 但大家没有想到我要 [23:14] 把这个Terminal什么的 [23:15] 各种worktree之间的那些 [23:17] 关键词都拿来搜索 [23:19] 对到现在 [23:19] Claude Code或者是Codex的 [23:21] 搜索其实不是很好用 [23:22] 我觉得我想搜索什么东西 [23:23] 现在还是搜不出来的 [23:23] 我不是很trust他们的搜索 [23:25] 这个也是 [23:26] 并不觉得我们做到完美 [23:27] 我们还有很多就是 [23:28] 搜索方面想要提升的 [23:30] 搜索总是在index它的那个freshness [23:32] 和你的那个retrieval speed [23:34] 这个之间做抉择的一些 [23:36] 所以我们还有很多可以提升的 [23:38] 这是其中的一个 [23:39] 就我们的用户他如何能 [23:41] 在比如说几百个之间 [23:43] 能够跟进agent的一个方式吧 [23:45] 然后第二个方式 [23:45] 就是让agent来管理agent [23:48] Orca CLI它是自带orchestration的 [23:51] 我们看到我们的很多用户他 [23:52] 会写一个那个orchestration的script [23:54] 其实跟Claude Code内部的那个sub-agent [23:57] 它是很相似的 [23:58] 就是说你看我的Linear ticket [24:00] 然后你把它给 [24:02] 收集所有的requirements [24:03] 然后写一个design doc [24:05] 然后再review好多遍 [24:07] review完了之后呢 [24:08] 然后再implement [24:09] 然后再QA testing [24:11] 然后像Orca自带那个 [24:13] browser use和Mobile emulator [24:15] 所以你可以用Orca自带的这些 [24:17] 来做QA testing [24:18] 然后完了之后给我 [24:19] 一个PR和一个HTML report [24:22] 然后Orca也自带artifact sharing这种 [24:24] 所以很多用户他就已经有 [24:26] 一个这样的recipe已经弄好了 [24:28] 他直接从Linear ticket一开始 [24:30] 然后就Claude Code驾驭着Codex [24:33] 或者是其他的 [24:34] 最后给他一个PR和一个artifacts来review [24:37] 明白了他其实是我有一个task [24:40] 嗯 [24:40] 然后这个task呢 [24:41] 我有一个目标 [24:42] 把这个criteria讲好 [24:43] 我要的什么是好的 [24:44] 什么是不好的 [24:45] 然后可能我过去有什么问题 [24:46] 嗯哼 [24:47] 和我大概做这个目标的时候 [24:49] 我希望你去做哪些步骤 [24:51] 比如说你要去先plan [24:53] 然后比如说你要去写写完了以后呢 [24:55] 你可能还要互相校对 [24:56] 校对了以后你可能还要在 [24:57] 实际产品上去看 [24:59] 其实这个过程呢 [25:00] 人就几乎不参与了 [25:01] 人就看第一步和最后一步 [25:03] 他交出来的东西是不是合理就行了 [25:05] 是的是的 [25:06] 以及如果你需要参与的话 [25:08] 其实一开始也可以跟AI写 [25:10] 如果是有重大决定 [25:11] 你不太确定 [25:11] 你可以让我参与 [25:12] 但你给我参与的时候 [25:14] 你得给我那种很容易 [25:16] 去review的一些东西 [25:17] 因为我们自带一个browser [25:18] 其实我们发现我们很多user [25:20] 他都会让AI [25:21] 哪怕中间问他的一些问题都是说 [25:23] 给我一个visualization的解释 [25:25] 就是说这是我想要做的事情 [25:28] 然后你看一下这个HTML的那个页面 [25:30] 觉得ok不ok [25:31] 然后ok你就继续 [25:33] 这一步我觉得了解了 [25:34] 然后信息的更好的编排 [25:36] 和组织和呈现也了解了 [25:37] 但是again [25:38] 就是你到底每天要管多少事 [25:40] 你真的能看得过来这些东西吗 [25:43] 我觉得大家去想了这些以后 [25:45] 还是觉得哇 [25:46] 400多个我怎么管得过来 [25:48] 我怎么想得过来 [25:48] 然后我怎么跟进得过来 [25:50] OK这是好问题 [25:51] 我就想说到第三点 [25:52] 第三点就是说还是要自动化 [25:55] 其实比如说像我400多个 [25:56] 其实可能200多个它已经是自动化在跑 [25:59] 就是跑成什么SOP [26:00] 就像大家以前用OpenClaw一样的 [26:02] 它有一个像manager thread一样 [26:04] 它每天会定时跑 [26:06] 为什么Orca能够日更呢 [26:07] 整个release还是一个挺 [26:09] 复杂的一个过程 [26:11] 然后你得找一个很好的branch to cut, right? [26:14] 然后你还要搜集 [26:15] 比如说我们的AI [26:16] 它会搜集我们那个什么Linear [26:19] 还有那个Slack里面有没有大家report [26:21] 内测版本有没有bug [26:23] 它会搜集所有信息 [26:24] 它会做出决定然后呢 [26:26] 它如果需要问我问题 [26:27] 它还会自己给我发那个Slack信息 [26:30] 但是它就是一个很 [26:31] 流程化的一个东西 [26:32] 每天都有一个release的这个agent [26:35] 每一个小时它跑一次 [26:37] 看一下就是这个release [26:38] release到什么地方了 [26:40] 它会自动把这样一个流程给跑完 [26:42] 所以包括我们Discord [26:43] 就是我们四个人 [26:44] 不仅是做所谓的工程 [26:46] 我们还有一个非常大的Discord community [26:48] 和我们微信也有community [26:50] 你们微信也有的 [26:52] 对我们微信也有 [26:53] 哦对 [26:53] 应该邀请应该邀请你的 [26:55] 都已经忘了这事 [26:56] 邀请你到我们微信的community [26:58] 然后我们X上面也是好多万的follower [27:01] 所以 [27:02] 这些的所有的管理 [27:03] 其实都是自动化的 [27:04] 它每天会triage [27:05] 你该怎么回这些user [27:07] 然后有哪些信息我们今天收集到 [27:09] 所以Orca自带这个Automation feature [27:12] 它可以连接你的remote host [27:14] 所以像这些Automation都是跑在 [27:15] 我们team的一个share的一个remote host里面 [27:18] 那大家可能的问题就是 [27:20] 这些东西到底要花多少的token [27:22] 和花多少的钱 [27:24] token的话 [27:25] 肯定还是不少的 [27:26] 如果你是纯按API来计算 [27:29] 那其实还挺贵的 [27:30] 我也会看我自己的一些API的usage [27:32] 那肯定是每个月好几万的 [27:34] 如果纯按API算 [27:35] 但是大家现在都知道嘛 [27:37] 像Claude Code的Codex [27:39] 还有Kimi这些第一方的subscription [27:42] 它有非常多的subsidizing [27:43] 因为它其实它自己的profit margin很高 [27:46] 它如果按API [27:47] 它其实是 [27:48] 比如Claude Code和OpenAI [27:49] 它都是90%的profit margin [27:51] 但是如果你买他的那个subscription plan [27:53] 他是heavily subsidize [27:54] 所以的话 [27:55] 通过买不同的subscription plan [27:57] 我觉得都还挺好的 [27:58] 我基本上每一个provider买上一两个 [28:01] 就够我一个月做所有的Automation和这种 [28:04] 快速的proactively迭代的一些agent使用 [28:07] 买上一两个200美元的 [28:09] 对基本上我只买200美元的 [28:11] 因为那个是最好的deal嘛 [28:12] 所以我Claude Code、OpenCode、Codex、Grok [28:16] Antigravity这些我都有 [28:17] 然后每个都用一下就行了 [28:19] 对 [28:19] 刚刚其实你说了一个点挺重要 [28:22] 我没有打开 [28:23] 就是你说你们用plugin [28:25] 我的理解是你这里边可能 [28:27] 不光模型Harness [28:29] 包括你的工具 [28:30] 可能包括其他的东西 [28:31] 也是plugin [28:32] 你们的这个plugin的philosophy和 [28:35] 比如说Codex有什么不一样 [28:37] 你这里边为什么是 [28:37] 用plugin而不是用skill [28:39] skill的话 [28:40] 他们两个之间有很多共通的吧 [28:42] 但我们想的plugin可能 [28:44] 更偏向于UI方面的plugin [28:46] 就是有那个用户界面的 [28:48] I see [28:49] 用户界面的plugin [28:50] 我觉得在未来很长一段时间用UI [28:54] 和那个AI [28:55] 它们的使用都挺重要 [28:57] 就是相当于人和AI [28:59] 其实都需要一个工具上的提升 [29:02] 所以有针对AI的plugin嘛 [29:03] 所以它跟skill很相像 [29:05] 就是skill和一些command的集成然后呢 [29:08] 我们的plugin可能更偏向于UI方面的 [29:10] 比如说举几个例子吧 [29:12] 就是现在Orca的话能够 [29:14] 在Orca里面内部打开 [29:16] 很多不同的文件格式 [29:18] 比如说我们有个Markdown file的editor [29:20] 我们有HTML的editor和那个annotator [29:23] 你可以在HTML上面画等等的 [29:25] 但是用户他有很多不同的文件格式想要支持 [29:28] 比如说我们有些用户他是做芯片设计 [29:31] 他有他们公司自己的文件格式 [29:34] 想有自己的那种编辑器 [29:36] 以及PPT的编辑器 [29:38] 以及那个video editor [29:40] 就比如说Claude Code在 [29:41] 左边的panel给他生成了一个video [29:43] 他直接想在右边 [29:43] 就在Orca里面可以打开这个video [29:45] 就像他打开一个 [29:46] Markdown file可以edit一样 [29:48] 可能我们核心的Orca就没有办法说 [29:50] 我要把所有的这些模式editor都支持 [29:53] 所以用户就可以 [29:54] 通过一个plugin的形式 [29:56] 他就可以在Orca里面干上很多自己想干的事 [30:00] 理解了 [30:00] 最后一个关于用户的问题 [30:02] 你的这些power users们 [30:04] 他们用这么多AI [30:05] 那你知不知道他们大概 [30:06] 都是在干些什么事的 [30:08] 大部分还是engineer [30:09] 在公司打工 [30:10] 然后去疯狂地去卷PR吗 [30:13] 还是干嘛 [30:14] 其实我们的用户跟 [30:15] 可以说早期的Cursor和 [30:17] 早期的Claude Code有很多重合的 [30:19] 可能都是最早的这批 [30:21] 用AI来提升效率的 [30:22] 一般的pattern就是他会用 [30:24] 我们做一些personal project [30:26] 然后觉得非常好的话 [30:27] 他也想在办公的时候用我们 [30:29] personal project的话就有Web APP [30:32] 有Mobile APP [30:33] 然后现在我们看到比较popular的还有 [30:35] 就是大家会build越来越多的Desktop APP [30:38] 因为越来越容易 [30:39] 写这种Electron APP [30:41] 这是personal project [30:43] 然后也有很多用来做automation [30:45] 他比如说每天要炒股 [30:46] 可以用我们来就是搜集信息 [30:48] 然后左边是Claude Code [30:50] 然后右边是Claude Code给他的 [30:51] 那个HTML的今天的股票分析 [30:54] 他可以在HTML上面加一些comments annotation [30:57] 然后又发给Claude Code [30:58] 然后两个一起cowork [30:59] 所以personal use就是什么都有 [31:01] 但是我想说就是我们有非常大的 [31:04] 用户群体作为他的day to day work使用的 [31:07] 比如说我看Twitter上有人 [31:08] 就是分享他的用户案例 [31:09] 他是一个Cloudflare的engineer [31:12] 他把每天他要review的PR [31:14] 他就用一个master的那个agent [31:17] 然后开因为我们有那种nested worktree [31:19] 他在top level的worktree [31:21] 他可以开 [31:21] 比如说20个小的那种不同的sub-worktree [31:24] 就同时开20个worktree来管理 [31:26] 他的20个PR review同时跟进 [31:29] 所以就是也有很多大公司这种 [31:31] 他觉得我如果更efficient [31:34] 我是不是可以留出更多时间 [31:36] 做其他的project也好 [31:37] 或者他也可以升职更快等等 [31:40] 就是Cloudflare的工程师呢 [31:41] 每天上班打开一看 [31:43] 哦我今天有20个活 [31:44] 然后就找一个agent [31:45] 然后piu～把这20个活丢到那个agent里边 [31:47] 开了20个sub-worktree [31:49] 然后下班的时候喝喝咖啡 [31:51] 看看是不是都干完了 [31:52] 干完了以后交一下 [31:53] 对 [31:54] hhh [31:55] 对今天的活就干完了 [31:57] 今天的活就干完了 [31:58] 中间他自己去干什么就不知道了 [32:00] 产品本身已经我觉得 [32:02] 给我们介绍很多了 [32:03] 然后包括大家的usage [32:04] 有机会如果大家感兴趣的话 [32:06] 在下面提问 [32:07] 你应该也在社区里边 [32:08] 可以跟大家来多多交流一些 [32:50] 那我们讲讲你的这个创业吧 [32:52] 大学毕业之后 [32:53] 你是16年毕业的 [32:56] 嗯16对 [32:57] 然后先做quant(量化投资) [32:58] 然后再去Google的对吧 [32:59] 然后创业大概是四五年的样子 [33:02] 是的对 [33:03] 你是第二个创业项目进的YC [33:05] Y Combinator [33:06] 呃其实是第一个 [33:08] 第一个那好 [33:09] 讲讲你的故事 [33:10] 因为其实我 [33:11] 从小我就看我爸创业 [33:13] 做他自己的business [33:15] 比起在公司里面 [33:16] 我就特别想自己拍板 [33:18] 决定做什么的一个人 [33:19] 所以从大学里面就一直想做这个 [33:21] 但是因为当时是国际学生嘛 [33:23] 来美国你不可能说我突然一下 [33:25] 就是要从大学就创业 [33:26] 因为我们毕竟还有很多身份的问题 [33:29] 所以大学也是 [33:30] 完了之后也是循规蹈矩的 [33:31] 做了那个大厂里面的工作 [33:33] 但是Google刚好在湾区 [33:35] 然后在湾区这边就是创业氛围其实是非常浓厚的 [33:38] 其实在Google的时候 [33:39] 我就业余会参加 [33:40] 各种各样的创业活动 [33:41] 从这些优秀的那个湾区 [33:43] 创业人才身上也学到了很多 [33:45] 所以当时就觉得自己想做一个什么 [33:47] 