2026-06-28 21:00:00
原创 曲凯 2026-06-28 21:00 北京
泡沫中不能说的秘密
朱宁教授是上海交通大学上海高级金融学院金融学教授，研究领域包括行为金融学、中国宏观经济与金融市场、泡沫等。节目里，我们聊到了当下的 AI 与泡沫、底层的投资常识和方法论等话题。
本期播客原文约 24000 字，本文经过删减整理后约 8600 字。
编辑整理：陈皮
曲凯：您研究了这么多年经济和泡沫，最核心的几条认知和结论是什么？
朱宁：在任何一次泡沫和危机里，人类都会反复出现三个行为特征：
第一，人非常自信，会觉得自己有很强的预测能力、是很优秀的投资者。虽然不是股神，但好像跟巴菲特的差距也没那么大。
第二，人特别愿意进行线性外推。比如昨天股市涨了，大家就会想明天大概率还会涨。这既和我们的过度自信有关，也和人类在长期进化中的思维固化有关。所以我特别喜欢黑格尔的一句话：「人类从历史中学到的唯一教训，就是人类无法从历史中学到任何教训」。
第三，人是社会动物，有非常强烈的从众心态。很多人对市场完全不了解，但只要看到周围有足够多的人在炒股，而且赚到了钱，就会跟着参与。
所以很多人在投资过程中，并不会进行本该进行的思考、分析和学习，而是在用诺奖得主卡尼曼教授所说的「启发式思维」去决策：
我看见了什么、听到了什么、别人在做什么，我就怎么做。
曲凯：我的切身体验是，很多趋势事后看可能是泡沫，但一开始它其实是个挺好的东西，大家也认可它有价值、是大方向。中间起来以后，就开始有人质疑它是不是泡沫，然后有些人会一直观望，觉得它涨太多了。但它又一直涨。最后这些人终于觉得，再不进去就要错过了，可一进去，泡沫好像就该破了。
朱宁：这是很现实且很普遍的情况。
我在耶鲁的导师席勒教授（2013 年诺贝尔经济学奖得主）曾写过一本书叫《非理性繁荣》，讲的就是这个过程。
什么叫非理性繁荣？
泡沫只要不破，它就是非理性繁荣。等它破了，我们才管它叫泡沫。
所以研究泡沫是一个特别有趣，也特别烧脑和复杂的话题。我们永远无法事先说明，这一定是个泡沫。
那我们能做什么呢？有两点：
第一，多元配置。
人过度自信的一个表现是，如果认为自己会赚钱，就 all in，反之就什么都不买。可如果一个人在非理性繁荣的早期不愿意参与，等到了晚期发现别人都赚钱了，就会觉得自己踏空了，要把失去的时间和钱补回来。这种时候，往往就可能步入价值陷阱。
第二，不要期望赚到全世界所有的钱。
举个例子。巴菲特年轻时其实通过交易可可赚到过钱，但到了投资后期，他经常讲：全世界一定有人靠炒可可期货赚钱，但那不是我的投资风格。我仍然希望找到好的价值公司，长期持有。
但很多投资者都没有这样的认知。也恰恰是在这种想赚所有钱的贪婪里，人更容易犯错误。不但赚不到大钱，还有可能亏大钱。
所以现在很多朋友问我 AI 股票还能不能买。我经常跟他们讲，这就不是正确的问题。更重要的问题是：如果你买了 AI 股票，多赚的钱对你有什么意义？如果亏了钱，对你会不会有冲击？
曲凯：您刚才讲巴菲特，我想起来他还讲过另一句话，大概意思是大家总是太着急赚快钱，不接受慢慢变富，所以总想找一个地方 all in。
朱宁：对。其实巴菲特和查理·芒格创业时，还有第三个人李克·盖林。这个人跟他们一样聪明，只不过巴菲特和芒格愿意慢慢变富，而李克·盖林总想一天吃成胖子。结果在 70 年代，李克·盖林为了加杠杆、筹措流动性，把自己的股份廉价卖给了巴菲特，一定程度上也成就了巴菲特后来的财富。
很多时候你必须意识到，长期来看，短期多赚 5 个点、10 个点并没有那么重要。更重要的是不要出现重大回撤、能够长期保持正确的投资理念。
