Treg三度转型弃守独立Agent 押注Claude Code与Codex数据底座

Koji杨远骋at十字路口

基础模型跃升正迅速吞噬单点垂直应用与“零人公司”幻象，初创团队的生路在于深度寄生平台生态，为大模型提供专用外部工具与数据接口以建立成本与效率护城河。

AI-assisted summary of 【十字路口】新的创业机会，正在 Claude Code 和 Codex 周围长出来｜对谈 Treg【视频播客】 — original source. Check the original for full context.

Source published: 2026-10-18

Key ideas

Treg 团队在 9 个月内经历三次转型，从开源获 6000 Star 的设计插件 SuperDesign 到全自动增长 Agent Coolit，最终转向为 Claude Code 和 Codex 生态提供底层数据与 API 聚合的“OpenRouter for Data and Tooling”。 (0:00)
团队通过 2 个月的实测验证得出冷酷结论：6 到 12 个月内“零人公司”伪命题无法闭环，全自动化在客服与 Bug 修复上表现极佳，但在高度依赖商业品味和动态试错的业务增长端极难自动化交付。 (10:00)
Treg 推出三周后营收规模即达前代产品历史峰值的数倍，其核心红利来自生态套利：用户支付平台每月 200 美元的订阅往往撬动价值高达 6000 至 7000 美元的 Token 算力补贴，基础设施创业者可借此低成本获客。 (15:00)
Treg 将下游 Agent 视作核心终端用户，建立了基于 Agent 主观打分的内生评价体系与反馈飞轮，通过让 Agent 评价 API 接口的字段实效与性价比，演进为面向 AI Agent 界的“大众点评”。 (20:00)

Detailed notes

## Background 本期视频由 B站 UP 主“Koji杨远骋at十字路口”于 2026 年 10 月 18 日发布。视频为《十字路口》播客对谈，围绕 Claude Code 与 Codex 生态崛起下 AI 应用创业者的生存空间展开，深度对话了 Treg 创始人 Jason Zhou 与 Founding Engineer 石天鑫在 9 个多月内经历三次方向转型的真实复盘。

## TL;DR Treg 团队在短短九个月内经历了从设计插件 SuperDesign、全自动增长 Agent Coolit，再到数据与工具聚合平台 Treg 的三次转型，深刻体会到底层大模型能力的跃进对单点垂直 Agent 的残酷降维打击。他们通过实战证伪了短期内“零人公司”全自动跑通业务增长的幻觉，并在偶然发现 Codex 插件市场的爆发式红利后，彻底转向生态寄生策略。团队将自身定位为 Claude Code 和 Codex 生态中的“OpenRouter for Data and Tools”，通过解耦底座、汇聚垂直 API、并建立面向 Agent 的评价反馈飞轮，在巨头算力补贴与模型进化浪潮中找到了确定性的生态位。

## Atmosphere & style 整场对谈兼具硬核的技术反思与接地气的创业实感，对话节奏紧凑且充满干货。两位嘉宾坦诚卸下了创投圈常见的虚妄光环，用极具自嘲与反思的语调拆解过往踩过的坑与至暗时刻。从面对代码技能被 AI 超越时的释怀，到发现新红利时的兴奋，现场始终洋溢着一种务实、敏捷且极度果断的极客生命力。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=0s) Treg 团队在 9 个月内经历三次转型，从开源获 6000 Star 的设计插件 SuperDesign 到全自动增长 Agent Coolit，最终转向为 Claude Code 和 Codex 生态提供底层数据与 API 聚合的“OpenRouter for Data and Tooling”。 - [10:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=600s) 团队通过 2 个月的实测验证得出冷酷结论：6 到 12 个月内“零人公司”伪命题无法闭环，全自动化在客服与 Bug 修复上表现极佳，但在高度依赖商业品味和动态试错的业务增长端极难自动化交付。 - [15:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=900s) Treg 推出三周后营收规模即达前代产品历史峰值的数倍，其核心红利来自生态套利：用户支付平台每月 200 美元的订阅往往撬动价值高达 6000 至 7000 美元的 Token 算力补贴，基础设施创业者可借此低成本获客。 - [20:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1200s) Treg 将下游 Agent 视作核心终端用户，建立了基于 Agent 主观打分的内生评价体系与反馈飞轮，通过让 Agent 评价 API 接口的字段实效与性价比，演进为面向 AI Agent 界的“大众点评”。

## Key takeaways - [05:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=300s) 基础大模型前端生成能力的代际跃迁（如 Gemini 系列）直接吞噬了垂直设计 Agent 的生存空间，促使应用创业者放弃单点套壳工具。 - [05:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=300s) 类似 Posea 的“AI Employee”产品擅长将冷启动和初始建站体验做到极致并迅速拉升 ARR，但在成熟业务的用户分析与广告投放深水区无法完成真实业务闭环交付。 - [10:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=600s) 全自动 SEO 和 GTM 增长的核心短板在于缺乏人类商业品味（Human Taste），无法像人类一样敏锐预测并在未来爆发的冷门关键词上提前布局。 - [15:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=900s) 与其建立孤立的独立 Web 应用，不如彻底寄生于快速膨胀的巨头生态；早期为 Codex 插件命名为“01SuperDesign”通过卡位字母排序首屏成功撬动了早期红利流量。 - [15:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=900s) Agent 编排框架（Harness）正在趋于同质化，制约 Agent 复杂任务执行的核心瓶颈转向垂直领域专业级数据与 API 工具库的匮乏。 - [20:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1200s) Treg 扮演跨平台解耦的中立工具层与高信噪比筛选的“Costco”，不仅保障用户在 Codex 与 Claude Code 之间无缝迁移，还避免了企业承担多套高昂的按月订阅 Seat 费用。 - [25:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1500s) 各工种的生产环境正向 Coding Agent 控制台急速收敛，类似 ChatCut 的白盒“中间状态编辑器”让 Agent 能定向调用接口微调片段，大幅避免重新渲染消耗天量 Token。 - [30:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1800s) Exa、Composio、Firecrawl 等传统 Infra 工具的用户画像正在泛化，近 50% 的普通非程序员借助 Coding Agent 自动处理 API 调用，抹平了传统技术门槛。 - [30:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1800s) 多线程并行 Agent 导致人脑认知过载，催生了 Vibe Island（macOS 灵动岛交互）以及 Orca（管理多达 50-100 个 Session 并在平台间平滑切换配额的 ADE）等新交互物种。 - [35:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2100s) 系统工程切忌臃肿，构建短小精炼、单一职责的微型循环（Loop Engineering）能够让互不干扰的小 Loop 协同防御脚本攻击和自动修正 Bug，形成健壮的自愈系统。 - [40:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2400s) 日常开发工作流已进入 5 到 10 个并发 Session 的新常态，人类通过“船长与大副架构”只需向负责协调的大副 Agent 分发任务，再由大副调度底层 Coding Session。 - [40:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2400s) 在面对上千条接口数据的实时路由与清洗时，需要结合具“系统 1 直觉思维”的毫秒级超快模型以化解传统大模型的高延迟瓶颈。 - [45:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2700s) 面对程序员单点编写代码技能贬值的现实，工程师必须从局部细节跳出，转向兼具审美、产品规划与全局架构能力的复合型通才角色。 - [49:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2940s) 即使未来全知全能的 AGI 降临，依然无法违背经济学规律；为超级模型提供高性价比、低成本获取数据的外部工具与基础设施，是应用层不可替代的坚固护城河。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=0s) 团队背景与九个月内的三次连续转型

