Treg放弃零人公司转向Coding Agent数据层 创收超原项目数倍

Treg放弃零人公司转向Coding Agent数据层 创收超原项目数倍 大模型快速吞噬应用层并证伪纯全自动增长假设，创业团队唯有放弃自建框架并寄生于Claude Code与Codex生态、充当低成本数据与工具路由中间层才能建立真实壁垒。 Treg 团队在 9 个月内先后经历了 SuperDesign（开源设计 Agent 插件）、Coolit（全自动增长 Agent）再到 Treg（面向 Agent 的数据与工具 API 市场）的三次密集 Pivot。他们亲身证伪了短期内“0 人公司”完全依赖 AI 实现商业闭环的幻觉，指出营销增长极度依赖人类品味与非共识判断，纯自动化无法交付真实商业结果。随后团队转变策略，不再自造 Agent 框架，而是寄生于 Claude Code 和 Codex 生态，将此前积累的数据与工具层独立为类似“Costco”的中立 API 聚合市场，并借力 Agent 反向打分建立数据飞轮。对谈还深入探讨了多 Session 并发管理、Loop Engineering 工程法则，以及在程序员单项编程技能被 AI 迅速超越后，工程师如何拥抱跨领域能力与 Fail Fast 创业心态。 Treg 团队在 9 个月内经历三次转型，从垂直设计 Agent（SuperDesign）到全自动增长 Agent（Coolit），最终转向为 Agent 提供数据与 API 市场的 Treg，定位为“数据与工具领域的 OpenRouter”。 (0:00) 团队实测推翻了“0 人公司”在 6 到 12 个月内可行的假设，发现客服与 Bug 修复易于全自动化，但 GTM 和获客营销极度依赖人类品味与试错，全自动 Agent 无法稳定交付真实商业增长。 (6:59) 寄生于 Codex 插件市场的机制意外成为增长拐点，团队通过将 CLI 封装为 Skill 并在命名上微调抢占前排，零宣发获取了高留存的初始开发者用户群。 (14:42) 围绕 Claude Code 和 Codex 生态正在涌现批次级工具，包括 Agent 专用浏览器 Ego、视频中间状态编辑插件 ChatCut 以及灵动岛任务提示工具 Vibe Island 和多 Session 管理平台 Orca。 (25:43) 面对 AGI 演进与单点编程技能的贬值，团队认为应用层的核心壁垒在于成本与效率：即使面对万能模型，利用聚合数据路由降低 Token 消耗与数据获取成本依然具有长期的商业生命力。 (50:28)

Treg 创始人 Jason Zhou 与创始工程师石天鑫指出，应用层创业切忌重复造轮子或押注短期内实现“0人公司”，随着技术向 Claude Code 和 Codex 等头部编程 Agent 收敛，创业者的核心生存空间在于为其提供高性价比的专业数据与工具连接层。 模型吞噬与0人公司幻觉的破灭 (4:59) 团队早期的开源设计插件 SuperDesign 虽斩获 6000 多个 GitHub Star，但随着 Google Gemini 1.5 等大模型及通用 Agent 迅速补齐前端生成能力，垂直设计产品的增量价值遭到严重稀释。随后海外涌现出以 Posia 为代表的“AI Employee”热潮，宣称数月内接管公司运营，吸引团队转向开发全自动增长产品 Coolit 并拿下预售订单。 然而实际业务交付迅速证伪了这一路径。Jason 与石天鑫分析指出，全自动化 Agent 无法交付稳定的商业增长：一方面，营销没有标准银弹，套路一旦被大量 Agent 泛滥使用便会失效；另一方面，寻找具备爆发潜力的非共识关键词高度依赖人类品味（Human Taste），短期内“0人公司”并不成立，人机深度协同才是可行的实际路径。 寄生平台生态与解构不可替代层 (14:42) 在暂停盲目开发后，团队利用内部自动化脚本重新运营 SuperDesign，石天鑫顺势将 CLI 工具封装为 Skill 提交至 OpenAI 的 Codex 插件市场。在几乎零宣发的情况下，由于早期市场按字母排序等红利以及平台原生用户池支撑，插件实现了陡峭增长与极低流失率，印证了类似早期 eBay 或 Facebook 平台的生态依附价值。 这一转机促使团队重新盘点资产：市面上的 Agent 运行框架（Harness）门槛极低，但在执行出海获客（GTM）等真实任务时，跨平台调用 Apollo、RocketReach 等碎片化数据源是普遍刚需。团队果断剥离自用的中转连接层，推出名为 Treg 的“数据与工具版 OpenRouter”，采用按用量计费模式，上线三周收入已达前代产品的数倍。 以 Agent 为真实用户的数据飞轮与定位 (23:39) 面对基础模型未来是否会自带工具或跳过中间商的质疑，两位创始人强调，企业实时商业数据碎片化且具有防爬机制，不存在单一垄断者。Treg 将自身定位为数据工具界的“Costco”，不仅提供单点 Key 聚合路由，更针对 Agent 这一核心调用主体构建了反向评估飞轮。 系统在日常调用中引导 Agent 反馈脱敏结构化评分，明确具体起效字段或失效端点，从而生成横跨“有用度”与“性价比”的动态评估看板。借助这一闭环，高要求任务可路由至高精度高成本端点，而追求规模的任务则分发至高性价比长尾模型，形成基座大厂难以覆盖的成本与体验壁垒。 Coding Agent 周边生态与短链工程实践 (25:38) 当前各工种底层生产力工具正在向 Claude Code 和 Codex 集中收敛，周边涌现出如面向 Agent 的专用浏览器 Ego、引入可视化中间状态编辑器的剪辑工具 ChatCut、MacBook 灵动岛通知工具 Vibe Island 以及多 session 管理平台 Orca。石天鑫特别指出，由于大厂竞相补贴，终端用户支付约 200 美元月费即可消耗数千美元底层的 Token，形成了罕见的平台套利窗口期。 在工程实践层面，团队全面放弃自研框架，将日常任务切分为专注于局部监控或代码规范的短小 Loop，实现高容错自治运转；同时借助 Grok 的云端沙盒秒级验证分支，并引入超高速直觉模型实现高并发数据清洗与毫秒级路由调度。 面对程序员单点代码技能在 AI 面前贬值的现实，两位创始人认为走出舒适圈、整合产品直觉与跨领域工程能力是转型关键；即使通用人工智能（AGI）最终到来，能够以极低成本高效连接现实物理世界数据的工具与工作流，依然具备长期的商业壁垒。