能够预测短期涨跌的人是凤毛麟角。如果你真有这个本事，根本不用来投资，直接去买彩票就好了。
所以对一般投资者来说，巴菲特分享过一个经验：投资不是先想能赚多少钱，而是想最坏的情况发生时会不会亏钱。「守住底线、不亏钱」，也是他能长期借助美国经济和股市赚到这么多钱的重要原因。
曲凯：那大家经常说巴菲特最厉害，但如果他不是生活在过去几十年的美国，而是生活在其他地方，会怎么样？
朱宁：这是个很深刻的问题。我曾经问过席勒教授：关于经济和投资，你最想知道答案的问题是什么？
他说他很想知道，在投资成功的过程中，到底运气和能力各占多大比例。换句话讲，多大程度上是趋势，也就是我们说的 β；多大程度上是能力，也就是 α。
我个人觉得，β 是不可或缺的，甚至可能更重要。如果必须在能力和运气之间挑一个，我一定会挑运气。
巴菲特自己也在很多场合公开讲过，他和查理·芒格能取得今天的成绩，最重要的原因之一，是中了「卵巢红利」：生在美国，是白人，获得了教育，而且赶上了美国经济增长的红利。
但这不意味着能力就不重要了。不然出生在美国那个时代的人有很多，为什么就巴菲特成了首富？
所以我们也经常讲，你永远没法赚认知以外的钱。就算有人运气好，但通过运气赚的钱，以后也可能会加倍还回去。
很典型的例子就是《股票作手回忆录》（讲述交易成败与人性弱点的经典投资读物）中利弗莫尔的故事。他在 1929 年通过做空市场赚得钵满盆满，但后来越来越自信，进一步加大杠杆，几年后再次做空时爆仓，最后终结了自己的生命。
所以我们一定不要低估大势、时代和趋势的影响，但这也不意味着我们就可以躺平、觉得靠着大时代就够了。在整个大潮之下，个体的思考能力、对金融的了解、对趋势的判断，仍然会对投资业绩和事业成功产生很大影响。
曲凯：我记得有一位美国教授做过研究，说在经济不好和经济好的时候毕业，应届生后来的平均财务水平会有很大差异。在经济差的时候毕业的人，不管多强，平均来看，事业发展可能都赶不上经济好的时候毕业的人。所以时代和命运确实很大程度上决定了一代人。
我自己还有一个感觉：人一辈子总会经历几波大的浪潮。一个人刚毕业时，可能会赶上一波浪潮，但还没什么积累和认知，只是身处其中。到第二波浪潮时，一些比较优秀、有认知的人可能已经有意识了，但因为是第一次亲自经历，还是不太敢决策。直到第三波时，这些人有了前两波的经验，才能比较好地抓住大的机会。
朱宁：我大体认同你的看法。你刚才讲的研究我也读过，是斯坦福一位研究劳动经济学的教授做的一系列研究之一。他还研究过是什么造就了一个成功的投资银行家，发现那些在波谷、低峰时加入华尔街的人，长期来看，反而可能在华尔街的事业发展会比较成功。
原因有三个。第一，在市场不好的时候还选择进入华尔街，说明 ta 真的喜欢这个行业。第二，这时候还能进得去，说明 ta 能力很出色。第三，ta 进去以后，如果等来一个大的浪潮，就可能一下子赚够。
再回到你说的那几波浪潮。不只金融从业者，很多人都会经历类似的过程，包括我自己。我 1997 年去北美留学，经历了 1997、1998 年的互联网泡沫；2008 年全球金融危机时，我作为雷曼兄弟的高管，也经历了雷曼的波峰和最后破产；过去 10 年在国内，又赶上了房地产这波泡沫。
不过我个人对于投资和财富的理解，也在这个过程里逐渐深化了。
所以我也经常跟更年轻的朋友分享，理财这件事一定要尽早开始。即使一开始没赚钱，你收获的经验和能力，某一天也会变成钱。而且人总要花一些时间去理解钱是怎么赚来的、怎么亏出去的。
巴菲特 95% 的财富都是在 65 岁以后赚到的。一方面是因为那时他的原始资本更多，另一方面是因为他对投资的理解进一步深化了，能够把钱投得更好。