那是几年前了 [33:48] 当时AI还没有火的时候 [33:49] 当时也没有特别好的点子 [33:51] 所以就觉得管他呢 [33:52] 随便做一个点子 [33:53] 什么能上手就行 [33:54] 当时的第一个点子其实 [33:55] 是做一个直播的平台 [33:57] 就是给那种special events [33:59] 就像婚礼 [34:00] 公司的一些events [34:02] 做这种线上直播 [34:03] 那个项目的增长也比较好 [34:05] 用户和收入增长都比较好 [34:07] 所以也是拿着那个进了YC [34:09] 但是在YC毕业之后 [34:11] 我们就发现 [34:12] 其实做那个event space [34:14] 它是非常有大的挑战性为什么 [34:16] 因为要做成一个很大的business [34:18] 其实最重要的一点就是 [34:20] 用户的留存性 [34:22] 你永远你的增长都要来自于 [34:23] 我不停的去外面吸收新用户 [34:26] 那是一个非常危险的境况 [34:27] 因为你永远不可能保证就说 [34:29] 诶我下个月我广告的 [34:30] 那个费用会不会增加 [34:31] 能不能吸引到那么多用户 [34:33] 但是在event space [34:34] 它的留存性是比较差的 [34:36] 哪怕它一年之后它回来使用了 [34:38] 比如像婚礼那就更差了对吧 [34:41] 所以我们当时也是意识到 [34:43] 就是说这个可以有很好的收入 [34:45] 但是要做到像什么billion [34:47] 就是十亿级别 [34:48] 百亿级别的一个公司 [34:50] 它还是得要做那种非常高频使用的 [34:52] 嗯 [34:53] 所以我们的第二点子叫Stably [34:55] 它是用AI来做那个软件测试 [34:57] 这个我觉得在当时来说也是 [34:59] 一个非常合理的一个选择吧 [35:02] Stably做的也是算比较成功的 [35:04] 因为也有不少的企业客户 [35:07] 但是为什么最近几个月我们 [35:08] 更专注在做Orca这上面呢 [35:11] 是因为我们发现以前的B2B SaaS [35:14] 和那个Dev tool [35:16] 你做一个niche area [35:17] 它是非常值得去做的 [35:19] 去深入...呃...怎么说 [35:22] 去把它做扎实 [35:23] 做扎实 [35:24] 但现在我们发现就是说 [35:26] 就所有的Dev tool [35:27] 它是不是都collapse到一个方面了 [35:29] 就是说用AI来生成 [35:31] 包括现在很多做video editor [35:33] 你的workflow其实很多时候可以用 [35:35] 那个Claude Code帮你看一些video frame [35:38] 甚至用它来帮你editing [35:40] 让Claude Code去prompt那个 [35:41] Seedance来做一些很多的 [35:43] 所以我们发现这种general coding [35:45] 的这个workflow [35:46] 它其实可以 [35:47] 取代很多B2B以前的 [35:48] 那种specialized workflow [35:50] 所以我们觉得我们已经投入 [35:51] 那么多来做这个AI testing agent [35:54] 我们可以把我们的很多投入 [35:55] 放在这种更general purpose的agent [35:58] 里边就有一个你轻描淡写 [36:00] 但是大家觉得可能 [36:01] 很不可思议的事情 [36:02] 嗯 [36:03] 你做Orca一个现象级的成功 [36:05] 然后这个现象级的成功呢 [36:06] 基本上是again [36:07] 你看首先从功能上来说的 [36:09] 大家会问为什么Anthropic或者OpenAI [36:12] 这么牛逼的公司没有做出来 [36:13] 然后从增长上 [36:14] 你应该是你的focus还没有放在增长 [36:17] 且四个人的情况下 [36:18] 能增长到GitHub有5万颗星 [36:21] 我不知道你们的日活 [36:22] 或者download是什么样子 [36:23] 应该也是一个proportional非常高的一个程度 [36:26] 对吧这还是最近的东西 [36:28] 然后你前面的两次创业 [36:30] 就大家一般不是说创业 [36:31] 是10个里边9个失败嘛 [36:33] 嗯 [36:33] 但是为什么你做一个成一个这样子 [36:35] 可能我成功的定义就是说要到 [36:37] 那个one billion这种级别吧 [36:39] 但是我觉得就是至少 [36:40] 还是就每个都做起来了吧对 [36:42] 我觉得有两项吧 [36:44] 一个就是说我们确实是 [36:46] 一个非常技术的团队 [36:48] 就我和我的CO founder [36:49] 我之前在Google [36:50] 然后他在Uber吧 [36:51] 所以就是基本上 [36:52] 我们想做的什么点子 [36:53] 我们都能把它做到最好 [36:55] 可能就是说 [36:56] 在选点子的上面 [36:57] business的方面可能 [36:59] Monetization [37:00] 这些还有很多要尝试的 [37:02] 但是基本上想做什么 [37:04] 产品方面确实是可以把他做到最好 [37:06] 我觉得可以分享的经验就是说 [37:09] 即使大家说现在AI [37:11] 捏一个就可以了什么 [37:12] 但是我觉得 [37:13] 在可能未来的一年之内 [37:15] 要做成一个好的产品 [37:16] 其实还是会需要非常大的 [37:18] 时间和那个token消耗的打磨 [37:21] 所以好的taste还是可以给你 [37:23] 一个很大的领先的机会 [37:25] 这是第一点 [37:26] 第二点我觉得就更多 [37:27] 的是Orca方面的成功吧 [37:29] 我觉得Orca增长这么快 [37:30] 就是在非常少的 [37:32] marketing的投入的情况下 [37:34] 就是我们可能95%的时间都在做产品 [37:36] 可能5%就是想什么发什么 [37:38] 今天发一下那个Twitter的那种 [37:40] 情况下能做这么好 [37:42] 我觉得还是得借力 [37:43] 赶上那个趋势得借力 [37:45] 包括就回到我最开始 [37:46] 说的这个TUI和GUI之间 [37:48] 我想说是我们本身 [37:50] 就是没有一个strong opinion [37:52] 我们更多想做的就是大家想用什么 [37:54] 我们就很好地支持大家用这个 [37:57] 而不是去摆在一个对立面的位置上 [37:59] 就说你要不得用Claude Code [38:01] 要不得用我们 [38:02] 然后你让用户做选择 [38:03] 我觉得这种的话 [38:04] 那你的那个marketing得投入非常大 [38:06] 你才能改变用户的 [38:08] 使用习惯 [38:09] 而你作为一个 [38:10] 我就让你Claude Code和Codex用得更好更容易 [38:12] 不需要改变他的使用习惯 [38:14] 他就可以用上你 [38:15] 他也会非常愿意分享给他的同事 [38:17] 就说哎 [38:18] 我知道我们刚买了Claude Code对吧 [38:20] 但是我不是说你要 [38:21] 用一个新的工具 [38:22] 就是说你用这个就是 [38:23] 用Claude Code可以用起来更好所以 [38:26] 他的那个分享 [38:27] 或者使用的adoption都会做得比较高 [38:30] 你们现在download方便透露大概多少吗 [38:33] 不会透露具体数字 [38:34] 但是download肯定是比 [38:35] 那个GitHub star还要高很多 [38:37] 这里边proportion大概 [38:39] 多少是来自于口碑 [38:41] 就我想知道的是大家怎么知道你们的 [38:43] 对于任何一家公司 [38:44] awareness和trust都是非常高的barrier [38:47] 就是大家能知道你们 [38:48] 然后大家还信任到你们足够愿意试一下 [38:51] 和你觉得为什么你们可以 [38:52] 这么快的就让大家愿意去试用一下 [38:54] 我觉得确实是这个赛道的原因 [38:57] 其实这个赛道很容易传播 [38:59] 因为现在也不停的有新的tool出来嘛 [39:02] 就是大家都愿意尝试一下 [39:04] 有什么好的方法能让 [39:06] 大家管理他的agent [39:07] 可能大家直接用iTerm和Ghostty [39:09] 有很多就是我刚才说到的问题 [39:11] 大家也不是很满意 [39:12] 所以大家总是 [39:13] 非常愿意去尝试一下新的tool [39:15] 所以我觉得得到那个 [39:16] traffic in其实还挺容易的 [39:18] 但是我们其实比较 [39:19] 在乎的是那个留存率 [39:21] 就我们留存率也挺高的 [39:23] 留存率高你才能就是 [39:24] 有那种viral growth嘛 [39:26] 它才能1传2等等 [39:27] 如果就是它可能 [39:28] 第一天它就没有转化 [39:30] 没有留存 [39:30] 它看一眼就走了 [39:31] 就他没办法去散播 [39:33] 到第二个第三个人 [39:34] 所以我们就非常看重留存率 [39:36] 我们会发现我们的 [39:37] 用户他有一个规律 [39:39] 他基本上是试了所有工具 [39:41] 有时候是刚好最后一个试的Orca [39:44] 有时候刚好他是先试了Orca [39:46] 又去试了一圈新的工具 [39:48] 或者是他同时试Orca [39:50] 就不管他是先后顺序是怎样 [39:52] 他基本上试了 [39:53] 他最后都会选择Orca [39:55] 我觉得留存是产品决定的 [39:57] 而且产品好到一定程度呢 [39:59] 是带这个传播指数的1传2 2传3 [40:01] 到一个人会推荐几个人 [40:02] 可是在那之前 [40:04] 你说很简单 [40:05] traffic in很简单 [40:06] 对于一个没有做过 [40:07] 这里的人可能不简单 [40:09] 就是同赛道的有很多 [40:11] 很多人试图在做这件事 [40:12] 他们可能都不简单 [40:14] 想想你的YC同学们对吧 [40:15] 他们可能很多人在做这个 [40:16] 他们不觉得简单 [40:17] 然后你觉得为什么你觉得简单 [40:19] 可能是我没花很多精力在上面 [40:21] 我可以想一下 [40:22] 我觉得我们做的不一样 [40:23] 可能有帮助的地方吧 [40:25] 就是包括我们做marketing [40:27] 我们还是偏leverage marketing [40:29] 怎么解释这个leverage marketing [40:30] 它其实跟我们的这个产品的 [40:32] 设计思路都是非常一样的 [40:34] 就说我们都是非常借力的 [40:36] 然后我能看到 [40:36] 比如说有跟我们相同的一些产品 [40:39] 我看它发的那个X post [40:41] 他就是关于我们这个产品有个新的功能 [40:44] 因为他会觉得他的责任 [40:45] 就是去宣传他的产品的功能 [40:47] 他如果讲一句 [40:48] 比如说Claude Code [40:49] 因为他永远会把Claude Code和Codex [40:51] 这种看成他的那个竞争关系 [40:53] 就比如说Claude Code今天有一个agent什么的 [40:56] 哇天呐天塌了 [40:58] 然后大家会不会都用Claude Code了 [41:00] 就像我刚才说的一样 [41:01] 就是不管他Claude Code有什么 [41:02] 只要还有Codex在 [41:03] 我就中立的一个这种 [41:05] 他总是有他存在的一个价值 [41:07] 更何况现在不仅是两家独大 [41:09] 现在是非常多的那个player [41:11] 我们可能松弛就在于我们不把 [41:12] 任何一家视为我们的competitor [41:15] 虽然他目的是想来compete [41:16] 但是我们觉得这是 [41:18] 一个非常open的ecosystem [41:19] 所以这就体现在我们的marketing里面 [41:21] 就说Claude Code发布 [41:22] 我们会点赞好啊 [41:24] 大家可以在Orca里面这么用Claude Code [41:27] 然后Codex发布说好 [41:28] 新功能Codex做得好 [41:30] 可以在Orca里面用这种 [41:31] 所以其实大家非常愿意看这种context [41:33] 就是大家很喜欢学 [41:35] 诶有什么新的Claude Code tricks [41:36] 什么新的Codex tricks [41:38] 所以就是基本上我们 [41:39] 可能想什么发什么 [41:40] 可能就5分钟发一个内容 [41:42] 然后基本上就是都有好几百赞 [41:44] 就是因为发到了 [41:45] 大家喜欢的这种内容 [41:47] 很棒的干货 [41:48] Google码农千千万对吧 [41:50] Uber码农千千万 [41:52] 很多人我觉得从Google出来也没有 [41:53] 能力去做一个那么好的产品 [41:55] 在你看起来 [41:56] 你们所谓这个好的技术和好的产品 [41:59] 的这个能力是怎么样子培养的 [42:01] 或者说great和good的区别是什么 [42:05] 技术方面比我们好的有很多 [42:07] 我觉得就还是要land [42:11] 能把一个想法就是真正执行和落地 [42:13] 我甚至觉得当时我们能上YC的时候 [42:16] 这可能也是当时YC他 [42:17] 面试我们最看重的一个 [42:18] 就说虽然我们的第一个点子 [42:20] 并不算是最好的一个点子 [42:22] 甚至我们之后确实 [42:23] 是抛弃了那个点子 [42:24] 但是就是不管什么点子 [42:26] 我们就有执行力 [42:27] 可以说执行力吧 [42:28] 是一个方面 [42:29] 就是作为工程师 [42:30] 执行力并不仅仅体现在你有那个 [42:33] 技术功能 [42:34] 而是就把各个方面都打通 [42:36] 去找到一个好的方向 [42:38] 然后能了解这个方向它的那个 [42:41] 玩家有哪些 [42:42] 以及大家的痛点是什么 [42:43] 然后找到大家最共鸣的那个痛点 [42:46] 然后能很快的解决这个痛点 [42:48] 然后呢每一步的时候你都能 [42:50] 就是很精准的做正确的事 [42:54] 它听起来很简单 [42:55] 但它其中可能每一个步骤 [42:56] 都是有10个不同的步骤 [42:59] 我们点开一个吧 [43:00] 稍稍展开一下怎么找到痛点 [43:02] 用具体的例子来给大家解释一下 [43:04] 当时你是怎么找到痛点和怎么解决痛点的 [43:06] 为什么其他人没有找到这个 [43:07] 痛点和没有解决这个痛点 [43:09] 我们第一个点子就是做 [43:10] 那个线上event的直播嘛然后呢 [43:13] 我们当时找的痛点的方式有几个 [43:14] 一个是身边的朋友 [43:16] 就是我们做每一个点子的时候 [43:18] 包括我们做最近的Orca [43:19] 我们都是像回到了 [43:20] 就是最初在黑板上第一次头脑风暴一样的那种 [43:24] 我们都是说我们要按这个步骤走 [43:26] 所以我们都会问上100个人 [43:28] 而且是深度的那种沟通交流 [43:31] 不是说就我要问100个人的问卷 [43:33] 而是就是说给大家婚礼直播 [43:35] 我们甚至会跟最开始的很多couple [43:37] 我们都说可不可以给你打一个电话 [43:38] 然后就跟他非常深入的沟通交流 [43:41] 就说你为什么会想到 [43:43] 要用我们这个产品呢 [43:44] 这是一个很好的insight对吧 [43:46] 你在这个里边问什么问题 [43:48] 我一般会问 [43:49] 就说你为什么第一会想到这个点子 [43:51] 然后第二的话呢 [43:52] 你为什么会想到找这样一个解决方案 [43:55] 有没有考虑过其他的解决方案 [43:57] 比如说第一个点子嘛 [43:59] 我说你为什么没有考虑Zoom呢 [44:01] Zoom完全可以 [44:02] 然后你有试过Zoom吗 [44:03] 那你就可以得到一个很好的 [44:05] 就说我的那个优势具体在什么 [44:07] 那我就一定得加大投入我的优势 [44:09] 以及他可能也考虑了其他的产品 [44:12] 然后呢第三点就是要问 [44:14] 就是在那个你如果要变现的情况下 [44:16] 你可以就是问好 [44:17] 你既然说这个问题 [44:18] 对你来说这么重要 [44:20] 你要到处找那你 [44:22] 比如说有类似的产品的话 [44:24] 你在上面花了多少钱 [44:25] 这都是非常重要的 [44:27] 你看过《The Mom Test》那本书吗 [44:29] 对对对我看过那本书 [44:30] 为什么我想到这本书 [44:31] 就是你问的是你在 [44:32] 类似产品上花了多少钱 [44:34] 而不是说你愿不愿意为我的产品花钱 [44:36] 对对对对 [44:37] 然后像比如说我们YC的那个Adviser [44:39] 我们的YC group partner是Michael Seibel [44:41] 他就非常直白的跟我们说 [44:43] 你要对你的用户了解到这个程度 [44:45] 就是说比如说我们做B2B [44:47] 他去年的收入是多少 [44:48] 他的收入增幅是多少 [44:50] 然后他们最大的开销是多少 [44:52] 你能不能做到你能成为他们 [44:54] 第二大或者第一大的开销 [44:56] 你能帮他们解决 [44:57] 一个多大价值的问题 [44:58] 能让你做到他们 [45:00] 第一大第二大的开销 [45:01] 然后他说你如果都不知道 [45:02] 你的用户的收入是多少 [45:04] 增长是多少 [45:06] 他的最大的问题是什么 [45:07] 他里面每个不同的人 [45:09] 他考虑的 [45:10] 他想解决的问题什么 [45:11] 如果你做不到对用户这样的了解程度 [45:13] 那可能你的不管是宣传也好 [45:15] 你的产品的设计也好 [45:17] 你都是在有点隔靴搔痒 [45:19] 没办法做到很准确 [45:21] 那你怎么去了解的 [45:22] 听到了你想去了解 [45:23] 你会怎么做 [45:24] 我就直接问呗 [45:26] 直接问那些客户 [45:27] 直接问直接问 [45:28] 很多人可以问 [45:29] 但可能我们在那个湾区 [45:30] 就对我们现在的赛道来说 [45:32] 有一些天然的优势 [45:33] 第一的话呢 [45:34] 就是我本身在湾区 [45:35] 基本上我身边的朋友 [45:37] 你都可以直接问到 [45:38] 你们公司到底采购了什么 [45:40] 你们公司营收怎么样然后 [45:42] 今年的那个AI tool方面的budget是什么 [45:45] 你上次采购的那个tool [45:46] 你们花了多少钱 [45:47] 比如我就知道很多公司 [45:48] 比如他们第一大开销 [45:50] 现在已经变成AI了 [45:51] 在AI之前 [45:51] 他们第一大开销其实是Datadog [45:53] 不是那个AWS [45:55] 哦对 [45:55] Datadog真贵 [45:57] 对对对对 [45:58] 是的是的对 [45:59] 然后呢以及你们今年的budget [46:01] 你们的预算是什么 [46:02] 就说如果一个问不到 [46:03] 你就不停地问不同的人 [46:05] 我们发现公司他的那个 [46:06] 回答其实都大同小异的 [46:08] 问上这么多个 [46:08] 你大概就知道了哦 [46:10] 其实这是一个现在来说很好的机会 [46:13] 就是你要develop对用户 [46:15] 的一个true understanding [46:16] 而且这个true understanding其实 [46:18] 比大家想象中的要深很多 [46:19] 很多时候大家以为是有了 [46:21] 其实还是表面的 [46:22] 在这里边要一定不停地问下去 [46:24] 访谈100个客户 [46:25] 问他们非常具体的问题 [46:27] 然后在这里边不断地去寻找 [46:29] 真实的那个痛点是什么 [46:31] 那找到了真实痛点 [46:32] 你们怎么样把它 [46:33] 转化成你们的solution呢 [46:34] 先听一下他们已有的solution [46:37] 一般来说还是回到那个leverage嘛 [46:39] 要借力很多内部他也已经有 [46:41] 各种各样的尝试了 [46:42] 你可以知道诶 [46:43] 你尝试了这个这个行不行 [46:44] 或者那个行不行 [46:46] 这个已经是一个 [46:46] 非常好的那个baseline了 [46:48] 然后呢另外的话就是其实是 [46:50] 我们也是在快速迭代 [46:52] 我觉得就是一个是有很好的判断 [46:55] 但是我不能保证我们判断是正确的 [46:58] 快速迭代 [46:59] 得到反馈还是非常重要的 [47:01] 所以我觉得这也是一个 [47:02] 我们做的比较好的 [47:03] 特别是现在有了AI的赋能 [47:05] 就是你虽然知道这个痛点是真实的 [47:07] 你这个确认了 [47:08] 那你解决它的方式可能要不你就 [47:10] 推出3版不同的解决方式 [47:12] 当然三版都是你猜想应该是最好的 [47:15] 包括我们那个AI status的集成 [47:17] 其实它也是经过了好几个迭代的 [47:19] 现在有很多人会抄 [47:20] 我们的那个AI status的 [47:22] 集成的显示嘛 [47:23] 但之前也是第一版它放在很中心的位置 [47:26] 我们当时就觉得这个就可能是 [47:28] 就想看的时候再看一下的那种 [47:30] 很随意就放在右边的一个角落 [47:31] 然后我们发现那根本没有任何用处 [47:34] 然后我们就会把它放在不同的地方 [47:36] 就试了好多版 [47:37] 然后也根据大家的反馈也调整了很多次 [47:40] 根据大家的反馈 [47:41] 你的真实的feedback loop怎么建立 [47:43] 因为很多时候大家 [47:44] 得到的是一个biased sample [47:46] 或者说是这种声音很大 [47:47] 但是其实不代表一个真实用户的 [47:50] 你怎么样子去得到有效的反馈 [47:52] 从而在你这个快速迭代中找到方向 [47:55] 可能这个不太科学哈 [47:57] 因为我觉得我们现在还没有 [47:58] 做任何的什么科学的实验 [48:00] 很多还是靠自己的一些最后的判断 [48:02] 反正我们的原则就是 [48:03] 包括我们有很多社区的PR [48:06] 还有issue [48:06] 各个论坛上面对我们的反馈 [48:08] 我们都是把它作为一个参考 [48:10] 我们也会做qualitative和 [48:12] quantitative的一些集成 [48:13] 就说50%来自于这个 [48:15] 那这个肯定要正视一下 [48:17] 就是大家他有这种建议嘛 [48:19] 但是呢我觉得就是 [48:20] 它都只作为一个信息 [48:22] 我觉得特别是在AI时代 [48:23] 你得到信息的方式越来越多 [48:25] 但是我们都只把它作为一个信息 [48:27] 最后的决定权还是在我们team这4个人 [48:30] 有非常好的那个product sense [48:32] 也是属于大家相信自己吧 [48:33] 就是先收集足够多的信息 [48:36] 然后以你最好的 [48:37] 判断来做出一个决定 [48:39] 我其实觉得这个是非常有道理的 [48:41] 包括我在采访投资人 [48:42] 他们也说最后很多时候是体感 [48:44] 我自己是做数据科学的 [48:45] 然后就是数据能告诉你的东西 [48:47] 可能也就百分之二三十 [48:49] 你最后要看的是你的那个mental model [48:51] 就是你说的这个product sense [48:52] 或者说是大家有的时候说taste [48:54] 在这个话题上还可以多聊一些 [48:56] 就是你觉得你的这个taste [48:58] 或者说这个product sense建立的 [49:00] 比较关键的一些节点 [49:03] 或者说是milestone [49:04] 或者说是一些开悟的时间 [49:07] 就是你可能在一段时间之前 [49:08] 你觉得你其实没有 [49:09] 找到一个好的product sense [49:11] 但是有一段时间你突然嗯～感觉悟了 [49:13] 一个悟的点可能就是 [49:16] 如果都在不同的product feature之间犹豫不决 [49:19] 不知道该怎么解决的时候 [49:20] 