本期播客的嘉宾是 Treg 的创始人 Jason Zhou 以及 Founding Engineer 石天鑫。主持人 Koji 介绍道，Treg 相当于 Claude Code 和 Codex 生态中的“OpenRouter for Data and Tooling”，为搭建 Agent 的开发者提供一站式的数据与 API 市场。开发者使用 Claude Code 或 Codex 时，无需逐一寻找、购买并订阅各类繁琐的数据源，只需通过 Treg 的单一 API Key 即可获取所需的数据和工具。在九个多月的创业历程中，团队接连经历了三到四次方向转型：从最早的设计 Agent “SuperDesign”，到主打全自动获客的增长 Agent “Coolit”，再到如今专为 Agent 生态提供底层数据和工具支撑的 Treg。表面上看是极为频繁地调整方向，但背后折射出的是当下所有 AI 应用创业者共同面临的生死命题：当底层基础模型越来越强大时，上层 AI 应用公司究竟该如何建立真正独立且差异化的核心价值。

在正式复盘创业经历前，两位嘉宾进行了一轮快问快答。Jason 出生于 1993 年（33 岁），是典型的 INTJ 处女座，本科毕业于重庆大学热能与动力工程专业，随后赴澳大利亚攻读交互设计；石天鑫出生于 1994 年（32 岁），是比 Jason 更加内向的 INTP 白羊座，毕业于电子科技大学嵌入式系统专业，曾在苹果中国做过大半年的测试工程师实习，因察觉到互联网更加有趣，先后在阿里巴巴和字节跳动工作了近十年。在全职创业之前，Jason 曾在澳大利亚的 AI 初创公司 Relevance AI 带领产品与 AI 团队，早在三年前便深耕全自动销售与 SDR（销售开发代表）等 Agent 方向，直到去年年底才离职创业。

谈及最早的 SuperDesign，Jason 解释该项目最初只是一个“周末副业”（Weekend Project）。当时他在运营自己的 YouTube 频道，敏锐地察觉到 UI 设计相关的视频往往能斩获巨大的自然流量，印证了大众对自动化设计的旺盛需求。彼时 Cursor 作为主流 Coding Agent 风头正盛，他们便开发了一款 IDE 插件：用户在 Cursor 中下达设计指令，插件会瞬间吐出三到四版不同的前端或海报方案供选择。他们将该方案以开源项目形式发布在 GitHub 上，几乎完全凭借自然发酵迅速斩获了 6000 多个 Star。正是这亮眼的数据坚定了 Jason 全职创业的决心。