曲凯：我也特别同意尽早投资这个事。我最大的一个理由，就是你年轻时一个月可能只能赚 5000 块钱，那亏 1000 块钱就会让你心疼得不得了。这 1000 块钱，可能能让你体验到以后要亏很多钱才能学到的东西。
朱宁：这是个很好的点。这确实是一种降低学习成本的方式。
曲凯：对，还有一个大家常说的点，就是很多伟大的公司都是在市场特别不好的时候成长起来的。因为市场很好的时候，人们很难清醒地意识到自己赚的是什么钱。就是大家都在电梯里做不同的动作，最后上上下下，其实可能是电梯自己在上下。
朱宁：没错。其实散户往往会在牛市里明显跑输大盘。熊市里市场不好，大家都比较谨慎，反而不会犯特别大的错误。
曲凯：但大家总有一个想法叫「这次不一样」。到底该怎么判断这一次是不是真的不一样？
朱宁：之所以会出现泡沫的最重要的原因之一，就是大家不信邪，都相信这一次不一样。从 17 世纪的郁金香泡沫，到几年前国内的房地产泡沫，皆是如此。
但投资中最可怕的四个字，就是「This time is different」。
你相信这次不一样很可怕；你相信它没有变得不一样，其实也很可怕。因为未来是不可知的，无论相信哪一种，都有概率犯错。
如果非要说，我认为每一次都没有太多不一样，但在发展过程中肯定又有一些不一样。不过，这种不一样是不是足够改变整个估值体系，或者改变人的行为？我个人是持保留态度的。
那如果不可能判断这次是不是不一样，人还能怎么做？
就是思考和调整自己能冒多大的风险。
我们总是花太多时间思考自己的判断是否正确，却很少思考：对应这个判断，我应该投入多少资金，承担多大风险。
曲凯：道理都懂，但一个普通人可能资产没那么多，却想赚更多的钱，那应不应该冒更高风险去搏一搏？
朱宁：想多赚钱无可厚非。年轻时反而是一个人对一夜暴富最有欲望的时候，但我有两个建议：
第一，你要知道自己的风险偏好是什么。如果你有本事每次都梭哈，并且亏光了不沮丧，还能重新开始，那你当然可以靠这种承担风险的能力去赚钱。
但很多人是想冒险赚大钱，却没有承担风险的能力或者意愿。
我经常讲，赚钱是为了生活，生活不是为了赚钱。如果你亏钱以后，整个生活质量都被拉低很多，那这个钱就不要去赚。
第二，人有两种赚钱的方式，一种是财务投资，一种是人力资本投资。前者可能来钱快，但风险更大；后者会慢一些，但确定性更高，也可能帮助你成为一个更好的人、提升整个人生的质量。
这两者不可偏废。不过我们作为教授总会相对保守一点，特别不愿意看到有人去梭哈，结果运气又差了一点，因为这可能会对一个人的长期规划和发展造成很大的负面影响。
不过二级市场有一个好处，就是你可以决定投多还是投少，也有很多配置选择，没必要让自己每次都做出那个绝对正确的判断。
曲凯：明白。我们再回到泡沫。有没有一些方法，能让我们识别出现在是在泡沫或者趋势的哪个阶段？
朱宁：前美联储主席、诺贝尔经济学奖得主伯南克说过：大萧条是宏观经济学的圣杯。我认为，如何预判泡沫见顶，就是行为金融学的圣杯（笑）。
曲凯：这点很有意思。我之前听过人说，做二级市场的人里面，有一派特别理性，会把数字和业务研究到极致；另一派则会把人研究到极致。所以您是觉得，泡沫更多是和「研究人」相关？
朱宁：我可能不会定义得这么窄。
泡沫一定是我们行为经济学研究的重要内容。我们至少会认可，人会犯错误、会有情绪、资产价格可能会严重偏离基本面价值。
但我们研究时也会尝试用各种量化的方式。比如，其中有一种方式对我挺有启发，是研究价格上涨的斜率。
为什么斜率很重要？
因为斜率能看出资金的消耗情况。假设市场上的资金有限，如果某件事涨得太快、太猛，就很可能不可持续，因为它消耗的资金太大。