那就以我自己作为标准用户 [49:22] 这恰好是因为我这个赛道的原因嘛 [49:25] 我就是一个很好的用户 [49:26] 我们又有团队 [49:27] 所以我们也可以就是体验一些 [49:29] 很多团队之间要协作的一些AI workflow [49:32] 然后我们之前产品也有 [49:34] 卖给那个大公司的一些经历 [49:36] 所以我也知道大公司的一些它的workflow [49:39] 同时呢 [49:39] 我们现在又是一个快速迭代的团队 [49:41] 所以我就觉得我们 [49:42] 可能是个很好的用户 [49:43] 就说在我犹豫不决的时候 [49:44] 那我就试一下 [49:46] 看一下我们能不能提升我们的效率 [49:48] 就是它再不济 [49:49] 虽然大家可能不喜欢 [49:50] 但它至少提升了我们的效率 [49:52] 这恰恰可能最后是一个非常 [49:54] 好的结果 [49:55] 这可能是最近开悟的一点吧 [49:57] 然后之前如果要开悟的一点就是 [49:59] 意识到AI发展的一个大的趋势 [50:03] 开悟的一点就是意识到很多时候 [50:05] 很多的产品它都可以 [50:07] 通过那个coding agent来解决 [50:10] 因为我觉得现在的产品有两个分化 [50:12] 一个就是像我们这种 [50:13] 做就是general coding agent [50:15] 就是说你帮大家使用Claude Code, Codex这种 [50:18] 另外一种就是像很多产品 [50:20] 它是在它现有的那个UI [50:21] 里面加入一些Chatbox [50:23] 我觉得他们有非常多的增加用户体验的 [50:26] 但我觉得就是 [50:26] 你的那个context的loss太多了 [50:29] 也算是对我来说一个非常大的 [50:32] 产品设计方向的一个启发 [50:34] 就是说现有的很多产品 [50:36] 它的那个大的方向已经很好了 [50:37] 你不能去fight against它 [50:39] 你要相当于就是要build on top of it [50:42] 我觉得这两个开悟瞬间都很重要 [50:44] 那我们再回到你的第一个创业项目 [50:46] 你是怎么样子让 [50:47] 别人知道你这个项目 [50:48] 并且能收上钱来 [50:49] 有收入呢 [50:50] 就是时间点很重要 [50:52] 我现在回想一下我总体的theme [50:54] 就是我们基本上每个项目在 [50:56] 他们开始的时候都是很多inbound [50:58] 比如说Orca现在是大家刚好 [51:01] 就是管理agent有困难嘛 [51:03] 包括enterprise都在look for solutions [51:05] 然后之前那个Stably是AI testing [51:07] 就是AI生成太多junk code [51:09] 大家想怎么用AI的也来做testing [51:11] 然后第一个呢 [51:12] 就是Virtual event [51:13] 其实我们当时刚好是在那个 [51:15] covid的尾巴的那个情况下 [51:17] 其实还几年前嘛 [51:19] 所以就是我们一放到App Store [51:21] 然后当时想 [51:22] 然后我们是不是要告诉一下朋友 [51:24] 然后就有好几个 [51:25] 就是毫不认识的人 [51:26] 就在App Store里面就直接找到了我们 [51:29] 所以我觉得可能他 [51:31] 总结下来都是说 [51:32] 可能就是在那个时间内解决正确的问题 [51:35] 可能第二点就是还是要 [51:37] 相信平台的分发的那个流量 [51:39] 比如说Orca的话 [51:40] 我觉得我们很多流量 [51:41] 还是来自于那个GitHub本身 [51:43] 就大家直接就在GitHub里面搜什么ADE [51:46] 这是一个新的词嘛 [51:48] 然后我们当时是唯一一个标明是ADE [51:51] 因为大家当时会想ADE是什么 [51:53] 然后我标这个是不是风险太大了 [51:54] 我当时就说唉 [51:55] 不管了我们就是要造一个新词叫ADE [51:58] 现在大家越来越多的人搜ADE嘛 [52:00] 或者搜什么agentic development [52:02] 所以很大的一部分流量 [52:04] 我们都来自于那个GitHub [52:05] 我觉得就是在不同的这种平台 [52:07] 能够利用它的流量也是挺有用的 [52:10] I see [52:11] 有一个特别好的产品 [52:12] 然后能抓到一个时代的脉搏 [52:14] 总结得很好 [52:15] 喜欢脉搏这个词对 [52:17] 哈哈哈 [52:18] 那就是你这个中医能力就很强了 [52:20] 就是把脉能力非常强 [52:22] 这正好就讲到了松弛感这件事 [52:24] 稍稍讲一下你的创业的心态 [52:28] 或者说为什么你没有那么的着急 [52:32] 就觉得机会总是有的 [52:34] 只要你想去干 [52:36] 它都能干成的 [52:37] 就这个饼很大 [52:39] 可能大家会想象就是说这是个零和游戏 [52:41] 就是Anthropic, OpenAI吃了这个就没有了 [52:43] 但是大家没想到 [52:44] 可能从历史的长河来看 [52:46] 我们可能刚刚在这里 [52:48] 就是没有人能想到 [52:49] 以后我们的那个GDP [52:50] 我们这个人类作为一个人类文明 [52:53] 我们能达到一个什么样的程度 [52:54] 可能大家觉得SaaS要完了 [52:56] 但是SaaS要完了 [52:57] 但是天呐 [52:57] 这世界上还有这么多可以build的东西 [52:59] 我们连机器人都没有呢 [53:01] 我还没有做饭机器人呢 [53:02] 我们还没有登月呢 [53:03] 我们还没有去过火星呢 [53:05] 更别说什么生物方面 [53:06] 还有很多可以做的突破 [53:08] 天呐我对未来特别的乐观 [53:10] 我就觉得这个可以做的 [53:11] 可以build [53:12] 就是身为一个builder [53:14] 就可以做的事情太多了 [53:15] 这个不行 [53:16] 然后我再试下一个就是了嘛 [53:18] 我觉得一方面我们的松弛感 [53:19] 就来自于我们确实经历了很多这种 [53:21] 这个不行就做下一个吧 [53:23] 无所谓只要还有饭吃就可以 [53:25] 你应该aware [53:27] 很多人说AI是泡沫 [53:29] 嗯哼然后现在科技发展是泡沫 [53:31] 包括AI对GDP也是没有什么 [53:33] 特别大的正面影响的 [53:34] 但是很明显你aware这些东西的情况下 [53:36] 你还是选择了另外一个 [53:38] 就是更乐观的这个信仰 [53:39] 我乐观的前提是 [53:41] 我其实不相信就是AI能取代人类 [53:44] 我觉得AI的智能和人的智能是 [53:46] 他有很多相似的情况 [53:48] 但是我觉得他们是非常互补的 [53:50] 就两年前我可能没有这么乐观 [53:52] 我两年前会说就是AI [53:53] 真的会取代人类 [53:54] 就它和那个什么 [53:55] 第二次工业革命不一样 [53:57] 就是蒸汽机嘛 [53:58] 它是取代了我们的那个体力劳动 [54:00] 但是我们至少还有脑力在嘛 [54:02] 然后大家会觉得 [54:02] 那现在AI是真的取代我脑力 [54:04] 那我人还有什么用呢 [54:05] 那我发现脑力它不是一个简单的维度的 [54:09] 比如说我的聪明程度和那个Orca [54:11] Orca其实是虎鲸的意思 [54:12] 比如虎鲸它是一个聪明的动物 [54:14] 它的那个intelligence它其实是不一样的 [54:16] 有虎鲸擅长的东西 [54:17] 也有那个人类擅长的 [54:19] 然后我发现有AI擅长的 [54:20] 也有人擅长的 [54:21] 可能AI它会朝一个不同的方向走 [54:24] 虽然大家在把它训练得非常像人 [54:26] 但是 [54:27] 可能再训练很多时候你还是 [54:29] 没有一个能像什么爱因斯坦 [54:30] 当时提出相对论那样的一个思考的 [54:33] 可能这是我的一个乐观 [54:35] 当然就是很多AI专家 [54:36] 可能会出来打断我说 [54:38] 不AI就是在任何维度都可以降维打击人类 [54:42] 