- **创始人画像**：Jason Zhou（93年，重庆大学热能动力工程 -> 澳洲交互设计，前 Relevance AI 产品与 AI 团队负责人）；石天鑫（94年，电子科大嵌入式系统，前苹果实习、阿里、字节跳动十年资深工程师）。 - **Treg 产品定位**：类似 OpenRouter，聚合大量第三方 API 与实时数据，让运行在 Claude Code / Codex 上的通用 Agent 免去逐个注册订阅的高门槛，以单 Key 即用模式赋能。 - **开源效应**：Jason 指出：“开源在 AI 产品赛道是一个非常重要的 marketing 工具”，SuperDesign 零宣发凭借纯粹的自然流量突破 6000 Star，成为启动创业的关键抓手。

```mermaid flowchart LR accTitle: Treg 团队的九个月演进历程 accDescr: 展示团队从 SuperDesign 插件到 Coolit 全自动增长，再到生态基础设施 Treg 的三次转型脉络。

subgraph S1["第一阶段: 设计 Agent"] A["SuperDesign (Cursor IDE 插件)"] -->|"开源获 6000+ Star 决定转向网页版"| B["SuperDesign 网页端"] end

subgraph S2["第二阶段: 0 人公司增长 Agent"] B -->|"模型前端能力大跃进 受到 Posea 启发"| C["Coolit (全自动 GTM / SEO 获客)"] end

subgraph S3["第三阶段: Agent 工具与数据市场"] C -->|"业务交付难以闭环 回归 SuperDesign 验证"| D["Codex 插件暴涨 抽离底层中转工具库"] D --> E["Treg (OpenRouter for Data & Tools)"] end ```

---

[05:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=300s) 垂直 Agent 的绝境与“零人公司”的迷思

SuperDesign 的第一次危机来自于形态与平台的误判。起初作为 IDE 插件时，团队觉得受制于宿主环境——用户必须先成为 Cursor、Claude Code 或 Codex 的用户才能使用。为了追求更广阔的受众面，他们脱离了开源插件形态转去全力搭建独立网页版。然而仅仅一年不到，整个开发者的工作流发生了翻天覆地的剧变，所有人群反而大规模涌入了以 Claude Code 和 Codex 为核心的本地终端与代码环境。更致命的打击来自基础大模型的跃升，伴随着 Google Gemini 系列对前端编码能力的强化，OpenAI 与 Anthropic 被迫跟进疯狂内卷前端能力。当通用模型原生就能写出漂亮的前端界面，再叠加 Claude Code 丰富成熟的 Skill 社区生态，普通用户无需额外购买垂直设计工具就能取得良好效果。模型自身的进化直接吞噬了上层应用，使得作为独立设计 Agent 的 SuperDesign 增益空间被极限压缩。

在 2024 年 2 月至 6 月期间，AI 创投圈陷入了一种几乎魔幻的狂热。包括 Jason 接触到的各路顶尖创业者在内，大量团队都在同期转向了“AI Employee”（AI 员工 / 零人公司）赛道。触发 Jason 做出这一决策的直接催化剂是一款名为 Posea 的产品。Jason 第一次使用 Posea 时被其丝滑的前置流程深深震撼：他仅输入了一个带有“jason.zhou”的个人邮箱注册，Posea 就自动从全网搜集他的过往履历背景，瞬间定制推导出了两三个极具可行性的创业 Idea。用户选中其一后，几秒钟内便自动搭建好了完整的 Landing Page，甚至自动发送冷邮件（Cold Email）寻找潜在客户，并且竟然真的收到了客户回复。Koji 也回忆称，当时被 Jason 推荐后同样充值了数百美金开启该产品的“上帝模式”（God Mode），系统根据其播客背景自动为其生成了一套面向播客主的 AI 后台工具。

然而，当兴奋期退去，现实的骨感暴露无遗。这类标榜全自动运营整个公司的产品形态非常“草台”（dodgy），其本质是把“从 0 到 1 建站”这一前置交付体验做到了极致，给人一种“AI 即将掌管整条业务闭环”的错觉。但真实世界里，任何有既有业务（Business）的成熟团队，绝不可能把核心生产系统的用户行为分析（Product Analytics）、广告账户权限完全放权交给一个黑盒工具。正如 Jason 直言：“它最聪明的一点，就是为什么它能够在几个月内干到十几个 ARR 的一个原因，就是它说起来好像卖你一个可以 AI 掌管你所有链路的愿景，但它其实真正递交结果的只有帮你 setup，就那部分它是做得特别好。”一旦跨过初始化阶段，真正要进入深水区背负实际业务结果时，现阶段的 Agent 根本无法完成闭环交付。

- **模型能力吞噬应用**：底层大模型在前端交互代码生成上的代际跃迁，使 SuperDesign 这种纯套壳或单点赋能的设计 Agent 迅速失去护城河。 - **Posea 的商业幻觉**：凭借极低信息输入、全网搜刮背景、全自动秒级建站的魔术般体验狂揽 ARR，但后期真实业务落地几乎为零，充其量只交付了 Setup（搭建）阶段，无法交付实际的商业结果。 - **Koji 的真实体验**：充值数百美金开启上帝模式，但后续完全没有带来实质性收入，“只帮我花了钱，没有帮我赚到钱”。

---

[10:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=600s) Coolit 的折戟与用 AI 运营 SuperDesign 的真实教训

为了做真正能够承接企业真实业务的 Agent，团队在 4 到 6 月打造了 Coolit——一款针对已有业务雏形、旨在帮创始人自动化规模化（Scale）客户增长的“全自动零人增长团队”。Coolit 试图把获客链路上的每个环节全部自动化：自动跑 SEO、自动做社媒 Content Marketing、自动依据投放数据增减预算调整 Ads 投放，甚至自动满世界找潜客。尽管产品尚未完全开发完毕就挂出预售付费墙，并吸引了相当一部分用户提前付款，但真正开始交付业务结果时，团队遭遇了极大的技术与商业壁垒。

Jason 复盘指出，全自动增长的致命缺陷在于“缺乏人类的商业品味（Human Taste）”。以 SEO 为例，常规 Agent 的逻辑是通过 API 抓取相关行业关键词，筛选出搜索量不错且竞争不大的词库进行内容覆盖。然而在真实竞争中，这种明面上的优质关键词早就被对手抢占殆尽，真正能跑通的增长红利，往往依赖于人类对市场未来一到三个月趋势的敏锐直觉——挑出那些眼下流量尚低、但即将在未来爆发的冷门关键词提前下注。全网营销工具极其分散且动态演变，根本不存在放之四海而皆准的“银弹”；当所有人都驱使 Agent 涌向同一个自动化增长套路时，该渠道的获客边际效益瞬间被稀释为零。

在 Coolit 艰难运行了一个多月、发现无法有效向用户交付实际增长结果后，团队决定踩下刹车。与其盲目笃信外部神话，他们决定拿自己的 SuperDesign 当试验田：SuperDesign 虽然停更数月，但依然拥有稳定的自然流量和极具优化潜力的转化漏斗。团队花了两个月时间构建全自动 Loop，深度测试“零人公司”究竟能否实现自我造血与规模化增长。最终得出了两条极具现实意义的冷酷结论： 1. **职能分工的自动化极限**：全自动化在客诉支持（Support）和 Bug 修复（Bug Fixing）上能够极其完美地跑通，但在业务增长端极难自动化，因为增长严重依赖主观经验判断与持续试错，容纳人机协作的介入点极多。“未来 6 到 12 个月内，零人公司一定不是一个可能的场景。” 2. **押注平台生态而非单打独斗**：在做了一大堆效果微弱的增长实验后，真正让 SuperDesign 业务曲线呈现爆发式陡峭拉升的，竟然是天心偶然发布的一个 Codex 插件。这一里程碑让团队深刻顿悟：必须果断放弃做孤立应用，转而彻底围绕 Claude Code 和 Codex 的开发者生态构建产品。

> “未来 6 到 12 个月，零人公司它一定不是一个可能的场景，更需要解决的问题是如何去做支持与协同。” —— Jason Zhou

---

[15:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=900s) Codex 插件的意外爆发与 Treg 的诞生

关于那次彻底改写增长曲线的 Codex 插件发布，石天鑫分享了一个颇具草根智慧的冷启动细节。当时 OpenAI 刚刚上线 Codex 的 Work 框架和 Plugin Marketplace（插件市场），整个生态内极度匮乏好用的原生插件。SuperDesign 占据了极佳的先发时间窗口，天心几乎没花太大力气，仅将原先封装的 CLI 与 Skill 能力打包丢进了插件市场。由于 ChatGPT 和 Codex 自身拥有海量的开发者底盘，只要插件稍微具备实用价值，就能直接蹭上平台极其恐怖的分发红利。天心还敏锐地捕获到了一个平台早期的低级逻辑缺陷：当时的插件市场竟然是按照纯英文字母 A-Z 顺序进行排列的。

团队果断将名字从“SuperDesign”改成了“01SuperDesign”，瞬间强行霸占了市场列表的榜首位置。虽然平台数天后就迅速修复并更新了推荐与排序算法，但这短短几天的霸榜为产品带来了第一批高质量的核心种子用户与转化。这次尝试给团队带来了极大的底层震动：早期的新兴开发者生态里蕴藏着巨大的未饱和流量红利，任何微小的试水都可能激发出意想不到的杠杆效应。随着插件上线，来自这一圈层用户的流失率（Churn Rate）显著降低。Jason 与天心意识到，尽管 Claude Code 和 Codex 用户基数正在呈指数级膨胀，但其原生工作流里的实际调用体验却充斥着断点和不足，帮助巨头完善生态拼图是一个确定性极高的机会，如同早年 Zynga 寄生于 Facebook 社交图谱做社交游戏，或是 PayPal 踩着 eBay 电商拍卖网络崛起。

在梳理此前 Coolit 遗留的技术资产时，他们发现，市面上各家 Agent 的编排底座（Harness）其实大同小异，真正制约 Agent 执行复杂的 Go-To-Market（GTM）或商业流程的核心瓶颈，在于外部“专业级数据”与“API 工具库”的极度匮乏。为了跑通 Coolit，团队在内网搭建了一套极其庞大的中转服务层，聚合了大量第三方小众且垂直的找客户、SEO 数据端点。Jason 毅然决定将这一底层基础设施剥离出来，独立做成平台 Treg 面向公众开放。产品发布仅仅三周时间，在零月费、完全按实际调用用量（Usage-based）计费的模式下，其营收规模（RAMU/ARR）就已经达到了 SuperDesign 历史峰值的数倍。

- **命名 Hack**：将插件名改为“01SuperDesign”卡位字母排序首屏，零宣发成本薅到 Codex 早期市场的第一波头部流量红利。 - **生态寄生哲学**：不再试图建立独立围墙花园，而是将 Claude Code 和 Codex 视作底层操作系统，做赋能其生态体验的增益插件与基础设施。 - **商业化飞轮验证**：Treg 抛弃了传统 SaaS 繁杂昂贵的月费捆绑包，采用彻底的按量收费，三周内营收即对前代产品形成降维打击。

---

[20:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1200s) Costco 式数据市场、跨平台解耦与“以 Agent 为用户”的飞轮

Treg 接入的 API 场景高度聚焦于目前开发者使用 Agent 代替传统 SaaS 的核心痛点上。首当其冲的便是 Go-To-Market 与潜客挖掘（Lead Generation）。在海外做 B2B 获客，以往企业需要分别花重金按月订阅 Apollo、RocketReach 等一系列高昂的数据服务商，但每家的数据覆盖维度高度割裂；Treg 将这些供应商全部聚合在一个中立端点下，开发者无需承担多套按月锁定的昂贵 Seat 费用，随用随调。数据提供商之所以愿意接受被 Treg 整合，是因为大量垂直垂直的长尾 Vendor 极度缺乏触达终端开发者的有效渠道（商业模式本质上类似于做数据整合转卖的 Clay）。除此之外，Treg 还整合了全网几乎所有的 SEO 排名追踪、AEO（AI 搜索引擎能见度）数据，以及数百种跨主流厂商（如海螺 AI / MiniMax Hailuo、快手可灵等）的 AIGC 生图与生视频端点。

面对 Koji 关于“大模型厂商未来是否会自己对接数据源而绕开 Treg”的尖锐提问，Jason 与石天鑫给出了极为清晰的差异化定位： 1. **中立性与跨平台解耦**：开发者与团队在 Claude Code 与 Codex 之间来回迁移是常态，如果数据和工具绑定在单一 Harness 内部，迁移成本将高不可攀。Treg 作为中立工具层，用户哪怕从 Claude Code 换到底座 Codex，所有沉淀的工具调用链条与历史数据都得以完整保留。 2. **Costco 式的高信噪比聚合**：现实世界并非单一龙头供应商通吃。以做短视频 UGC 为例，市面上每天涌现出上百种最新的视频模型，普通用户为了一两次尝鲜去分别开通包月会员成本极其高昂。Treg 扮演了筛选与性价比调优的“Costco”，不仅接入上百种模型，还将每个模型擅长与不擅长的场景提取为 Skill，供用户的通用 Agent 按需调配。

更为颠覆的转变发生在其产品迭代哲学上：石天鑫指出，Treg 产品的真正核心终端用户已经不再是“人类”，而是“人类背后的 Agent”。由于 Agent 才是真正直接调用 API 并感知数据格式、有效性与稳定性的主体，Treg 专门建立了一套内生的反馈系统。系统会在调用链路中随机挑选运行切片，让调用 API 的 Agent 针对接口返回结果打分评价——反馈具体哪些字段真正解决了当前的上下文问题，哪些字段是无效噪音。轻微的代码 Bug 由系统联动 Agent 自动修复，有价值的 Feature Request 则沉淀并反馈给工程师团队排期。通过让 Agent 给每一个 API Endpoint 建立起“主观有用度”与“客观性价比”的多维评价体系，Treg 逐渐演化为面向 AI Agent 界的“大众点评”，让后续的 Agent 能够根据自身倾向（追求极高精确度还是追求海量低成本覆盖）自主选择最匹配的端点，形成坚不可摧的数据飞轮。

- **多供应商切片聚合**：破除单一数据巨头垄断幻想，用 API 路由方式打散各家数据碎片，让长尾开发者享受最优性价比。 - **跨 Harness 独立性**：保障工具资产不随终端底层基座的更迭而失效，提供多底座时代的“保险丝”与统一接入层。 - **面向 Agent 的大众点评**：不仅沉淀使用数据，更沉淀由调用方 Agent 自主评测的可用度评分，使下游 Agent 的选路与决策实现自动化进化。