[45:08] 石天鑫: 事实来说对于程序员来说你再也写不过 AI 了，你在这个技能点上你就是比不过了。 [45:08] 石天鑫: 即使是有一个万能的模型，假设它存在的话，它也需要有它自己的工具，它也需要找到它需要的数据。 [2:18] Jason: 开源在 AI 产品赛道是一个非常重要的 marketing 工具

[0:00] Hi 我是Koji本周十字路口的嘉宾是Jason和石天心Jason是Trigg这个公司的创始人石天心是他们的founding engineerTrigg是在Cloudcode和Codex的工具的open router你好二位 欢迎来到十字路口Hello 大家好HelloJason他们的创业有9个多月的时间了这中间转行了3-4次就表面看是非常频繁的找不到方向但是背后我觉得其实他们和绝大多数今天这个时代的AI应用的创业者一样都在尝试去回答同一个问题就当技术的模型越来越强AI应用公司究竟应该怎么创造一个独立的差异化的价值所以我们今天的话题就会从这里展开那在此之前我们还是先来快安快的Jason和天心请问二位你们的年龄我是93年的现在33岁我94在这NBTI和星座呢我是INTJ然后是很爱的那种INTJ是处女座我是INTP可能比Jason再爱一点然后白羊座你们的求学经历是什么我原来本科是在重庆大学读的热能与动力工程然后毕业以后去澳洲读了他这边的交互设计我是在成都的电子科技大学毕业Jason来一句话介绍一下Trick是什么?Trick我们是相当于Open Router for Data and Tooling你可以把我们想象成给Agent用的最大的一个数据和API的市场这相当于如果你用Cloud Code的Codex或者搭计Agent的时候你不需要去一个一个的去买购买订阅只需要用我们的一个key你就可以access任何想要的数据或者工具二位在创业之前都做过什么我是之前在澳洲有一家startup叫做relevance AI可能三年多前我们就在做比如说全自动的自动销售啊SDR啊之类的我是在那边带他们的产品跟AI团队吧然后是从去年年底出来创业我大学学的是签误系统然后当时在苹果中国短暂的做过半年多的测试工程师实习然后当时我发现可能还是互联网更有意思然后慢慢陆续的在阿里啊自杰呆了10年刚才我们一开始就提到哈其实咱们在check之前这段创业虽然不到一年的时间但转型了非常多次可不可以讲一讲就是从一开始到现在就是这几次转型分别都是在做什么样的事情以及因为什么原因转型可以啊那个就我们一开始是做一个产品叫Super Design相当于一个设计Agent可以帮你去搭建比如你的很好的前端设计海报设计等等然后最中间转型了一次是今年可能四到六月我们做了一个叫Coolit的产品是一个全自动的增长Agent相当于你把你的Binness告诉我们我们就自动帮你去做SEO发射煤等等就让你去自动化获客学的教训导致我们最近做了一个叫Track的工具是差不多这三次Pivot吧应该所以学了的教训是什么?我们虽然转型了挺多次,但每次还是学到了不少东西。一开始我们是做的那产品叫Super Design,相当于是个Design Agent。一开始可能也是我们一个Weekend Project,因为那时候我在自己在做油管频道的时候,我会发现我们做UI design相关的视频内容它的流量会巨大这边有大量的人想要去了解这方面的内容所以我们那时候是去做了一个相当于IDE的插件你如果用cursor就cursor那时候可能才是最火的coding agent那个就是有多久远了就你用cursor的话可以直接跟他说我要设计这个东西他直接给你出来三四版不同的版本这样的话你可以去做一个选择然后我们就发了一个开源的这个项目跟他好想做到了6000多Github Star哇这非常好的数字是并且完全是organic的这也是可能我学到的有一点比较重要就是开源在AI产品赛道是一个非常重要的marketing工具因为有了traction决定辞职出来的创业创业第一件事情就是没有再继续走看远这个路为什么呢因为那时候尤其是ID插件这个形式没怎么看到就你比较好的一个商业化的路径然后但还有最重要一点就是去年的时候,我们觉得如果是插件的形态,那也就意味着用户你必须前提是你用Cursor Cloud Code。和codex然后我们那时候觉得是个问题我们想要更多人用那做网页版可能是个更好的路径你就直接去一个网页然后就可以开始设计了但没想到后面一年的变化是大家全都涌入了Codex跟Cloud Code OK所以当时是怎么决定就不要继续做Super Design了是和前面说大家看 [5:00] 用Cloud Code Codex有关吗有一定关联但最主要的关联可能是一方面模型本身它的前端能力越来越强就从Geminar 3开始所有的大厂都开始卷钱单能力所以这又是一个模型吞食料应用的故事是是你很难预测对吧因为之前纯粹就是因为GEMI3出来以后然后倒逼了那个OpenAI还有Antroffic开始把那个前端那边给补足所以我们我们也在思考就是模型越来越强的情况下我们的增益到底在哪里这是一点然后第二点确实跟Cloud Code跟Codex有关就是Cloud Codex它是个General Agent但是它的基础能力变得越来越强并且它的Skill生态也发展得非常好导致有很多人他可能用Cloud Code再加上一些比较火的前端设计the skill也可以出来比较好的效果所以那时候还是就今年早期还是很焦虑吧在想我们发展的前景和场景到底是该怎么样所以也是在那个时候碰巧龙虾火到爆炸大家都在用然后包括我觉得今年2月到6月是很魔幻的时间我相信Koji你可能遇到比我的创业者还要多就大量的优秀的各种创业者都在那段时间进行了配备在我看的而且全都配备到AI employee 这个赛道因为都是用了open cloud然后觉得 future is coming大家后面肯定是这么运营的所以其实每个创业者的经历都差不多为什么到6月又停了你说2到6月是一个魔幻的时间我的体感也是最近大家就不聊这个了然后你们其实也亲自参与了浪潮为什么到6月份就停掉了选了几个月以后发现这是比想象的要难这个是我觉得主要的核心原因因为我们也是像你说在这个过程中参与了,然后我们做那产品叫coolit,然后做酷略主要原因是那时候其实一开始还没有想要做AI