这也是为什么在我的观察里，2008 年之后泡沫不是变少了，而是变多了。因为量化宽松以后，市场上的钱太多了。而且在低利率时代，安全资产收益率太低，大家就会被迫冒风险、被迫投机、被迫加杠杆。在这个过程中，会有大量资金的重新配置。所以如果说这一次有什么不一样，这可能是一种不一样。
那再回到如何判断市场见顶的问题。我在 2015 年股灾时曾经写过一篇文章，叫《泡沫中不能说的秘密》。
泡沫中不能说什么？
不能说什么时候见顶。
你一说什么时候见顶，它就一定到不了顶。
用博弈论的想法看，你永远无法在泡沫里预测顶端，因为总有人革命意志不坚定，还没到顶就先撤了。但泡沫之所以存在，一定是因为有人相信它不是泡沫。只要还有人相信它不是泡沫，泡沫很可能就还不会见顶。
我经常讲一个例子。2000 年三四月份，美国有个很成功的对冲基金老虎基金清了盘。它的创始人在此前一两年里一直做空纳斯达克和互联网，因为他觉得这个东西绝对不靠谱。但他一直做空，市场却一直涨，直到他被市场压垮，说我不干了。结果他前脚清盘，过了一两个月，纳斯达克就见顶了。
所以泡沫要见顶的一个近期信号，就是「空翻多」。当所有认为这是泡沫的人，都承认「这可能不是泡沫吧，我也得买一点吧」，反而可能是让泡沫破裂的最后一棒。
而长期信号，就是很经典的那个例子：当乞丐、擦鞋匠和美甲师都告诉你如何通过股市赚钱时，市场就离见顶不远了。
曲凯：现在的版本就是，当小红书里大家都在说什么事时，可能就已经快见顶了（笑）。
那一个人所在的圈层和最终收益结果有什么关系吗？
朱宁：我觉得有很大关系，尤其是对一般小白和散户投资者来说。
因为我曾经在北美做过一系列研究，发现大量个人投资者或者散户，主要信息来源既不是研报，也不是调研和走访，而是身边的朋友。
而你在哪个圈层，决定了两个问题：
第一，你是不是能听到一些新的趋势、未来的发展方向，甚至是很基础的知识，比如投资怎么赚钱、泡沫是什么。
第二，你什么时候能听到这些消息。信息有瀑布效应。拿 AI 来举例，最核心圈层可能三年前就知道 AI 很有前景，早早布局；PE 圈层可能两年前已经介入；二级市场的机构投资者可能去年入场。但很多散户可能现在才听说 AI 和光模块很重要。此时，这些板块可能已经被前面的投资者透支了。早期投资者的配置成本低，没什么好怕的；对后知后觉的散户来说，当你听到这个消息时，全世界其他人也已经听到了。你再介入，就容易变成接盘的人。
所以我也经常跟散户讲，圈层不只决定你的知识和能力，也决定你在和谁为伍、和谁竞争。
席勒教授给我《投资者的朋友》那本书的序言中，有一句话特别好：
投资是一项反人性的活动，也是一项竞争性的活动。
如果你觉得自己能赚钱，那你有没有想过这个钱是从谁身上赚来的？巴菲特也说过，如果你进了一个牌桌，坐下玩了一会儿，还没发现桌上谁是那个傻瓜，那你就是那个傻瓜。
所以大家很多时候要想一想，是你知道得更多，还是和你在二级市场里同场竞技的人知道得更多。如果在你的圈层里，你都不一定是信息最完备、投资能力最强、判断最准确的人，你怎么去和专业投资者、机构投资者竞争？
曲凯：但 AI 来了以后，套用一下刚才的话：这次会不会不一样？因为现在很多人会跟 AI 聊天来获取信息、让 AI 帮忙分析股票。所以信息差是不是越来越少，散户和个人的参与度会越来越高？
朱宁：绝对会。AI 确实是特别伟大的技术，它在很多地方实现了信息甚至能力的平权。
但我觉得未来散户可能会越来越多地通过 ETF、指数基金来参与市场。这也是现在在中美都能看到的趋势。如果你仍然停留在个股投资，大家会看到，从年初到现在，下跌的股票比上涨的股票还要多。但指数仍然在上涨，美股尤其明显。
最终，指数、ETF 和机构可能会更快地占据市场。