```mermaid flowchart TD accTitle: Treg 架构与数据飞轮流向 accDescr: 展示下游 Agent 通过 Treg 统一访问各类供应商，并将使用反馈回流形成动态评价飞轮。

subgraph Clients["调用端 (多基座 Agent)"] C1["Claude Code"] C2["Codex"] C3["其他 Agent Harness"] end

subgraph TregCore["Treg 中立市场 (OpenRouter for Data & Tools)"] T["统一 API Key & 动态路由层"] R["数据飞轮: Agent 端点主观评分 (有用度 / 性价比 / 字段实效)"] end

subgraph Vendors["上游数据与模型供应商"] V1["GTM / 找潜客 (Apollo / RocketReach 等)"] V2["SEO / AEO (全网排名及 AI 曝光数据)"] V3["AIGC 多媒体 (MiniMax Hailuo / 可灵等)"] end

---

[25:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1500s) 生态共生产品案例与百倍 Token 杠杆红利

复盘这一连串转型，Jason 坦言过去开发者做 Agent 时常犯的最大误区，就是“自己想要涵盖的事情太多了”：从最底层的模型推理（Inference）、刷核，到底层的记忆持久化（Memory），再到最外层的编排底座（Harness），恨不得全链条自主研发。然而现实极其残酷，技术栈的每一层都有资金体量大几十倍的专业公司在疯狂迭代。如今团队彻底想通，核心策略应当是“把极细分的一小部分做到绝对拔尖，然后深度嵌入 Claude Code 和 Codex 的大生态中去”。过往各个工种的软件各据一方（设计师重度依赖 Figma，营销人员重度依赖定制的邮件序列工具），但今年以来，几乎所有工种在最底层的自动化生产工具上，都在急速收敛至以 Claude Code 和 Codex 为代表的交互界面中。

播客中横向对比了生态中涌现的其他典型共生案例： - **Ego**：一款专为 Coding Agent 定制的浏览器。它的最大卖点是将原本极其笨拙低效的 Computer Use（计算机视觉操作）能力与 Claude Code / Codex 无缝打通，将 Agent 操纵浏览器的执行效率提升至全新维度。 - **ChatCut**：一款在 Codex 内剪辑视频的爆款插件。在没有该插件之前，用户只能通过一个 Prompt 吐出一个无法修改的最终渲染视频，若有微小瑕疵，必须重新经历漫长的 10 至 20 分钟重新渲染并消耗天量 Token。而 ChatCut 提供了一个可见的“中间状态编辑器”——将视频切分为多音轨和片段保留在界面上。石天鑫与 Jason 补充道，这种“中间状态”不仅是给人类拖拽微调的，其核心价值在于让用户提出修改意见后，Agent 可以直接调用 ChatCut 的内部接口去针对中间片段定向微调，无需全量从头重画，极大节省了系统开销和等待延迟。

最后，石天鑫揭示了当前小团队寄生大平台生态所独享的隐性红利：算力成本套利。在 Coolit 探索时期，如果一家初创公司自行向模型厂商购买昂贵的 API Token，再打包加价转售给终端用户去跑“全自动全天候公司”，其 Token 烧钱速度足以把初创企业拖垮。然而转向 Claude Code 与 Codex 生态后，商业逻辑发生了质变——终端用户支付的是平台官方每月仅 200 美金的 Pro / Coding 订阅 Plan，但在实际高强度编程与多任务执行中，所撬动消耗的底层计算 Token 价值往往高达 6000 至 7000 美金。这种由科技巨头为抢占开发者心智而主动承担的百倍补贴窗口，为围绕该生态做底层基础设施（例如 Treg、Apify、DataForSEO）的初创团队构筑了一道极具吸引力且低获客成本的商业避风港。

> “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。” —— 石天鑫

- **工具界面的一统化**：全球各岗位正从各自割裂的传统 SaaS 软件，加速向 Coding Agent 控制台大一统迁移。 - **中间状态的价值**：像 ChatCut 这一类工具的意义，是为黑盒大模型生成提供白盒的中间变量骨架，方便 Agent 定点修改，规避全量重构的 Token 浪费。 - **200 刀撬动 7000 刀的红利期**：生态内的开发者本身就沉浸在平台官方的算力补贴中，依托生态做外围数据与工具的初创公司，能够顺水推舟将原本高不可攀的企业级自动化成本打到极低，享受前所未有的套利扩张红利。

[30:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=1800s) Coding Agent 生态中爆发的周边工具：搜索、抓取与交互新物种