employee这样的产品直到我是二月多看到了一个产品叫做Posea我看的时候他们的AR可能也就十几万美金 但是它的体验让我大为震撼大为震撼 我上一次有那种感觉应该是第一次用cursor 他帮我可以scarfle整个project但是Porsia如果观众不知道这个产品的话 它是相当于AI帮你运营你的整个公司 它的愿景很大 然后它的体验做到非常的极致我记得我第一次用的时候我就sign up我也没有给他任何信息他就看到我Jason到周邮箱然后知道我到底在干嘛然后马上就给我创造了可能两三个不同的创业idee然后我选择一个以后他马上就给我Landing Page 搭建好了他给你选了什么创业idea我还真不记得了因为当时你推荐我之后也去用了然后他也是取了我的邮箱之后就去用邮箱的地址这么一点点线索就去网上搜我是谁我有什么背景然后推荐我可以做一个什么样的邻人公司然后他推荐的就是我去做一个给其他播客主用的播客工具一个AI播客后台然后我说这个不错我说你帮我做然后就确实当时就很快充值让他去帮我做了对对对我记得那天啊隔了两天问你充了多少钱你说又给他充了几百刀开了什么God mode是吧对God mode那个上帝模式对我还挺好奇我不知道后面有没有你继续跟进啊后面没有反正没有帮我赚到钱只帮我花了钱我那时候也是类似然后他还帮我做好网站然后还帮我去找客户code email关键那个email他竟然还有人回了那时候我觉得是很震撼感觉确实可以work但是它的产品形态你用过的人也会知道看上去非常的doggy你不像是一个给真正你有业务的公司用的东西并且你真的有业务他也不允许你也很难去把你的内部的系统去product analytics你的Ad那些系统给接进去所以我们那时候是不如去做个Agent类似Postia但是是针对真正有binas就已经有一个方斗但是想scale他我们是想做这么个Agent吧然后这个后面我们去做了Cooler以后我才发现是Posea他最聪明的一点为什么他能够在几个月内干到十几个PR的原因,他说起来好像卖你一个就是vision可以AI掌管你所有的链路整个公司但它其实真正递交结果的只有帮你setup就那部分他是做的特别好从零到一帮你把网站和工具建起来是他把从零到一那个做到就是真的丝滑到爆炸但是你真的用了以后你就像Koge你说的他没法给你递交结果没法帮你赚钱但是他就前面那部分做到极致的撕滑这个是我们真的去做 [10:00] 以后才发现的吧就是呃因为后面你一旦真正进入业务线了你就不是简单是setup business你要去递交结果那递交结果这事情就非常非常的所以Cruelette当时做的就是要进到一个已有业务的公司去帮他们做全自动化的零人的增长团队是所以做的怎么样的这个事情那时候我们做的就相当于是我们把第一个客户想象成我们上一家公司Super Design就像我们那时候上一家公司需要什么货客的话那SEO是需要对吧然后可能也需要content marketing就是那个社媒然后也需要AdsAds感觉非常make sense你不是只需要看一下Ads数据你自动这个budget增加一些那个budget减少一些这感觉logically非常make sense把那个也加了然后还有找客户就这些工作就我们只能想到货客相关的都给去做了吧然后那时候也launch了launch完以后其实还有挺多用户想要付费的因为我们那时候产品其实还没有ready就直接放了个付费墙你需要preorder这个agent还是有不少人去preorder付费的但是遇到的问题就是你真的要递交结果我们发现太难了是为什么如果该做的事情都做了CEO他本来好像背后也没有太多魔法对吧我觉得是两个点首先数据他都不一定能够拿得很精准因为工具市场它其实也是很分散的一个地方Marketing它没有一个serable bullet你只要沿着这个做就可以但你会发现真正有用的都是因为你做了很多尝试然后你发现这个是没有那么多人做但并且比较适合我们然后你就在这边不断加码但是当每个人都在做这件事情的时候这个渠道好像又没有那么有效了所以在这种动态变化的过程里面其实是很需要human taste的的部分所以可以举一个具体的例子吗我给你举个例子就是我们让agent去做seo大概的给他的工作流就是你要去拿所有的跟我们相关的keywords看哪些keywords的流量比较好然后没有那么competitive然后你去下厨但实际上我们去做会发现大部分keywords早就已经被抢得差不多了你真正有机会的是说有哪些keyword它流量其实不高但是你判断后面一个月或者三个月以后会比较火会有比较大的流量这部分我觉得是就是一个例子吧很难去用agent完全去自己去做这个东西所以那之后就没有做Curlite但从Curlite到Track又是怎么转型过来的?Curlite可能做了一个多月然后我们onboard一些用户反正就发现很难递交结果那时候就觉得我们是不是之前卖的步子卖太大了因为我们还没有验证就是这个灵人公司到底是不是未来好像就因为当初尝试了OpenCloud还有pose 假设这一定是未来一定六个月之内模型会足够强所以我们那小小想干脆就不如take a break,我们不要把做产品开发但是我们回去用AI的方式去运营Super Design因为我们上一家那个Super Design这个公司虽然我们可能有几个月没管它但是它还是有Organic Traffic进来然后也有一个感觉优化空间很大的一个conversion funnel是那种我觉得我们如果放在比如acquired.com有人会买了然后会去scale的一个生意那我如果我们能够用AI来验证真的可以全自动化运营并且增长我们一定会第一了解这个playbook到底是什么然后如果不work我们也非常清晰知道这个不是一个好的路径我们应该去做些别的东西所以当时的验证结果怎么样有两个月时间就不断搭建各种loop学到有几点一点是说全自动化的工作确实有一部分是可以做的 但是增长那边的相关的use case反而很少我们发现就是比如说support那边是确实可以全部自动化然后你bug fixing也是可以自动化但是你要做增长那边它非常难自动化因为也是一样的问题它需要人介入的taste的地方实在是太多了所以我们第一个结论那时候意识到就是说未来6到12个月邻人公司它一定不是一个可能的场景更需要解决的问题可能是你在人和agent大量协作的场景下去做这个事情第二个我觉得非常重要的结论就是一定要围绕着Cloud Code和Codex这个生态去做产品这怎么得到的这个结论这中间其实也是我们在做很多各种growth experiments有很多试的感觉都没什么鸟用真正改变增长曲线的是天心他有一天去launch的一个codex plugin,一旦上线我们的增长曲线突然间就变了,有一大量的海量的用户涌入。