这是因为，虽然 AI 能让个人拥有更强的投资能力，但它也会带来两种幻觉：一方面是大模型自身的幻觉，另一方面是散户的幻觉。大家会觉得自己有了 AI，就能和机构拉平，但事实上机构仍然有更多专业优势，而且个人比机构更容易犯错误。
曲凯：明白。那这两年，我们实际感受到的各种迭代和变化都越来越快，很多人也在讲价值投资是不是失效了，就大家不讲长期主义了、只看眼前半年的事情。我不知道您有没有发现这个趋势？
朱宁：绝对有。别说我了，可能巴菲特都觉得有。
曲凯：所以他退休了是吧（笑）。
朱宁：哈哈哈，不过我们也要看怎样界定价值投资。如果你把价值投资定义为「用低于企业价值的价格买入企业股票」，并且有像巴菲特那样的耐心和资金长期持有，那肯定没错。
但这里有两个需要注意的地方：
第一，你怎么定义自己有没有赚钱。
第二，你用多长的时间维度衡量有没有赚到钱。如果用 2 年的维度评价巴菲特，他很多时候都是跑输大盘的。拉长到 60 年，他才成为一个传奇。
所以我个人觉得，价值投资本身并没有消亡，也没有失效。
大家不要忘记，1998 年到 2000 年互联网泡沫，以及 2008 年全球金融危机发生时，巴菲特的价值投资都在被人嘲笑。但至少这两次事后都证明，长期、耐心、价值的投资理念笑到了最后，也笑得更好。
曲凯：明白。那我们聊了很多经济和泡沫，也聊到了 AI、互联网这样的具体行业。但最后，很多东西似乎还是取决于最底层的一两个政策？比如加息、降息。那宏观经济、国家政策，和 AI 这样的大资产类别或者整体叙事之间，到底是什么关系？它们会如何决定不同领域的走势？
朱宁：这是一个特别及时，也特别重要、特别干货的问题。
受咱们之前讨论的启发，我觉得这个问题有点像长期趋势和短期波动之间的关系。
历史学家尼尔·弗格森做过一系列「反事实」历史研究，就是看如果没有发生某件事，历史是不是还会重演。大致结论是，历史仍然会按照自己的方向和步伐行进。一个很重要的原因是，政策很多时候反映的就是当时的经济现实或者社会心态。
所以从这个角度来说，我认为该来的还是会来。我相信市场有非常强的生命力。政策或许可以熨平很多短期周期，但很难改变长期趋势。这和人性、人的行为还是有很大关系。
举个例子，联储的政策可以在 2000 年互联网泡沫崩盘后，迅速把美国经济从冲击中拉出来。
但结果是什么？
就像经济学家批评的，最后它又吹出了一个房地产泡沫，来给互联网泡沫买单。现在可能又是为了给房地产泡沫买单，吹出新一轮 AI 泡沫。
所以我从去年就在讲，在联储不出台特别极端政策的情况下，我个人认为美股的估值水平很难维系下去。当然，这个过程可能会持续很长。到今年，整个纳斯达克才不再上涨，但「七姐妹」还在涨。所以社会心态，或者说席勒教授讲的「叙事经济学」，还是非常重要。
目前为止，AI 基本上填满了科技泡沫该有的所有选项。而且它还有一点特别吸引人：确实赚钱。所以它在可持续性上又向前走了一步。
但赚钱和它是否配得上当前的估值，是两个完全不同的概念。所以联储的利率水平或者资金的紧张程度，确实有可能成为压垮骆驼的最后一根稻草。
曲凯：我补充一下，现在大家说 AI 赚钱，是指 Anthropic、OpenAI 这些大模型公司赚钱。但由此也产生了另一个担忧，就是使用这些模型的人，好像还没有很明确地赚到钱。
然后说起叙事，我想到一级市场的叙事也总是此起彼伏。一个市场冷下来时，不知道从哪里又会蹦出一个新东西，然后大家迅速围绕它形成共识、展开投资。
比如，几年前大家还觉得具身智能不太靠谱，但慢慢形成共识后，它就拿到了特别多的钱。当它拿到足够多的钱时，这些资金有可能让一个原本没那么靠谱的东西，也变得靠谱起来。