在讨论围绕 Coding Agent（如 Claude Code 和 Codex）生长的机会时，Jason 和石天鑫指出，许多老牌以及新形态的 Infra / 工具型公司正在被这一波浪潮带起巨大的增长。例如 Exa 专门为 Agent 提供搜索能力，已经一路融资到了 C 轮，验证了“为 Agent 提供搜索工具”本身就是一个极其庞大的场景；而像 Composio、Firecrawl 这样专注于网页抓取、数据提取与 OAuth 授权的工具，近期调用量也大幅飙升。有趣的是，这些原本被视为传统开发者基础设施的工具，如今的用户画像正发生戏剧性的迁移：以前绝大多数用户是资深程序员，现在却有接近 50% 是普通终端用户。这些白领可能根本不会写代码、不知道如何直接调用 API，但他们知道让 Claude Code 或 Codex 接上 Firecrawl 后，Agent 抓网页就变得极其高效。Agent 自身理解并处理了所有 API 调用，直接抹平了传统技术门槛。

```mermaid flowchart TD accTitle: Coding Agent Ecosystem accDescr: 围绕 Claude Code 和 Codex 衍生的工具分类体系，包括外部工具、端侧交互与多模型管理

subgraph AgentCore["核心底座 (Coding Agents)"] A["Claude Code / Codex"] end

subgraph ExternalTools["能力与基础设施扩展"] T1["搜索与数据: Exa"] T2["网页抓取与授权: Firecrawl / Composio"] end

subgraph InteractionTools["管理与交互层"] I1["Vibe Island: macOS 灵动岛状态通知与像素小羊"] I2["Orca: Agent IDE (ADE) / 多会话调度与配额管理"] end

A -->|"自动化调用 API"| ExternalTools A -->|"多线程任务通知"| I1 A -->|"切换模型与转移 Session"| I2 ```

与此同时，多线程并行运行 Agent 带来了严重的人机交互与管理负荷。用户在本地或终端里同时开着好几个并发任务，大脑往往直接过载，搞不清哪个线程跑完了、哪个在等待 review。针对这种痛点，生态中迅速长出了极具创意的产品： - **Vibe Island**：这是石天鑫他们在 AI Hacker House 周日黑客松（Hackathon）上拿冠军的付费小工具（录播客的两人均已付费购买并在 X 上引发热烈讨论）。它将 macOS 的“灵动岛”（Dynamic Island）利用起来，每当后台有 Agent 线程完成任务，灵动岛便会微微展开，伴随可爱的像素小羊形象与提示音，让用户可以直接在灵动岛上进行 review 与确认。 - **Orca（Agent IDE / ADE）**：由 Jason 的朋友金晶开发，在 GitHub 上斩获了数万 Star。其核心痛点在于大家日常往往同时重度使用 Claude Code 和 Codex，为了“薅两边配额羊毛”，当 Codex 配额用尽时，Orca 能丝滑地将进行到一半的任务无缝转移到 Claude Code。其极高审美与丝滑体验支持重度用户同时挂载 10 个甚至多达 50 至 100 个 session，开辟了底层大模型团队尚未顾及的全新交互空间。

- 在被问及 Paper.design 等画布类设计产品在模型能力（如 Gemini 1.5 系列等）提升后是否面临价值缩水时，Jason 认为其核心与 Treg 的演进方向类似：价值退守到了“在成熟工作流中提供一个可对比不同设计、并能手动微调的画布”，嵌入到用户现有的习惯之中。

---

[35:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2100s) 两次停滞与复盘：“零人公司”的幻觉与“短小精炼”的 Loop Engineering

回顾团队在 2 月份之后的探索，Jason 坦言那段“停止产品开发、用 AI 去运营公司”的实验，让他获得了创业以来最确信的两大判断：“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 协同工作那个场景，这是我们需要解决的；然后第二件事情就是说，Codex 跟 Claude Code 生态是个巨大的机会。”此前他们为 SuperDesign 搭建了一整套私有 Harness，后来决定卸下所有心理包袱，从零审视市面上最强的工具，结果发现 Claude Code 和 Codex 的体验远超自研 Agent。正是这一认知让他们果断转型，避免了陷在微调 prompt 或 skills 却不见成效的沉没成本中。

谈及社区曾热议的“Loop Engineering”（闭环工程），石天鑫从系统论的角度给出了务实的解读。他认为创新显然无法靠 loop 凭空生成，无法指望模型“帮我造一家创业公司”；但在日常运营上，自动化闭环具有不可替代的抗风险价值。对于一个仅有 4 人的初创团队，一旦产品上线邀请拉新或赠送 Credit 机制，就会招致黑客日以继夜的脚本攻击。如果全靠肉身去防御，创业者会被活活拖垮；但如果部署了一个专门监控数据库、发现并自动修补微小漏洞的 loop，就能极大地解放人力。

石天鑫强调，构建系统切忌在一开始就把 loop 做得过于臃肿，而是要建立短小、精炼、单一职责的微型循环： - 某一个 loop 专门监控数据库并拦截异常安全风险； - 另一个 loop 专门扫描并自动整理代码风格； - 任务拆得足够小，Agent 就不容易犯错幻觉； - 当十几套互不干扰的小 loop 协同运转时，线上监控的 loop 甚至能接住代码提交 loop 引入的 bug，形成一种自愈而健壮的复杂系统（类似《系统之美》中的多重开环与闭环反馈）。

---

[40:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2400s) 5-10 个并发会话的新常态：船长与大副架构、Astra 与 GrokBot

最近两三个月内，团队与 AI 协作的工作流发生了质的飞跃。最显著的变化是从早期的单会话串行转变为日常并发 5 到 10 个 Session，以及从纯本地环境进化到“云端与本地混合（Hybrid）”模式。由于人脑同时盯多个 session 存在认知带宽上限，石天鑫借鉴了资深工程师在 YouTube 上的 Firstmate 架构理念，利用新一代 Terminal 管理工具（如 Ghostty / WezTerm 等）实现协同： “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。”人只与处于核心协调层的大副 Agent 对话，大副负责向下分发子任务并监控各编码 session，极大减轻了指令分配压力。

在具体模型的取舍上，两人的工作习惯出现了分化与互补： - Jason 原先是 Claude Code 的死忠粉，但近期 Codex 背后的强力模型（如 Astra / o 系列能力）展现出的惊人能力让他彻底倒戈。在制作宣发视频时，他直接扔给 Codex 一个现成视频，模型不仅 One-Shot 像素级一比一复刻出效果，甚至聪明到自动截取原视频素材、精准裁剪并装配到新视频中。 - 石天鑫则倾向于双持，认为不同厂商你追我赶互有胜负，让两个模型针对同一需求同时产出代码并由人类择优，是当下的最佳体验。 - 在工具链层面，两人高度盛赞了 GrokBot（云端沙盒环境）。本地起五六个复杂的测试分支极度笨重且易环境污染，而云端沙盒为每个 coding 任务配属独立沙盒，修复简单前端或修 bug 时，在 GitHub PR 中直接点击沙盒链接就能在线预览测试。

此外，两人评估了国产模型及极速直觉模型在生产管线中的价值。Jason 提到 Minimax 的语音生成（如 Hailuo / T2V / 音频模型）在性价比与质量上表现极高，Kimi 在前端设计理解上也有不俗表现。而面对近期业内大火的极速模型（如 Cerebras / SambaNova 上的 Llama 驱动的直觉模型，或 Groq 类极致低延迟），石天鑫指出了 Treg 的潜在结合点：对于一个产生大量数据的基础设施，当成千上万个 API endpoint 涌入或面临 2000 到 3000 条召回数据的在线清洗时，传统大模型几百毫秒的延迟是无法接受的；只有具备“系统 1（System 1）直觉思维”的毫秒级超快模型，才能胜任高吞吐的数据路由与初筛引擎。

---

[45:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2700s) “埋葬前十年的才华”：面对 AGI 的工程师转型与低谷复原力

节目谈及 DeepSeek 研究员曾写下的感叹——《我不得不把我的才华埋葬在昨天》，石天鑫深有感触。他在前端与 React 领域深耕了近十年，但从去年开始，残酷的现实摆在面前：“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它了。”石天鑫坦言，除非能在写代码这个单点上跻身全球前几百人，否则这个技能在未来几年内注定贬值。于是他果断跳出舒适圈，加入 SuperDesign 团队去探索全新的跨领域能力。Jason 同样深有同感，他虽是设计师出身，却天生厌恶扣单个像素点，更偏好从产品经理全局视角切入并兼顾全栈编码，而大模型恰恰极大地放大了这种兼具审美、产品与代码架构能力的通才优势。

在不到一年的创业旅程中经历了 SuperDesign、增长自动化、再到 Treg 的频繁调优与方向更迭，焦虑与放弃的念头屡见不鲜： - 最痛苦的是做增长工具期间，面临无边无际的不确定性，抓破脑袋也想不出破局答案； - 某天早晨醒来，发现系统遭遇黑客攻击，被盗刷了 4,000 美元的 Token 额度，“你觉得天都塌了”； - Jason 本人拥有成熟的 YouTube 频道，若只是求安稳做自媒体过小康生活轻而易举，坚持创业需要巨大的心力。

让团队一次次重燃斗志的，是极度果断的 Fail-fast（快速失败）哲学：“如果你知道它真的要失败了，你不如就让他快速的失败掉，然后换一个新的东西去尝试。”只要在至暗时刻能迅速摸索出下一个方向，并切实感受到自己在随同最前沿技术不断进化，那种重新看到的曙光就会带来难以言喻的多巴胺刺激。

---

[49:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2940s) AGI 时代的应用创业定力：做模型的廉价工具与高效抓手

在节目的尾声，Koji 抛出了一个直击灵魂的终极问题：如果创业者坚信 AGI 终将到来、且坚信 AGI 是由底层基础大模型的自我进化而非应用层工程带来的，那此刻做应用创业的意义何在？

Jason 坚定地表示，正因为全团队都是 AI 的重度“原生”用户，每天肉身泡在全世界最顶尖工具的最前沿，反而能精准嗅出未来 6 到 12 个月内真实生态位的空缺，从而免于恐慌。石天鑫则给出了极具商业逻辑的解答：“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。”他进一步拆解道，即使未来存在一个全知全能的超级通用模型，它依然不可能违反计算与经济学规律——模型同样需要调用外部工具、同样需要获取干净高效的数据支撑。如果一个任务让通用大模型消耗 1,000 美元的 Token 暴力计算才能拿到数据，而专用基础设施能帮它以 100 美元又快又准地完成，无论是超级模型还是其背后的代理系统，都会毫无悬念地选用外部工具。为模型打造趁手的工具与数据底座，正是应用层在面对底层算力巨浪时最坚固的护城河。全场对谈在对这支经历数次转型依然充满战斗力的年轻团队的祝福声中落下帷幕。

## Notable quotes > [45:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2700s) 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它了。 — 石天鑫

> [10:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=600s) 未来 6 到 12 个月，零人公司它一定不是一个可能的场景，更需要解决的问题是如何去做支持与协同。 — Jason Zhou

> [00:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=0s) 开源在 AI 产品赛道是一个非常重要的 marketing 工具 — Jason Zhou

> [45:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2700s) 如果你知道它真的要失败了，你不如就让他快速的失败掉，然后换一个新的东西去尝试。 — Jason Zhou

> [40:00](https://www.bilibili.com/video/BV1GFJ86WEPs?t=2400s) 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。 — 石天鑫