这么神奇,当时是怎么得到 [15:00] 这些用户关注的你们现在什么渠道宣发的没有做任何宣发对没有宣发那我来分享一下这块我觉得还是一个挺有趣的故事就是在Codex刚发布了Walk和以及Codex的Plugin Marketplace的时候并没有太多有意思的插件出来然后那个时候我觉得Super Design占了一个比较好的时机我们在那个时候几乎没有做什么就是把我们原先的CRI加Skill发布到了它的市场里面然后让用户能装因为那是个很早期的市场且可能XGBT和Codex本身已经有一个比较巨大的用户看到你的插件然后你的插件有一些吸引力的话它就会去使用并且做转化然后还有一个早期的点就是一个很小的事情就是我观察到当时的插件市场它的排序居然是按照字母的顺序去排的我们只是把我们的名字从Super Design改成了叫01 Super Design你就排到了第一个确实也没排几天但是他们很快就改了一些策略去按他们的一些逻辑去排了但是就是这么样的一个起步吧让我们有了一些自己的量可能对我们的一个启发就是早期的这一些工具和市场都是值得去尝试一下的因为你不知道某一个尝试就获得了流量这个故事现在是说用Curlac先去帮SuperDesign做增长然后在这个过程中然后发现我们做了一个SuperDesign的Codex插件然后它的增长非常好到这里了然后又怎么再往下到Track的我们做了插进以后发现增长非常好然后最主要的我们发现它的Churn也变低了就来自于这个Segment的用户然后我们后面发现就是说Codex和Cloud Code它的现在有海量的用户但是他的体验没有很好 所以把他们当做平台去帮他们的体验做争议可能是一个非常好的机会有点类似于当初比如说你说Facebook出来然后Zynga他们去在上面做那些游戏以及paypal在那个eBay上面做这个所以我们那时候其实有大概这个设想因为就是服务于Cloud Code Codex 生态去做东西会很有意思然后我们后面回过来有什么东西可以去做然后我们看 Cooled 那时候我们做的一大堆东西啊可能最有价值或者可以迁移的其实是工具那一部分因为你说Harness每家有多少差别没什么差别都一样但是你要他去做真实的go to market的工作或者任何的professional工作他是需要大量的专业的数据的然后也需要大量的工具所以我们那时候其实内部是做了一层中转服务吧因为我们需要 Cooler 也需要给各种用户用我们的那个连接的这种数据吧所以那时候觉得那部分其实是很有价值的所以就决定去把这部分单独拿出来去给这些用户用然后我们发了以后确实反响感觉很好发了之后反响有多好我们也就发了三周左右具体的数字可能我们就不分享了但是它的revenue三周就已经是我们Super Design的revenue的好几倍咱们现在怎么收费因为他们用户用Track主要是需要去调用一些API核数据然后他就按usage来付费就我们没有任何月费的形式完全做到用量去付费所以现在付费最多的工具是什么样的场景的工具啊有几个大部分可能很集中在go to market上面因为有越来越多人他可能是用Codex跟Cloud Code在做他们原来在SaaS里面去做的这些Go to market工作最主要集中比如找客户像海外他要找B2B客户会需要那些比如买Apollo啊还有买那个Rocket Search等等一系列的不同的那个Bender但是你会发现在那个场景下原来每个数据提供商他只能提供你一部分数据在招人上并且每一个数据提供商他也会也有这个月费的形式就是导致你往往会选择一个但是我们一旦可以把所有的vendor都集中到一起以后他们可以根据他们的场景和行业用到最合适的一个end point去进行找客户那这些工具为什么愿意被你们整合呢?被你们整合其实意味着他自己的收入有可能会减少这其中其实很多垂直的领域它现在的有大量vendor它是没有一个比较好的接触到终端用户的方式的就比如说找人这边它原来的方式应该是比如你去clayClay他们背后的数据大部分也都不是他们自己的是背后有一大堆的数据提供商这些它本来的收费形式就是以API 然后用量去收费的Clay其实是很好的例子他们就是本身也是整合了这个一条数据然后去转卖那除了找人之外我们其他比较主要的场景是什么其他还有比如说SEO AEO相关的我们整合了基本上所有的那个可以找到的帮你去找那些SEO ranking啊还有AI visibility啊那些数据员然后还有 [20:00] 可能社媒UGC相关的去做深图深视频的那些endpoint也都整合在一起了可以把整一条链路都给完成其实Cloud Code Codex在没有接Track或者没有接你们背后这些工具的时候它也能做这些事情对吧那现在只是说你们接了这些工具或接了这些数据它变得更好但有没有可能慢慢的就是也不需要你们这一层了我觉得是可能分成两种一种是模型它可能本身的那个知识但其实你看具体的那个业务工作的话他需要的一些数据都实时的他可能并不是说你这个Cloud Code Outerbox他就知道这些事情第二点的话他当然也可以去用浏览器去做一些AS动画去拿一些数据但有很多数据他其实是拿不到的就比如说你要去找人上面不是你谷歌一搜他可以搜到的比如你要去做社媒他可能也很多事会把他这个这部分给关掉的我觉得很有意思就是首先现在有各种各样的Agent Harness然后每个人都会选择自己的然后我观察到很有意思的就是我的有一个朋友他用比如说KIMI的原因是因为KIMI接入了一个叫wind的就是万德的一个股票交易数据也说他其实这个数据对他本身是很重要的然后我觉得未来有可能就是各家的Aternet Harness会因为自己接入的数据或者说有独特性然后吸引到相关的用户我觉得是完全可能的而Track在做的其实也是个类似的事情就是提供一个中立的市场让各家Harness都可以享用到同样的工具这样比如说你即使想要从Cloud