我不知道您在研究中有没有遇到过这种现象？资产和叙事之间到底是什么关系？
朱宁：叙事当然特别有价值。它会调动资本，也会调动人的能动性，改变资源配置。前者无疑会加速投资周期和新技术的进步。后者也特别重要。一个很有说服力的指标，就是清华这类学校里学生的专业选择。
但我仍然相信，技术是第一性的。叙事更多是推波助澜，而不是无中生有。你可以给大树多施肥、多浇水，让它长得比过去快一些，但不可能让它长到天上去。
比如，我对具身机器人就有所保留。我有时会想，人并不是因为长成人的样子，才统治了世界。那为什么具身机器人一定要长得像人？
再比如，如果一种新技术完全没有前景，即使有叙事，也可能像 10 年前的 O2O 一样，昙花一现就过去了。
不过，AI 无论从技术、应用还是社会层面，确实都能看到进步。
曲凯：是。那我们聊了这么多，最后该怎么给泡沫下定义？是不是一定要等它破了，回头看才知道是泡沫？还是说，只要符合一些标准，我们就可以认为它是泡沫？
朱宁：泡沫的发生，有四个必要但不充分的条件：
第一，有新概念、新产品、新技术。没有泡沫发生在大家已经非常熟悉的事情上。从这个角度看，泡沫也不可避免，因为总会有新事物诞生。
第二，有非常宽松的流动性，市场上有很多钱。
第三，有政府支持。
第四，有缺乏经验的投资者或者年轻投资者进场。恰恰是年轻投资者更能看到技术未来的潜力，也更愿意用真金白银去投资。
不过，虽然泡沫往往会伴随这四个条件，但并不是每一次这些条件凑齐以后，泡沫都会破裂。
比如六七十年代电子管、晶体管那一轮，过程中也有波动，但整体仍在上涨，直到 70 年代初中东原油危机爆发，整个市场才出现较大调整。即便如此，它也没有出现互联网泡沫那种腰斩，甚至跌掉三分之二的情况。
所以与其想泡沫明天会不会破，不如想：在现在这个阶段，我正确的投资决策和选择应该是什么。
曲凯：所以跌多少算是泡沫？
朱宁：我个人觉得跌 40%、50% 就算是泡沫了。
曲凯：那您见过这么多经济周期和个人财富的变化后，有没有形成一些不一样的财富观和人生观？
朱宁：我有几点可以分享。
第一，财富只是人生的一部分。还是回到前面讲的，人挣钱是为了活着，但活着不是为了挣钱。
第二，钱也是一种责任，未必越多越好，也未必每个人都能驾驭。就像《蜘蛛侠》里的那句话：能力越大，责任越大。以我对一些成功人士的近距离观察来看，我们有的挑战和困惑，他们可能都有；他们还有很多我们没有的挑战和困惑。
第三，财富有点像魔戒，会找到它认为应该拥有它的人。心理学家跟踪过中了六合彩、大乐透的家庭和居民，结果非常一致：中彩票不但没有提升这些人的生活质量，反而给他们的生活带来了很多挑战、问题和麻烦。
所以有时候与其追求财富，不如提升自我，更好地与财富和解，也更好地享受生活。
曲凯：最后我想问，您会接触很多不同的人，其中有很有钱的人，也有很多学生。不知道您有没有观察过，这些人里哪些人更开心？当然这可能很难量化。
朱宁：行为经济学的开山鼻祖卡尼曼教授说过一句对我很有影响的话：
我们每个人讲起幸福时，其实是在讲两个不同的概念。一种幸福，是你当时是否幸福；另一种幸福，是你回忆起来，在记忆里是否幸福。
这两者很多时候非常不同，甚至可能相互矛盾。所以评价谁更幸福，确实非常困难。千万不要把自己和别人比较。每个人都有不同的背景、基因、价值观和爱好，每个人的人生都是一段非常独特而宝贵的旅程，把自己的旅程过好，就够了。
42章经
思考事物本质
2026-06-28 21:00:00
原创 曲凯 2026-06-28 21:00 北京
到底该怎么做好组织建设？
AI 时代的组织建设，一直是个很热、也很重要的话题。