## Mentioned Jason Zhou, 石天鑫, Koji杨远骋, Treg, SuperDesign, Coolit, Claude Code, Codex, Cursor, Relevance AI, Posea, Apollo, RocketReach, Clay, MiniMax Hailuo, 快手可灵, Ego, ChatCut, Exa, Composio, Firecrawl, Vibe Island, Orca, 金晶, Paper.design, Ghostty, WezTerm, GrokBot, Cerebras, SambaNova, Groq, Kimi, DeepSeek, Apify, DataForSEO, OpenRouter

## Video description ➤ Claude Code 和 Codex 越来越强，AI 应用创业者还能做什么？

本周「十字路口」的嘉宾是 Treg 创始人 Jason Zhou 和 Founding Engineer 石天鑫。*创业 9 个多月，从设计 Agent SuperDesign，到全自动增长 Agent，再到为 Agent 提供数据和工具的 Treg，他们接连经历了方向调整。

这期我们沿着他们三次转型的经历，聊了为什么垂直 Agent 面临着“绝境”、「0 人公司」为什么比想象中难做，为什么 AI 干了很多活却未必带来增长，也聊了 Ego、ChatCut 等围绕 Coding Agent 生长的产品，以及同时运行多个 Agent 后，人开始遇到的新瓶颈。

新的创业机会，正在 Claude Code 和 Codex 的生态里长出来。对一个创业团队来说，怎样找到值得做好的那一部分，又怎样借助模型的进步继续往前走？Treg 的故事，提供了一个正在发生的样本。

[Source](https://www.bilibili.com/video/BV1GFJ86WEPs)

中文简报

Treg放弃全自动运营Agent 转做数据市场三周创收超历史峰值通用模型升级与插件生态直接瓦解垂直Agent壁垒，零人公司全自动商业神话在一年内无法成立，初创团队唯有转型为底座模型提供高性价比数据与外部工具才能建立生存壁垒。 Treg 团队在短短 9 个多月内接连从设计 Agent（SuperDesign）、全自动增长 Agent（Kool-Aid）转型至为 Agent 提供底层数据与 API 的交易平台 Treg。对谈深入复盘了垂直前端壁垒被大模型吞噬的残酷现实，以及“0人公司全自动商业神话”在真实业务交付端的幻灭与伪命题本质。团队最终选择彻底拥抱 Coding Agent 生态，利用模型平台自带的流量与巨额 Token 补贴红利，将自身定位为数据与工具聚合的“Costco 模式”，并建立起由 Agent 自主反馈评级的数据飞轮。同时，嘉宾们分享了多 Agent 并发协同（如“大副”架构、云端沙盒）、短小 Loop 保证系统健壮性的实战经验，给出了身处 AI 大潮中的创业者应如何“快速失败”并确立不可替代性的底层思考。 Treg 团队在 9 个多月内历经三次转型，从设计 Agent SuperDesign 和全自动增长 Agent Kool-Aid，最终转向为 Coding Agent 提供底层数据与 API 市场的 Treg，上线三周收入即达历史最高单月营收的数倍。 (0:00) 团队通过数月真实业务闭环实验证伪了“0 人公司”神话：客服与 Bug 修复可高度自动化，但增长需要极高频的人类直觉与试错，全自动闭环短期内难以跑通商业交付。 (10:00) Claude Code 与 Codex 正在引发新的生态红利，终端用户和应用开发者得以享受模型厂商巨额补贴，以约 200 美元的月费撬动实际价值数千美元的算力 Token。 (25:00) 随着模型能力跃迁，周边创业机会快速收敛于 Agent 专用 Infra 与交互层（如 Exa 专用搜索、Orca 多 Session 调度、Vibe Island 状态监控等），构建面向 Agent 的数据评价与高性价比工具成为新壁垒。 (30:00)

Reading summary

Treg 创始人 Jason Zhou 与 Founding Engineer 石天鑫在对谈中指出，底层大模型能力的跃升迅速压缩了孤立垂直应用的空间，初创团队应放弃全包研发与“零人公司”的幻觉，转而依托 Claude Code 与 Codex 等主导开发者生态，通过提供中立的数据与 API 工具层构建长期价值。从孤立应用到生态转型的探索 (0:00) Treg 团队在九个月内经历了数次业务方向更迭。最初的设计 Agent“SuperDesign”借助 Cursor IDE 插件形式开源获得 6000 多个 Star，但团队转向独立网页版后发现，基础模型在前端代码生成上的代际演进直接吞噬了垂直工具的增益空间。随后团队转向主打全自动获客与规模化的增长 Agent“Coolit”，但实际交付暴露出全自动化在商业判断上的不足：常规 Agent 只能基于公开 API 抓取高竞争度的现有词库，缺乏对未爆发趋势的人类商业直觉，导致获客边际效益归零。团队通过运营自有项目验证得出结论：自动化闭环在客服支持和 Bug 修复等确定性场景表现优异，但在需要高度主观试错的业务增长端极难全盘跑通。Jason 明确表示，未来 6 到 12 个月内“零人公司”并非可行场景。真正促成业务爆发的反而是团队偶然发布的 Codex 插件，凭借早期市场的流量红利验证了顺应平台生态的巨大杠杆，促使团队将内部沉淀的中转服务层抽离，转型为数据与工具聚合平台 Treg。 Treg 的定位与以 Agent 为中心的飞轮 (20:00) Treg 定位为 Agent 生态中的“OpenRouter for Data and Tools”，旨在解决开发者调用各类第三方服务时面临的账号割裂与高额月费痛点。平台采用无月费、完全按量计费的模式，聚合了 B2B 潜客挖掘、SEO/AEO 排名追踪以及跨厂商的生图生视频端点，产品上线三周营收便达到此前产品的数倍。针对巨头自建的竞争风险，团队主打跨 Harness 的中立性，确保用户在 Claude Code 和 Codex 等底座间迁移时历史工具链不受影响，并以“Costco 模式”筛选高性价比模型与端点。更关键的转变在于产品服务对象从人类迁移至 Agent。石天鑫介绍，Treg 建立了端点反馈链路，让实际调用 API 的 Agent 对返回字段的上下文有效性与性价比进行打分评价，轻微 Bug 由系统联动 Agent 自愈，高价值需求则反馈至工程团队。这一机制让平台演化为面向 AI 的“大众点评”，通过调用方的主观反馈与客观成本构建起自主选路的数据飞轮。共生软件生态与多会话工作流重塑 (30:00) 围绕 Coding Agent 生态正在涌现出两类典型的共生形态：其一是能力扩展与交互层工具，例如为 Agent 提供搜索的 Exa、负责网页抓取与授权的 Firecrawl 和 Composio，以及通过 macOS 灵动岛提示多线程状态的 Vibe Island 和管理跨模型会话的 Orca；其二是提供“中间状态”的工具，例如视频剪辑插件 ChatCut，它暴露出可见的音轨与片段结构，使 Agent 能够执行定点微调，避免全量重新渲染带来的 Token 浪费与等待延迟。在日常工程实践中，开发模式已普遍演进为并发 5 至 10 个 Session 的混合编排。石天鑫借鉴“船长与大副”架构，由人类担任船长向核心协调 Agent（大副）布置目标，再由大副下发并监控终端内的各个编码线程，结合 GrokBot 等云端独立沙盒进行隔离测试。针对系统稳定性，团队主张采用“短小精炼”的单一职责 Loop，通过互不干扰的监控循环和安全拦截形成具备自愈能力的系统。算力补贴红利与 AGI 背景下的创业护城河 (45:00) 当前寄生大模型生态的初创团队享有显著的算力套利红利：终端开发者支付平台每月约 200 美元的订阅费用，但在高强度任务中实际调用的底层计算价值可达数千美元，巨头为争夺心智提供的补贴大幅降低了外部工具链的落地门槛。与此同时，工程师的技术重心也在发生转移，石天鑫直言写代码技能面临贬值，开发者必须从单点实现转向全栈架构与产品全局视角。面对未来超级通用模型是否会抹平应用层价值的疑问，团队认为专用工具链具备长期的经济学与计算效率优势。即使 AGI 出现，受制于资源消耗与延迟限制，超级模型依然需要依赖廉价高效的外部工具；当通用模型暴力计算需花费上千美元而专用基础设施仅需百元时，Agent 系统会自然选择调用外部工具。为模型提供干净的数据与高效的抓手，是应用层在算力浪潮下的核心立足点。本期对话表明，在基础模型疯狂内卷的背景下，AI 应用创业的重心正从构建闭门造车的独立端到端软件，转向为大模型平台提供高性价比、模块化的数据与工具支撑；但平台政策变动、接口自建风险以及多代理并发管理的复杂性，仍是该模式在演进中需持续应对的现实挑战。

Source quotes

[45:00] 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它了。 [10:00] Jason Zhou: 未来 6 到 12 个月，零人公司它一定不是一个可能的场景，更需要解决的问题是如何去做支持与协同。 [0:00] Jason Zhou: 开源在 AI 产品赛道是一个非常重要的 marketing 工具 [45:00] Jason Zhou: 如果你知道它真的要失败了，你不如就让他快速的失败掉，然后换一个新的东西去尝试。 [40:00] 石天鑫: 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。

Original transcript

[0:00] 嗨,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 engineer,Trigg是在Cloudcode和Codex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在此之前我们还是先来快完快的Jason和天心请问二位你们的年龄我是93年的现在33岁我94,32NBTI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 Codex或者搭建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那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入系统,然后当时在苹果中国短暂的做过半年多的那个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字节待了十年刚才我们一开始就提到其实咱们在Track之前这段创业虽然不到一年的时间但转行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做Super Delight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这中间转型了一次4到6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Business告诉我们我们就自动帮你去做SEO发射媒等等帮你去自动化获客这当然这中间遇到了很多血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?我们现在转型了挺多次,但每次还是学到了不少东西。一开始我们是做的那个产品叫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Github上做到了6000多Github Start哇哦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的开源在AI产品赛道是一个非常重要的marketing工具因为有了trashroom决定辞职开始创业创业第一件事情就是没有再继续走开源这个路啊这为什么呢因为那时候尤其是ID插件这个形式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 cloudcode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和cloudcode是怎么决定就不要继续做 super design 了是和前面说这个大家开始用 cloud code codex 有关吗有一定关联但最主要的关联可能是比方 [5:00] 因为模型本身它的前端能力越来越强就从GEMI 3开始所有的大厂都开始卷前端能力这又是一个模型吞噬掉应用的故事是你很难预测对吧因为之前纯粹是因为GEMI 3出来以后然后倒逼了OpenAI还有Antrofit 开始把前端给补助所以我们也在思考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的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那个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cogee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payroll在我看了而且全都payroll到AI employee这个赛道因为都是用了open cloud然后觉得这个future is coming就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月又停了呢就你说2到6月是一个魔幻的时间对吧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这个浪潮为什么到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要cool