Code切到Codex你之前积累的所有的工具调用你自己的一些数据也都留在这里了然后这我们获得了一些跨平台的第二种功能如果这个成立的话为什么这个比如说价值最后是check的而不是这个直接就最后最强的这个数据供应商他自己直接会去对接这样的模型公司就你们在这中间可能好像是他们还没对接上的时候的一个阶段性的价值我们其实站在一个中立的点上我们最终达成的效果是想让我们的用户获得他最满意的数据用比较高性价比的价格我们更像一个costco的感觉就是我们去找到这个市场上最好的一些数据的提供商然后把它展示给用户这边可能最主要的一个区别就是呃coge你那边里面假设就是说这个行业它就有一个头部的提供商可以解决最好的方案但现实中我们会发现其实不是这样每个场景它都有几十个不同的提供商然后每个提供商它强的点都不太一样就比如说我们找人的场景企业它能找到合适的人是需要各种各样不同的信息比如说SEO AEO相关就是市面上的数据提供商有很多家然后它每家可能涵盖的数据平台也是不太一样的它的价格也不太一样我觉得可能有个比较有意思的点子就是那个Jayson最近也在宣发的这个关于我们UGC做视频的就是我理解现在其实视频的模型在不断的涌现出来比如说C-Dance比如说MiniMax的H3效果都很好然后但是普通大众想要体验到的话他去办包月的会员价格会比较高并且它可能是一个短期的一次性的一个需求但就是通过我们的这样的一个提供商然后我们接入了可能有上百种AIGC相关的模型吧然后并且我们把每一个模型擅长什么不擅长什么这样的skill放进来然后希望我们的用户可以用我们的平台配合上他自己比较强大的比如说Codex或者Cloud Code的Agent Harness去做出他想要的一些UGC的视频就Track因为我们积累了大量的用户数据然后这中间其实是会有一个数据飞轮在然后以此去推出更多服务然后天心他最近还做了很多关于让agent去给每个服务去做评分然后让我们积累大量很有意思的数据的机制我理解我们现在的很多产品的真正用户其实并不是一个人了而是这个人的agent所以他才对我们的产品有最实刻的真切的体感所以我们会有一些机制是在我们的系统随机挑选一些用户让这个agent给我们一些反馈然后我们的系统在日常中会不断的去看这些反馈有的如果是简单的bug它就会直接修掉然后如果是有趣的一些feature request我们就会收到然后并且把它考虑加进来然后所以呢Track本身也有一个这样的机制在然后这个数据费轮我觉得也是作为一个应用创业类的AI团队可能会去采取的一个方案就是既然我们没有办法训练我们自己的模型我们总要让一些数据去反补我们自己的产品Tag可能作为一个AI工具的市场我们其实是有一点像大众点评的意思我们可以在某些时间让我们的agent用户给我们的每一个API的调用去做一个评价比如说他觉得API返回的数据有用还是没有用如果有用的话是哪个字段觉得对它起到作用当然了是脱明的反馈 [25:00] 然后这样的数据我们沉淀下来之后我们自然的可以得到一个很有意思的图表就是在某一个领域每一个API endpoint它的得分是什么样的就是它在有用度这个得分上然后在性价比这个得分上有的是客观数据有的是agent的主观数据我们得到这样的一个信息然后我们可以把这样的数据加以加工然后展示给我们接下来其他的用户然后让他们的agent在使用的时候选择他最合适的一个工具比如说他可能需要的是数据精确性然后他就可以去挑最贵的然后最好的端点但如果他要的是一个广度而价格便宜的话他就可以去选择一个评分比较高然后性价比又比较高的一个模型所以这几次转型下来你们最大的感受是什么呀我们最大感受就是之前在做agent的时候你想要自己想要去涵盖的东西太多了就可能把harness也做了因为那时候你还不是很清晰我到底应该用比如cloud code SDK还是用自己去做然后往往你可能Infer那边也会去做一些甚至有人做自己的沙盒然后把memory那边可能也做了你做的每一层都有一个对应的公司在不断的优化和迭代我们最近的几次迭代会更多说我们要把一部分做得很好呃然后嵌入到Cloud Code和Codex的一个生态我那天还跟UAL的Founder聊近年之前好像各个工种人用的工具都不太一样你设计师有Figma然后你做marking可能用的是另外一种email sequencing的一个工具但是今年以后大家所有的工具都变成了Cloud Code and Codex所以它是一个比较大的一个平台月线还是有挺多享用空间的对其实说到这里我会想到另外两个类似的产品或创业公司一个是这个叫Ego它是一个浏览器但这个浏览器是最大的卖点就是用Codex Cloud Code去操作它做computer use的时候效率极高然后另外一个是ChatCut他们发的Codex的Plugin就你在Codex里面去解视频如果你不用ChatCut的插件你会一个prompt下去剪出来的就视频的成片你如果要改的话就是再把这个成片改成另外一个成片就没有任何中间状态但如果你装了chart cut的plugin他剪出来的会是一个你看得到编辑器的中间状态也就是你可以看到比如说一个视频被剪成了三个音轨或十个片段你可以在那上面去稍微做一些拖拽来去做人工的微调用的就是我们做Super Design Plugin 时候就是参考了他我觉得他当时是就是接入体验还有使用体验最实话的一个但我觉得他是不是和Super Design有一个本质的不同就是比如说做了一个前端他毕竟是代码嘛我就出来的这个代码我可以再去改代码但是视频不是这样的视频是我出来一个视频我要去改他如果没有这个中间状态我改起来是非常困难的每改一次要等10分钟20分钟才能再渲染一个新视频出来也烧非常多token所以就很需要有一个中间状态去就是拖时间轴什么的 因为我是hyperframe的重度用户 然后我会发现你的中间状态 我不想我人去修改我还是让agent去修改了我人可以给些feedback然后他可以打包一起让agent去进行操作现在应该是这样的就真的人去改那个时间轴还是少的就还是说人在给A键说我要怎么改但原来可能A键就只能再重新去生成一篇视频现在A键就可以去操作Chart Card给的各种接口其实可以省很多时间可以我试一下Codex和Cloud