在我的观点内 [54:43] 就是AI和人类是互补的情况下的话 [54:45] 那AI我就把它当成一个 [54:46] 巨大的生产力的提升的工具 [54:49] 之前人类有很多没有解决的问题 [54:52] 比如说生物医疗方面 [54:53] 还有就是矿产那个 [54:55] 就是对地球的开发嘛 [54:56] 就是不知道大家对这个 [54:57] I类文明这个概念熟不熟悉 [54:59] I类文明就是指这个文明 [55:01] 已经能harness整个行星的能量 [55:04] 就是我觉得我们可能在十亿分之一 [55:07] 朝那个I类文明的路上 [55:09] 那我们可以做的事情还有很多 [55:11] 所以我对那个是总体比较乐观 [55:14] 就像那个人类可能在 [55:16] 多少年前没有想到 [55:18] 当我们解放了一个生产力的时候 [55:19] 我们就可以有这么大的可能性 [55:22] 所以那是我的乐观 [55:23] 但是可能稍微有一些不乐观的 [55:25] 会来自于对这个财富的分配吧 [55:28] 但我觉得对财富的分配是非常 [55:30] 取决于人和AI的智能是不是互补 [55:33] 如果在人和AI智能不是互补 [55:35] 就说AI可以完全取代人类的情况下 [55:38] 那确实会有一个非常大的财富分配问题 [55:40] 因为大部分人会被少部分 [55:42] 掌握AI的人认为是没有价值的 [55:44] 那当然这个财富就 [55:45] 不会分配给我们大家 [55:47] 但是如果是在一个情况下 [55:49] 不管AI再聪明 [55:50] 它还是需要一个人 [55:52] 哪怕是我们觉得比较愚蠢的人 [55:54] 它都能提供一个AI达不到的一个智能 [55:56] 一个互补的智能 [55:57] 那我觉得社会的分配形态也会继续延续 [56:02] 这是我的跟技术毫无关系的一个思考吧 [56:05] 我觉得我partially agree [56:06] 这个partially agree是 [56:08] 我觉得人确实是不可替代的 [56:09] 然后AI再怎么训练呢 [56:10] 它和人都是有区别的 [56:12] 但问题是 [56:13] 我们在教育的过程中 [56:15] 过度强调了那些 [56:16] 可以被AI取代的东西 [56:18] 反而人的真正的独特的 [56:19] 东西是没有强调的 [56:21] 我很看好下一代人 [56:23] 他们真的在一个AI native的世界里边 [56:25] 他们会反过来强调人性独特的东西 [56:28] 不管是你的craft呀 [56:29] 还是你的兴趣呀 [56:30] 还是你的passion [56:31] 或者等等mastery [56:32] 但是现在我们 [56:34] 因为在工业革命之后把人 [56:36] 尽量的打造成一个标准件 [56:37] 然后这个标准件的东西 [56:38] 是最容易被AI取代的 [56:40] 是的这确实是一个concern [56:42] 我觉得可能这个中间的 [56:43] 转型期会是比较艰难的 [56:46] 其实我也是个非常喜欢历史的人 [56:48] 可能也是有些过度依赖于历史 [56:51] 这个确实发生过很多次嘛 [56:52] 当时工业革命的时候已经发生 [56:54] 甚至在工业革命之前 [56:56] 也发生过很多很多次 [56:57] 纺织技术出来的时候 [56:59] 90%还是80%的英国的 [57:02] 那个青年都是失业 [57:03] 就那一整代的青年人都失业了 [57:05] 应该是维多利亚女王时期还是什么的 [57:07] 就所以对那一代人来说 [57:09] 他是非常艰难 [57:10] 但是对于整个国家以及整个社会 [57:11] 大家也找到新的出路对吧 [57:13] 然后他可以开始钻研科学等等 [57:16] transition是痛苦的 [57:17] 但是必会被历史遗忘其实 [57:19] 对但这个对于历史来说 [57:20] 这都是一个小的blink那个小点 [57:23] 对于每个人来说 [57:24] 那5年其实都是对人生 [57:25] 一个很重要的决定点 [57:27] 所以我非常能感受到 [57:28] 不管是做AI创业者 [57:30] 以及做其他行业的 [57:31] 大家肯定都有一部分焦虑在身上的 [57:33] 我在你身上感觉是没什么焦虑的 [57:36] 因为只要跑在这个前面就可以了 [57:38] 这个就适应吧 [57:40] 我觉得就是只要你觉得你能适应 [57:42] 其实就还好 [57:44] 我们还有一点时间 [57:45] 你想有没有什么 [57:46] 你觉得我应该问的问题 [57:47] 或者说你想跟观众们交流的东西 [57:50] 就展望一下 [57:51] 先不说远的吧 [57:52] 远的吧当然是总体非常乐观 [57:54] 以及会担忧一些AI监管 [57:56] 或者财富分配 [57:57] 那可能从近一点来说 [57:58] 我觉得现在有一些 [58:00] 比较好的创业机会 [58:01] 集中在三个方面吧 [58:03] 来 please [58:04] 第一个方面其实是ToC做回ToC [58:07] B2B在之前 [58:09] 它是一个更好的business model [58:11] 因为你会觉得 [58:12] 虽然我卖给一个企业不太容易 [58:15] 但是我卖给企业之后 [58:16] 一般来说你签的至少是1年的contract [58:19] 然后很多时候你给他一点discount [58:20] 你可以签个两三年 [58:22] 然后即使我只签一年了 [58:23] 他的那个粘性也比较高 [58:24] 因为他的那个switching cost是比较高的 [58:27] 但现在的话 [58:28] 你其实B2B [58:29] 你的sales cycle(销售周期)还是很高 [58:31] 对其实大家不要想到 [58:32] 就是现在B2B有了AI [58:33] 它会加速 [58:34] 其实有了AI [58:35] 就它采购并没有加速 [58:36] 相反它采购会变得更慢 [58:38] 因为大家的采购现在非常犹豫 [58:40] 以前就说 [58:41] 对我就是应该买个tool [58:42] 现在采购非常犹豫 [58:43] 它会反复衡量 [58:44] 就是我买tool [58:45] 我要买AI usage [58:46] 我要买多少 [58:47] 其实是个很漫长的过程 [58:49] 然后但你经过了漫长的过程之后 [58:50] 然后采购了 [58:51] 发现3个月之后 [58:52] 很快他们就想着如何解除这个contract [58:55] 所以我觉得我非常建议 [58:57] 我之前碰到美国或者其他国家 [59:00] 也有一些印度的朋友嘛 [59:01] 然后他们会问就是创业的建议 [59:03] 我会说你看一下就是Toc [59:06] 做一些APP等等 [59:07] 你说的是ToB变差了 [59:09] 但是ToC有变好吗 [59:10] ToC有变好 [59:11] ToC变好的原因在于 [59:13] 就是你的ROI变好了 [59:15] 因为以前做一个ToC比如做一个APP [59:17] 就我之前做APP的话 [59:19] 还是挺麻烦的 [59:20] 其实现在很多人 [59:21] 他一个月可以做好多个APP [59:23] 那这里边他的ROI的这个investment [59:26] 变少了对吧 [59:27] 但是它supply也变多了呀 [59:29] 市场上的应用多了100倍 [59:31] 那这个时候会不会 [59:32] 大家的attension又是有限的 [59:34] 或者说每个人手机上会 [59:35] 愿意下载的APP是有限的 [59:36] 对我觉得看你做什么类的APP [59:38] 如果你的APP是那种 [59:39] again零和游戏的APP [59:41] 就说你要不看TikTok [59:42] 要不看我 [59:43] 那这个肯定会竞争更激烈 [59:45] 但如果你的APP是处于 [59:46] 一个就是增长这个饼 [59:48] 就说之前大家做不到的事 [59:50] 就像当时iPhone出来的时候 [59:52] 比如说Uber [59:53] Airbnb同期的这些APP [59:54] 就是它有很多之前大家想做这个APP [59:57] 但是就会花好多时间 [59:58] 然后做不到的事情 [59:59] 甚至它一个APP自带一些AI功能 [60:01] 就是以前根本不太可能的APP [60:03] 现在的这个饼它其实是在增长 [60:05] 如果你能帮大家解决一个实际的问题 [60:07] 也不需要说担心 [60:09] 我跟TikTok抢时间这种 [60:10] 然后呢另外一个为什么ROI变好了 [60:13] 它的return变好 [60:13] 是因为大家的付费意愿 [60:15] 其实现在是增强了的 [60:16] 因为之前可能是因为 [60:18] Toc用户他对APP总有一个 [60:20] 那个时代很多APP是free的那种 [60:22] ADS powered economy [60:24] 他做习惯了 [60:25] 他被Google给补贴习惯了之后 [60:27] 他会觉得这个APP就应该免费 [60:29] Google map就是应该免费 [60:31] doc就应该免费 [60:32] 什么都应该免费 [60:33] 但现在就是没有人 [60:34] 能够继续这种补贴了 [60:36] 因为AI时代没有谁 [60:37] 愿意这样补贴的话 [60:38] 你来对它AI的usage做一个收费 [60:41] 其实大家是愿意付费的 [60:43] 我从很多数据看到C端用户的 [60:45] 付费的意愿是在提高的 [60:47] 这是一个方向 [60:48] 第二个方向当然就是硬件 [60:51] 特别是国内的创业者 [60:52] 国内非常强的优势就是硬件优势 [60:55] 这个我觉得美国 [60:55] 很多年都可能赶超不了的 [60:57] 甚至我知道很多在美国 [60:59] 创业的各个国家的人吧 [61:01] 他做硬件 [61:01] 他只要做硬件相关的 [61:03] 我以前有个朋友 [61:04] 他是卖美国这边heating system [61:05] 他们自创的一个那个AC的那种 [61:08] 他基本上每个月都要飞一次中国 [61:10] 就在这样的情况下 [61:11] 他们也是感受到了 [61:13] 很多他们的supply chain [61:14] 没办法处理得很好的这种 [61:17] 然后我觉得国内的很多 [61:18] 创业者可能有这方面的先天优势 [61:20] 可以考虑一下硬件和 [61:21] 软件结合的这个方面 [61:23] 我觉得像Plaud [61:25] 就是一个非常好的例子 [61:26] 然后也软件结合很好 [61:28] 第三点当然就是 [61:30] 回到了第一原则思考 [61:32] 就是compute [61:33] 芯片存储以及就是 [61:35] 再往高一点的那个 [61:36] 集成他们一起就形成那个算力 [61:39] 这会是可能接下来 [61:41] 这一两年非常火的 [61:42] 就包括我看到YC的新的那个batch [61:45] 也有很多startup [61:46] 因为YC它的batch它其实是 [61:48] 非常结合当时的热点的 [61:50] 就是新的那个batch [61:52] 他们的热点就是在 [61:53] 我帮你host你的model [61:55] 我帮enterprise self host这个model [61:57] 然后我帮你找算力 [61:59] 不管是跑agent的算力还是跑 [62:02] model的算力 [62:03] 因为算力现在都很紧缺 [62:04] 就举一个数据 [62:05] 就在湾区 [62:06] 现在所有的MacBook Air [62:08] 基本上你去任何一个苹果店 [62:10] Best Buy什么computer store [62:12] 都是越高的配置的 [62:13] 它都是脱销 [62:14] 都是非常back order的 [62:16] 就现在算力是非常稀缺的 [62:18] 有算力的人他可能会先得一步 [62:21] 然后这中间有很多套利的一些机会 [62:24] 因为它没有完全说变成像电力 [62:26] 这种一家独大国有这种 [62:28] 它虽然也得是一个很大的那个 [62:31] 云厂家你才能来做这种算力 [62:33] 但是其中一些小的机会 [62:35] 在这么大的一个市场它也是有的 [62:37] 我昨天跟一个朋友聊 [62:38] 他是想下一个创业 [62:40] 我跟他说就是黄仁勋 [62:41] 的那个five layers cake嘛 [62:43] 在算力和model之间 [62:45] 还有一层芯片的优化 [62:47] 然后这个是一个纯software的layer [62:49] 这件事其实之前是CUDA一统天下嘛 [62:52] 但其实是在AI之后 [62:54] 我觉得还是有更多的机会的 [62:55] 这个其实也是一个 [62:56] 除了把算力集成算力hosting [62:59] 然后算力的serving对吧 [63:00] 这个是一个 [63:01] 但是其中的就是从一个芯片 [63:04] 到它产生token之间的优化 [63:06] 我觉得也是一个很大的机会 [63:07] 另外一个我不知道 [63:09] 就是B2B不是一个好的 [63:10] 但是服务你觉得是好的东西吗 [63:12] 或者说是一个值得的方向嘛 [63:14] 类似于FDE的这样的服务吧 [63:16] 或者说是一个technical consulting [63:17] 但是现在是一个更加 [63:19] 帮助你落地一些AI的ability [63:21] 看个人的接受程度 [63:22] 可能还跟那个ToC一样的吧 [63:24] 你可能得必须随时adapt [63:27] 可能每个月这个市场的需求会不一样 [63:29] 这个月帮大家adapt to AI [63:31] 你的那个热点在于 [63:32] 如何帮大家节省cost [63:33] 可能下个月大家又有不一样的热点 [63:36] 我想的那个服务 [63:37] 就是你去用AI去直接收一个公司 [63:39] 然后去使用 [63:40] I see [63:41] 我想到为什么是这有这么一个东西 [63:43] 这个东西在美国卖60美元还是多少 [63:46] 就是被几个公司垄断了 [63:48] 就是我order [63:48] 到拿到可能要一个月 [63:50] 很贵而且它中间还养了好几层的人 [63:52] 就能很明显感觉到他们是一个 [63:54] 什么十几年前build的一个系统 [63:56] 然后我在那用网站下单 [63:57] 然后他给我放到另外一个公司 [63:58] 然后另外一个公司又给我发了一个邮件 [64:00] 然后确定了以后 [64:01] 然后再要去ship [64:03] 对对对 [64:04] 我觉得这是刚才没说到的一个 [64:06] 就是传统行业也有蛮多的机会 [64:08] 比如像建筑 [64:09] 我知道身边蛮多做建筑的 [64:11] 非常好的revenue [64:12] 因为就是相当于AI对他们来说纯是enable [64:15] 而且就是在Anthropic的那个产品 [64:18] 设计模式和那个建筑工地 [64:21] 他们使用的具体场景之间 [64:23] 还是有一个特别大的鸿沟的 [64:25] 所以我觉得这些都是机会 [64:27] 填沟填缝 [64:28] 然后就可能很多机会 [64:29] 嗯好的 [64:30] 很棒 [64:30] 我们现在时间差不多约到你的5点 [64:33] 还有没有什么要跟 [64:34] 我们的观众聊的东西 [64:36] 觉得我今天在Superlinear上面看到 [64:39] 好多大家发布的一些产品 [64:41] 我觉得社区里面大家都很厉害 [64:44] 希望和大家一起在这个 [64:46] 怎么说AI的淘金浪潮里面 [64:49] 淘到自己的一桶金吧 [64:50] 然后如果大家就是 [64:52] 想要AI产品迭代 [64:55] 以及做一些日常的 [64:57] 业务的一些工作流 [64:59] 不是最满意的话 [65:00] 也欢迎大家试下Orca [65:02] 因为我们就是每天 [65:03] 都有一个新的feature发布 [65:04] 希望能让大家永远都 [65:06] 保持最快的速度迭代 [65:08] 嗯嗯肯定的 [65:09] 我尽早的把咱们的访谈发到Superlinear里边 [65:12] 然后多去鼓励大家 [65:13] 去使用你们的产品 [65:15] 在里边确实也都是 [65:16] 使用AI算是在中文世界里边 [65:19] 比较先进的一群人了 [65:20] 2万多个人 [65:20] 然后里面可能现在 [65:21] 七八百个不同的项目了 [65:23] 相信大家会非常喜欢你的产品的 [65:25] 好 [65:25] 好的感谢感谢 [65:27] 好谢谢 [65:28] 谢谢立正拜拜