it然后做酷雷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scuffle整个project但是Posea如果观众不知道这个产品的话它是相当于一个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ide然后我选择一个以后他马上就给我Landing Page也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这个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零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然后就确实当时就很快充值让他就帮我做了对对我记得那天好像隔了两天问你充了多少钱你说又给他充了几百刀开了个什么guard mode是吧对guard 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 dodgy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它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business就已经有一个fondal但是想scale它我们是想要做这么个agent然后这个后面我才发现是Wholesale它最聪明的一点就是为什么它能够在几个月内干到十几个AR的一个原因就是它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东西但它其实真正递交结果的只有帮你setup就那部分它是做的特别好从零到一帮你把网站和工具建起来是它把从零到一那个做到就是真的丝滑到爆炸你真的用了以后你就像Koji你说的他没法给你提交结果没法帮你赚钱但是他就前面那部分做到极致的撕花这个是我们真的去做了以后才发现的因为后面你一旦真正进入业务线了 [10:00] 你就不是简单是setup binance你要去递交结果那递交结果这件事情就非常非常的所以CruLate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呢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的数据这个budget增加一些,那个budget减少一些,感觉logically非常make sense,把那个也加了,然后还有找客户,这些工作我们只能想到货客相关的都给去做了那时候也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马上它没有一个serial 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尝试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的部分所以可以举一个具体的例子吗我给你举例子去做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compact然后你去下注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keywords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就那部分我觉得就是一个例子很难去用agent完全去自己去做的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了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Postia 就假设这一定是未来一定6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玩,但是我们回去用AI的方式去运营Super Design,因为我们上一家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acquire.com有人会买了,然后会去scale的一个生意,那如果我们能够用AI来验证真的可以全自动化运营并且增长那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反而很少我们发现比如说support那边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test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个零人公司它一定不是一个可能的场景更需要解决的问题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的生态去做产品这怎么得到的这个节目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这些用户关注的你们是在什么渠道宣发的没有做任何宣罚对没有宣法让我来分析 [15:00] 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它很容易看到你的插件然后你的插件有一些吸引力的话去使用然后并且做转化然后还有个早期的点就是一个很小的一个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我们只是把我们的名字从Super Design改成了叫01Super 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倒chack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就codex跟cloud code它的现在有海量的用户但是他的体验没有很好所以围绕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Zingar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就是服务于Cloud Code Code 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Kool-Aid那时候我们做的一大堆东西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它去做真实的go to market的工作或者任何的pression工作它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因为我们需要cooler也需要给各种用户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RAMU三周就已经是我们Super Design的RAMU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里面去做的一些GoToMark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Rocket Search等等一系列的不同的vendor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找人上并且每一个数据提供商他也会也有月费的形式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endpoint去进行找客户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那这些它本来的那个收费形式就是以API然后用量去收费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其他还有比如说SEO AEO相关的我们整合基本上所有的可以找到的帮你去找那些SEO ranking还有AI visibility那些数据源然后还有可能社媒UGC相关的去做深图深视频的那些endpoint也都整合在一起 [20:00] 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条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业务工作的话它需要的一些数据都实时的他可能并不是说你这个Cloud Code Outer Box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是会把他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它其实这个数据对它本身是很重要的然后我觉得未来有可能各家的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儿然后这我们获得了一些跨平台的调用的功能如果这个成立的话为什么这个比如说价值最后是Track的而不是直接就最后最强的树域供应商会去对接这样的模型公司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Coging那边里面假设就是这个行业它就有一个头部的提供商解决最好的方案但现实中我们会发现其实不是这样的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那个找人的这个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相关呢?就是市面上的数据提供商有很多家然后他每家可能涵盖的数据平台也是不太一样的它的那个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效果都很好但是普通大众想要体验到的话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需求但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Cloudcode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吧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我们就会收到并且把它考虑加进来所以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Pack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这个API返回的数据有用还是没有用然后如果有用的话是哪个字段觉得对它起到作用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图表 [25:00] 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吧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较比较高的一个模式所以这几次转型下来你们最大的感受是什么我们最大感受就是之前在做agent的时候你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刷核然后把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然后嵌入到Cloud Code Code Code的一个生态我那天还跟UWare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 Code Code Code Code所以它是一个比较大的一个平台越前吧还是有挺多想要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啊一个是这个叫Ego它是一个浏览器但这个浏览器最大的卖点就是用Codex Cloud Code去操作它做computer use的时候效率极高然后另外一个是chat card他们发的codex的plugin就你在codex里面去解视频如果你不用chat card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chat cut的plugin它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那个super design