Code虽然听上去在我们开发者眼里已经非常火了但我觉得让广大大众用上这样的A-Trent的工具可能是未来几年内会不断去发生的事情这个时候我们的小船一个很艰难的创业公司如果能在这样的浪潮下借助他们的一些力气然后获得一些增长我觉得是比较容易 之前在cuala的时候 我理解还有一个遇到了很大的问题就是模型的成本其实是非常高的 就是你想要一个用户长期的用零人公司的方式去运营的话他其实非常的好token然后这个时候如果作为一个创业公司一种比如说我们像AI模型公司去买token,然后卖给用户的方式去运营的话,其实这个压力是非常高的,而使用codex和cloud code这样的工具的用户他其实本身在享受着现在非常大的一个红利就是他可以用200刀的coding plan去获得一个比如说现在价值6000 7000刀的API token的使用然后这个红利我觉得作为用户和我们这些比较小型的创业公司都要想好怎么利用这样的一个机会还能想到什么例子吗服务这个生态的一些产品工具等等你会发现在今年是增长最快一个叫APIFI 还有一家叫Data for SEO就Data for SEO 它算是SEO数据的提供商之一 [30:00] 然后, Appify 它也是一个给API的一个marketplace你可以去上面去找一些长尾的爬虫的那些端口然后这些公司它都存在很长一段时间了但就今年它莫名其妙会有大量的增长另外一部分的话像在设计领域paper.design也是一个增长很快的paper有遇到和你们后来一样的问题吗就JAMM93之后大家的前段能力都提升了是不是paper在中间提供的价值就变弱了其实跟我们调整了以后是一样的对画布让你去可以对比不同的设计然后你可以手动的去微调等等在原有熟悉的工作流里面在codex里面这里天心有补充吗就在这个生态里面还有一些看到一些什么样的东西据我了解就是一个exa就是那个双位agent做搜索的一家公司他已经做得很大了应该已经到c轮了然后证明了为agent去做好一个搜索工具可能也是一个很大场景的一个事情吧然后比如像Composio或者Firecrew这些做工具类的网页抓取和帮用户做OOS授权以及工具的这些工具本身他们也获得了比较大的增长在最近有很多可能是我们传统看来算Infra的一些公司在就是Azian的时代它服务的不仅仅是2B的更多是就是2B加上一大堆这些就是Cloud Code 等 Codex 用户因为他Agent 他知道怎么去调用这些 API 今年之前吧他大部分用户都是针对开发者的但是现在他们的那个用量基本是可能接近50 50一半是开发者然后还有一半是就终端用户然后这终端用户他可能是原来的那种白领也不知道怎么去编程他只知道我接了firecord以后我的Cloud Code可能可以去抓网页抓得更高效一些然后他也不需要去管API怎么调用他只要接了以后他就开始用了就有一批一大堆这些Codec跟Cloud Code的重度用户吧还有一个诗叫 Vibe Island 它是因为大家现在在Cloud Code里面或Codex会跑很多县城然后有时候经常自己大脑就混乱了就到底哪个县城跑完了哪个县城在等着我要review有时候就是就是跟着脑子乱掉脑子糊掉了所以他做的事情就是把这个MacBook那个零动导给用起来每次有一个任务完成的时候他会把那个灵动岛稍微展开一点点然后并且还有一个很可爱的一个像素小人的形象也有一个声音然后让你在那个灵动岛去操作所以这是一个就是设计的非常漂亮的软件然后而且这个是我们在AI Hacker House做的一个周日黑客松其中有一次的冠军的产品然后他后来把它发布了在X上面应该还蛮火爆的应该卖了非常非常多份付费的工具我们俩都付费了是的然后另外一个也想到是其实Jason介绍给我的一位朋友叫金晶然后他做的这个产品是Orca然后他也是就是叫ADE就Agent的IDE简称ADE然后他是今天大家因为同时用Cloud Code的Codex甚至还有更多那他就是帮你同时管这些多个工具然后为什么有时候你要同时用两边因为你要耗两边的羊毛然后如果Codex的这个Cota用没了你可以平滑的把你没完成的任务做到一半的任务直接再转移到Cloud Code去做那我理解啊Orca这是他其中一个比较大的卖点那也有就是很多用户认为他的体验做的很丝滑界面做的很有审美然后这也是就是在这个生态里面去做事情的一个工具然后他现在也就8万的GitHub Star了也是增长的非常快因为他们的用户据我所知就已经不是让同时跑10个session了可能有些是同时跑50个100个session所以我觉得比较有意思的点可能是他们在看到这种用量的情况下能提供什么样新的人和agent的交互吧这可能是codex和cloud code他们的那个团队还没有在集中处理的一些场景刚才我们一开始就在聊说我们创业虽然不到一年但一直在转型然后杰森也说从2月份open cloud出来之后感觉所有的应用创业者就纷纷在未来4个月一直在转型所以这个感受是什么可能对我来说我们在创业一段时间我自己收益最大的倒是我们在没有在做产品用superdesign作为试验然后那两个月没有做任何开发就想我用AI去运营这公司未来会怎么样就那两月时间可能帮我梳理了一下对未来一些判断确信吧就是哪些到底是值得做哪些是不值得做的因为我觉得往往很多创业公司都是看到了一些别人还没有意识到的东西体验到了然后你觉得那一定是未来然后去把这个做产品化铺出来 [35:00] 所以那两个月你看到了未来有些可能会发生有些不会发生这个可以分别讲一下吗比较确定的两件事情就是6到12个月零人公司不成立我们需要做的场景是人和agent协同工作内藏你这是我们需要解决的然后第二件事情就是说Codex跟Cloud Code生态的我们做cool的时候像包括super的人是自己去搭了一套harness然后我们那两个月其实就是让我们团队不要有任何包袱就假设我是一个新的团队我会选择什么样市面上最好的工具然后那时候很本能的就是选了Cloud Code Codex然后用完以后体验要比原来自己做的agent好太多了然后在那个过程中包括我们发plugin那些让我们慢慢意识到了这个事情就是说这边这个生态是个巨大的机会这可能是意识到第二件事情吧就这两件事情我觉得就足以帮我们后面更坚信哪个东西更值得做哪个不值得做否则我们很我感觉很有可能我们还在抵代哭了然后确定在想是不是我们这个skill做的不够好我们这个prompt调的不太行或者说还是这个方向不太行因为在创业遇到太多不确定性的时候确实是很难操作然后那时候的pivot是非常痛苦的但是如果你有些相对的确定性的话我觉得会很难的好很多了其实我记得就在Posy那个时候包括你们就Crulett的时候有一个流行过一两个礼拜的词是loop