到底该怎么理解组织建设？围绕组织，最重要的环节和话题是什么、有什么方法论？现在公司到底需要什么样的人、怎样找到并招到这些人？AI 介入之后，人与业务该怎样重新分工、一起运转？创业公司能不能从大厂的组织建设中学到什么？
在最近一期播客中，我们邀请了互联网行业资深人力资源专家及 AI 产品经理魏小康，聊了聊他对组织建设和招聘的系统思考。
小康曾创办互联网猎头公司 Offercome。2017 年，公司被字节收购，他随后加入字节，担任招聘负责人，并在 2020 年加入美团，担任招聘负责人和 AI 产品经理，目前正在创业，做一款 AI 招聘产品。
播客中，我们聊出了一套 AI 时代组织建设的框架，但还有很多问题可以讲得更细、更透。所以我们会邀请小康在北京做一场线下分享，和大家一起交流探讨。
具体报名信息请见上方海报。活动时间为北京时间 7 月 4 日（周六）下午 14:30，线下进行，免费参加。本次活动限 50 人（非投资行业），我们会优先通过回答更认真、跟我们背景更匹配的朋友，具体通过情况请以工作人员通知为准。
期待和大家认识 & 交流！
2026-05-31 21:00:00
原创 曲凯 2026-05-31 21:00 北京
创业不能用太多左脑，而是要用心。
本期播客原文约 25000 字，本文经过删减整理后约 8000 字。
编辑整理：陈皮
曲凯：梦琪创业这一年，其实走完了很多 AI 软件创业者这几年的典型流程：
字节背景，一个梦幻团队，讲一个当下 AI 里很流行的故事，融几轮钱，然后随着技术和热点变化 pivot。当然，也和大家一样遇到了今天这个软件行业的低点。
但现在的低点和 23、24 年还不太一样。那时候是整个市场都冷，但现在具身、AI 硬件都很热，反而软件创业者会更难受。
梦琪：你一上来就有点把我架在火上烤哈哈。但软件行业现在确实挺惨。
其实去年 5 月之后能融到大钱的软件创始人，都应该给 Manus 磕一个，因为是 Manus 让 Agent 在国内变成了一个热门标的。不过那一批做 Agent 的公司，很多都和 SaaS 没有本质区别，最后都是服务企业客户，只是靠着 Agent 这个概念，拿更多钱和更高估值。
曲凯：所以你后面也开始感受到，软件创业很难回答差异化的问题？
梦琪：对。我大概在今年二三月份的时候有点扛不住了，因为我回答不了几个问题：
你跟 Claude Code 的区别是什么？如果 Claude 来做你这个事，甚至 Claude 生态里某个人突然想做你这个事，写个 skill 就把这件事做了，你怎么办？
所以我那时候一度觉得，自己做软件真是脑子进水了。。
曲凯：这里面一个核心变量，还是 AI coding 起来了？
梦琪：是。Coding 变强这件事是指数级发生的，那种推背感特别强。所以我也替这个行业的创业者，包括我自己挽个尊哈哈：确实没人能预料到模型会变得这么强。
但我也想讲一个相反的逻辑。
虽然今天很多创业者都会被质疑：谁谁谁用什么工具、多快就能把你这个东西做出来。但你真的回头看，过去这一年里，真正可用的产品可能不到 10%。你看 Manus 刚出来的时候，很多人都说它就是个套壳。但到今天，这个赛道也就跑出了 Manus 和 Genspark。
曲凯：对，这也是我想问的：如果 AI 这么强了，为什么过去一年，甚至过去三年里，真正跑出来的产品还是非常少？
梦琪：因为大部分产品都没有体验可言。
我用了很多产品，会觉得这个行业里诈骗公司特别多。它们讲的和实际 deliver 的价值往往不匹配。而那些火起来的产品，就真的该火。倒不是因为它们的 idea 有多特别，而是人家真的能 deliver 自己承诺的价值。