plugin就是参考的它就是介入体验还有实用体验最伏的一种那我觉得它是不是和superdesign有一个本质的不同就是比如说我做了一个前端它毕竟是代码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它如果没有这个中间状态我改起来是非常困难的我每改一次要等10分钟20分钟才能再渲染一个新视频出来热非常多token所以就很需要有一个中间状态去改变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去修改了我仍可以给些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ChairCut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-SAN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的话我觉得是比较容易之前在Corelay的时候我理解还有一个遇到的很大的问题就是模型的成本其实是非常高的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向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CloudCode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服务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APIFY还有一家叫Data for SEOData for SEO它算是SEO数据的提供商之一然后APIFY它也是一个给API的一个market [30:00] 你可以去上面去找一些那种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是Gem9s3之后大家的强盗能力都提升了是不是Paper在中间提供的价值就变略了其实跟我们调整了以后是一样的给你提供的是一个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就是那个专为Agent做搜索的一家公司他已经做得很大了应该已经到C轮了然后就是证明了就是为Agent去做好一个搜索工具可能也是一个有很大场景的一个事情吧然后比如像Compostio或者Firecrew就是这些做工具类的就是网页抓取和帮用户做OOS授权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Azion的时代它服务的不仅仅是2B的更多是2B加上一大堆这些就是Cloud Code和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5050一半是开发者然后还有一半是就是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FireCode以后抓网页抓的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Codex跟Cloud Code的重度用户吧还有一个是叫Vibe Island它是因为大家现在在Cloud Code里面或Codex会跑很多线程然后有时候经常自己大脑就混乱了就到底哪个线程跑完了哪个线程在等着我要review有时候就是脑子乱掉脑子糊掉了所以他做的事情灵动岛给用起来每次有一个任务完成的时候它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颜的形象然后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因为它是一个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又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这是它其中一个比较大的卖点那也有就是很多用户认为它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它现在已经有8万的GitHub Star了就也是增长的非常快因为他们的用户据我所知让同时跑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的交互这可能是Codex跟Cloud Code他们的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我们创业虽然不到一年但一直在转型然后Jason也说从2月份OpenCloud出来之后感觉所有的应用创业者就纷纷在未来4个月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再做产品用Super Design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个月时间可能帮我梳理了一下对未来一些判断的确信就是哪些到底是值得做哪些是不值得做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是把这个做产品化铺出来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 [35:00] 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协同工作那个场景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的人员是自己去搭了一套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人东西更值得做哪个不值得做否则的话我感觉很有可能我们还在抵代酷了然后确定在想是不是我们这个skill做得不够好我们这个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好很多我记得就在Pose那个时候包括你们做CruLet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啊首先我很喜欢loop这个词我觉得啊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他就可能能造出来但这个显然此时是达不到的但在运营这块我觉得其实loop还是有很多踏踏实实可以做的事情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它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你但如果你作为一个创业公司比如说我们现在只有4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多得很多精力很多时候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口会更加有用比如说一个路口他就只干监控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路口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loop,它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比原来多的多尤其在Fable这些模型发了以后基本上会同时开5到10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,我也看到比如说YouTube上有一个叫昆的资深工程师的一个分享就是他做了一个叫firstmate的一个工具吧意思就是你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去聊啊然后我觉得挺有意思的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的然后比如说 [40:00] 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的重度用户就很难把我从上面给迁移出来就直到最近Astra模型出来以后我就换了换成了Codex主要是它模型确实很强像团队宣发很多时候就是会用HyperFrame那个软件去做一套宣发视频我会明显的感觉到在Astra下面它要做得好很多我有一次被震惊了我直接把一个视频给它然后它就真的one shot一比一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它那个模型甚至聪明到它在原视频里面截图并且把它裁剪到合适的样子然后在新的一个视频里面给做出来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并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了?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嘛但是然后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化我们把所有的比如Track跟SuperDN的loop我全都搬到那个Guarq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Cursor它做的最好的一点就是它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它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一去看然后在那个shaq环境里面去测试除了Fable 5.1除了Astra你们还会用Deepseek,Kimi,智朴或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做一个主模型它的设计能力还是很强然后minimax吧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绅士屏模型那个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I mean you max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这里边很火那个Jab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么拼某个场景的它的能力但Jab速度足够快并且场景非常简单他现在只有这个模型可以做到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我理解Track这个工具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System 1的直觉模型在,才可以其实做一个很好的路由。然后另一方面,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,想要去做一遍清洗真的展现给用户的时候,如果有一个直觉的模型,能一条一条的直接去对比出来。 [45:00] 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Deep Seek的一个研究员写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就一定要做什么然后义无反顾的加入了Sport 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我可能自己创业之前是一个很奇怪的那种经理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了放弃的时候吗有肯定有啊尤其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对吧反正在那时候就是我自己在Prior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方向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做一下好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是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道你觉得天都他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着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你们觉得你们是这样的人吗?A+到来模型是必要条件吧,但是到这个的路径有太多了因为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在后面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 [50:00] 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我假设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刀的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刀就能得到的话他可能会直接选择我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谢谢大家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