engineering所以你们现在怎么看这个东西首先我很喜欢loop这个词我觉得它听上去就很有吸引力让一个事情能自动化的去完成但是如果我们把一个创业比作比如说分两块一部分是创新一部分去运营的话我觉得创新那一块显然是靠loop完成不了的否则我可能说你帮我造一个创业公司它就可能能造出来其实是达不到的但在运营这块我觉得其实路普还是有很多踏踏实实可以做的事情的我理解我们现在在运营一家公司可能是一个非常复杂的系统我之前很喜欢一本书叫系统之美在说如何我们去搭建一个这样的系统让它能够稳定的跑下去并且健壮的活下去这里面有很多的讲究在比如说你需要去搭建一些开环的反馈或者必反的反馈然后loop我觉得在agent这个领域就是一个很有效的工具因为在创业之前其实我也没有想到创业其实非常难比如说我没有想到有一天我会需要去处理大量的被黑客攻击这样的事情我们包括Super Design Track在内的这样的创业项目吧一旦他有了一个激励机制,比如说邀请新用户或者赠送一些credit这样的行为的话,就会有黑客不停的在攻击。如果你作为一个创业公司,比如说我们现在只有四个人的团队,你还要每天花精力去折腾这些事情的话,其实是非常痛苦的。但如果你有一个loop,比如说长期的在帮你的系统做一些监控去找有没有这样的风险行为,并且在一些小的漏洞他就直接去把它堵住的话其实我觉得他是能做的不错且稳定的这个时候其实会节省你的公司我的很多经历吧很多时候loop不能一开始建的太复杂反而是建一些比较短小精炼的路破会更加有用比如说一个路破它就只干监控DB然后找到安全风险这件事情然后比如说有的路口就只是去帮你做一些代码的整理就是他每一次的做的事情都比较小然后小到他不太容易出错然后另一个方面就是当你build了比如说十几个这样的小lob之后他们自然的形成了一个复杂的系统帮你的系统有了一定的健壮性比如说你的某一个loop发现了一个bug发上去了但是因为你又有线上监控的路口,他会去找到并且提示你,所以这些小的loop之间的配合我觉得才是让他们真正跑下去的一个比较好的方法最近两三个月你们和AI之间的配合工作的方式有发生什么变化吗最大的区别就是同时跑的Session比原来多的多吧尤其在Fable这些模型发了以后基本上会同时开五到十个不同的这些session因为他可以自己完成的质量已经很高了这可能是一点然后第二点就是原来我可能是纯本地的吧但是最近尤其像GrowkBot我觉得他做完以后就有了一个非常丝滑的那个Cloud加本地hybrid这么一个体验随时都可以交换context这个也是可能第二个我改变比较多的一个地方对我来说也首先很像,就是之前可能更多的是打开一个一个的Session,然后在里面跟不同的agent对话,但因为这样其实对于一个人来说,他的处理瓶颈也是有上限的然后呢就是我也看到比如说YouTube上有一个叫坤的自身工程师的一个分享就是他做了一个叫firstmate的一个工具意思就是你作为船长你只需要跟你的大副去布置任务然后他去跟你的别的coding session去聊然后我觉得挺有意思的 [40:00] 然后虽然我可能后来也没有直接用这样的项目但是这个思想我觉得我是学下来了然后比如说会用类似Hurther这样的工具,就是新一代的这种Terminal管理工具然后我让Agent之间互相去聊或者说我也有一个比较主要的Agent在做一个大副的工作然后他去转达一些任务去给我的Agent你们现在用的更多的是Cloud Code还是Codex?这两个有明显的喜欢谁不喜欢谁吗?我几个月前都是Cloud Code的重度用户吧就很难把我从上面给迁移出来就直到最近那个Astra那个模型出来以后我就换了换成了那个Codex主要是它那个模型确实很强然后还有一部分就是因为我们现在团队宣发很多时候就是会用那个Hyperframe那个软件去做一套宣发视频我会明显的感觉到在Astra下面他要做的好很多我有一次被震惊了我直接把一个视频给他然后他就真的玩shout 1:1的完全复刻出来了比较震惊的点就是说因为那个视频里面是需要有一些素材的你才可以做出来然后他那个模型甚至聪明到他在原视频里面截图并且把裁剪到合适的样式然后在新的一个视频里面给做出来我的话我是更倾向两个都用因为我理解就是这两个没有产生一个绝对性的领先优势吧并且可能Fable某天强一点然后Extra又立刻反超这样的所以保持长期都用而且有一些事情你可以让两个模型同时帮你去干一干然后你去挑选一个你觉得更好的版本我觉得也是一个不错的体验吧我觉得可能在这个时代你就是需要长期用着世界上最好的模型然后去感受他们的差异和带来的优势Cloud Code和Codex之外你们还在用哪些产品?GrowthBot用的还是真的挺多的我觉得GrowthBot倒是很好的一个例子就是OpenCloud其实出来以后也没有什么别的产品真的拿到大众的使用但是然后GrowthBot你要说它真有太多创新吗其实也没有但他就把那个沙盒的云端的体验做到极致的丝滑我们把所有的比如Trak跟SuperDN的loop我全都搬到Growth上了因为它可以做到稳定性真的很好我随时都可以查看然后还有一点就是国外报其实他们买了cursor我在用了Grabbar以后我意识到这个事情有多make sense因为Curcer他做的最好的一点就是他的沙盒它可以保证你每个coding task都有一个对应的沙盒然后如果我在本地跑的话其实是很难实现的就是说我本地可能我最多开一个不同的workstreet还有单独环境但是我想本地测五六个不同的环境是很难的所以我在GrowthBot也开始做一些做很多的那个coding工作了尤其是简单的前端修改啊还有bug fix 我直接点开我就可以测试并且我那个pr里面它也有一个链接随时都可以点进去看然后在那个沙盒环境里面去测试除了Fivo5.1 除了Astra你们还会用Deepseek KMI 质朴和minimax的模型吗就在什么场景可能会用他们的模型其实之前Super Design的时候还有试试用Kimi所谓一个主模型因为它的设计能力还是很强然后MiniMax我们其实也有接但不是它的那个Coding模型我们用的是它的那个声视频模型那个H3还是质量很高价格上面很好DeepSeek那边就有很多人都说很好但我自己好像用下来体感一直没有特别好首先我觉得国产这些模型尤其在前端这个领域上其实都非常强比如说Kimi比如说MiniMax然后我个人很喜欢那个Deep Seek的4.1 Flash我觉得它效率又高然后速度又非常的快然后我其实一直之前有个想法就是把我们Super Design自己的第一道agent去换成Deep Seek可能还是目前可能看还是Cloud更稳定一些就是在大量的情况下所以还没有把生产上真的切过去这里边很火那个Jeff那个模型这个模型我觉得还是蛮有意思因为别的这些模型可能更多是你要么拼价格要拼某个场景的它的能力但Jeff速度足够快并且场景非常简单导致他有一些原来不太可能做到的常理他现在只有这个模型可以做到那对于你们来说在目前你们的工作里面有什么地方可以用到Jeff吗首先我今天刚开始接触Jeff我觉得第一眼看目前的感觉还是非常亮眼的就是我理解Track这个工具吧它会为我们产生很多的数据然后之前很难会去让大语言模型做的事情可能就是首先你追求快的时候比如说每一个endpoint进来的时候比如说你要去调度它如果需要去等几百毫秒其实就很浪费时间了但这个时候一个快速的直觉的模型在它就可以其实做一个很好的路由然后另一方面就是当我们需要有比较大规模的数据需要去过滤的时候比如说2000条3000条的过滤当你召回出来想要去做一遍清洗 [45:00] 展现给用户的时候如果有一个直觉的模型能一条一条的直接去对比出来我觉得做一个召回的引擎就会非常的不错比现在的其他的ARM速度都会快很多质量也并不差你们最近看到那篇文章了吗就是我不得不把我的才华埋葬在昨天DeepSeq的一个研究人写了就对我来说就是我前十年的工作生涯可能也就是作为一个程序员或者说前端开发工程师可能我比较擅长的也就是写react跟写前端但是比如说从去年开始吧你就很清晰的知道这一个技能对于你来说意义不是那么的大了就是你除非做到可能世界前比如说几百个人我觉得可能是有他们继续做下去的动力的但是你如果做不到那个程度的话你可能就就是很快这个技能就用不上了所以当时对于我的印象就是我仔细的思考了一下比如说我接下来几年或者十年究竟要做什么然后义无反顾的加入了Super Design这个团队开始跟Jason他们至少在做一些有意思的事情吧可以稍微展开讲一讲这个决策的过程吗我理解就是第一点在当时来说或者说我觉得很多人现在面临的也就是一个人生的十字路口吧就是你之前走的路有可能接下来是走不通或者说会不存在这条路了但是你在这条这个十字路口你去做什么样的事情我觉得是就是可能会对你的人生造成一些比较大的改变的是一个比较重要的决定吧然后事实来说对于程序员来说你再也写不过AI了你在这个技能点上你就是比不过远了但我觉得有更多可以做的尝试是值得去探索的比如说对我来说可能就是加入一家创业公司然后去做更多有挑战或者有意思的事情我觉得以后更多是你的一些跨领域的一些能力了吧然后可以被完全释放出来了我可能自己创业之前是一个很奇怪的那种经历就我虽然是设计师但是我其实从来不喜欢调那些pixel我比较喜欢就是说有点像用产品经理那边角度去看一些东西或者说也会自己写一些前段代码我觉得反倒这样的人会比较容易被释放出来我们这创业不到一年转型那么多次然后刚才其实Jason天心里面有聊到这过程中好多时候都感觉非常焦虑觉得好不容易做的一个产品不到一个月就要宣判他的死刑就这个过程中有想和放弃的时候吗有肯定有啊其实对我来说是做酷雷那段时间反倒是确实是挺挣扎的因为是属于一种就不确定的东西可能太多了然后每天都在想下一步该怎么做想了半天你好像想不出什么特别好的答案但是你也得往前走反正在那时候就是我自己在Priple的过程中我一般是就想这个方向上我能想到现在能做什么能够真正改变我们现在处境的如果我想不到那我觉得可能得换王羊但如果我觉得想到了有哪些东西可以尝试的话我们就继续去做一下当然有很多次很多时候会想要去放弃一个东西尤其我自己本来做油管频道说实话想要过个小康生活还是比较容易的所以中间会有一些这种肯定会有想要放弃的那种情况但是我觉得一般来说每次在这种情况下你度过了然后想到一个新的方向然后发现这个新的方向非常promising你那时候拿到的刺激是非常大的就是万物之中希望之美尤其是你发现自己在不断学习在进化的这个过程我觉得会是很好的对我也很善因为就是我觉得我还是体验过一些比较崩溃的时间的比如说当你做一件事情长期看不到它的增长然后又不断的面临着打击比如说你有一天醒来突然发现你被人到credit了然后到了比如说四千刀你觉得天都塌了但是我觉得有一个比较好的事情就是我们团队可能一直在寻找一些别的方向和机会所以每一次比如说至暗时刻到来的时候我们总能找到一些看上去有曙光的地方然后朝上方向努力我觉得有这样的机会觉得还没那么难受或者说走不下去了然后并且我觉得有的时候一件事情如果fail fast就是如果你知道他真的要失败了然后你不如就让他快速的失败掉然后换一个新的东西去尝试可能反而会得到一些意想不到的一些惊喜吧我前两天见一个朋友然后他说他在寻找一种创业者是相信AGI会到来并且相信这个AGI是由模型的进化带来但同时他还在创业的人嘛AI到来模型是必要条件但是到这个的路径有太多了我们团队说实在有一点就是说每个人都是AI重度用户者包括我自己因为要做内容就是基本能把市面上看到最新的东西都会试一遍所以你保证自己就是沉浸在最新的这个frontier到底在哪里然后会让你有比较好的知觉 [50:00] 后面6到12个月最大机会在哪里然后沿着那个去做我觉得会没有那么悲观吧就是不然的话你所有东西都直接模型做了你也没什么机会了我是觉得即使AGI到来了依然做比如说有性价比的事情还是很有用的比如说即使是有一个万能的模型,假设它存在的话,它也需要有它自己的工具,它也需要找到它需要的数据但如果比如说他花比如说1000道的token最终获得了一个数据但是如果我们能够提供比如说让他100道就能得到的话他可能会直接选择我们所以我觉得给模型做一个合适的工具或者说找到我们自己定位的事情也是很重要的就是然后在此基础上就是不停的去打磨我们自己的这个效果了嗯蛮好的就感觉这一期播客录完之后突然充满了乐观积极向上的气氛就在整个AI应用一片哀鸿遍野的时代然后感谢Jason和天心带给我们的信心然后也祝福你们的创业可以越来越顺利可以天天向上好谢谢你们我们今天先到这感谢谢谢