我之前有一个比较悲观的判断：未来就是全明牌，没有一个 idea 是你能想到、我想不到的。但我乐观的部分是，每个赛道都有机会，因为每个赛道里都可能会有一家真的在乎体验、真的会做产品的公司出来。不过，可能还是比较难做出差异化。
曲凯：如果现在有很多可用的产品，才需要讨论差异化吧。现在实际情况是能用的产品就没那么多。
所以你们这一年也 pivot 过好几次。你们一开始定的方向，为什么最后没有做出来？为什么要转型？
梦琪：我们一开始想做一个垂直 Sourcing Agent，比如帮品牌找达人。这个过程中我们做了几大决策，当时觉得太自洽、太英明神武了，但现在回头看，基本都是错的。
第一个错误，是选错了场景。
我们当时认为 Sourcing 是一个比较能泛化、场景迁移程度比较高的场景。如果能把达人找明白，那之后或许也可以找明白候选人、专家，甚至客户。
曲凯：我听到这里有个很深的感触。你刚才提到差异化，我觉得现在没有差异化的不是产品，是叙事。
很多人今天跟我讲要做一个什么事情，我都会觉得这件事已经听了好几年了（笑）。比如 Sourcing 过去几年就一直有人在讲，但还没有特别好的产品。
梦琪：对。而且我会觉得单靠 Sourcing 这个场景是喂不饱公司的，需要拓展。因为 Sourcing 可能只占这个行业用户工作的 30%。等于你是在一个巨大的价值链条上，选了一个对 AI 来说的 low-hanging fruit。真正最浪费时间和人力的，是后面来回来去沟通的过程。而我们的产品却跳过了这部分。
曲凯：你说单做 Sourcing 场景喂不饱公司，是从融资叙事角度，还是从挣钱角度？
梦琪：挣钱。
曲凯：但如果这个市场很大，你们当时体量又很小，为什么不能先把某个事情做到足够好？
梦琪：因为我们当时对 Sourcing 这个场景已经比较悲观了。这件事的百分之七八十都取决于数据质量，可我们没有这些数据，还得从 SaaS 公司接 API。
曲凯：所以你说要拓展，潜台词就是你觉得当时的方向已经不对了？那纯理性讲，那个时候是不是应该完全放弃这件事，去做新的东西？
梦琪：这是个非常有趣的思维实验。
站在那个时间点，我们确实发现 Sourcing 这个场景的价值点不够，但觉得这是强度问题，不是能不能做的问题。
所以我们思考了要怎么加强度。有两个选择：一个是纵着打，把达人营销这个增长场景打深，往全链路做；二是横着走，既然能找达人，那就也去找候选人、客户。
我们最后选择了前者。这是当时做对的一个决策。也不能所有决策都错，要不也太惨了哈哈。
这个决策的思路很简单。就好比我现在掌握了面粉和鸡蛋两个原材料，拿这些材料既能做大饼加鸡蛋，也能做意大利面。但现实里没有人会同时来你的店里说，给我一份大饼加鸡蛋，再给我一份意大利面。
也就是说，找人这种场景非常难 cross sell。很难有人一上来就同时有找用户、找客户、找达人、找候选人的需求。
所以我们决定把增长这个场景做深，过程中也交付了几个大家耳熟能详的大客户。
但做到去年 12 月份，我非常清晰地感受到，垂直 Agent 可能就不成立。这也是我们犯的第二个错误。
一开始选择做垂直 Agent，是因为通用赛道太拥挤了，恨不得有几十家公司都想做出 Manus。我们不想加入混战。
但后面我发现，垂类 Agent 都有两个结构性困局：
第一，垂直 Agent 公司在一定阶段，都会被迫成为一个 agency。因为你的客户本来不用你的产品，但你又想挣钱，那最后就变成你要出一个人去服务他们。
我甚至看到过更极端的案例，就有些公司虽然做出了一个垂直 Agent 产品，但这个产品连他们自己都不用。这个产品做出来，只是给投资人看的一个景。真正挣钱还是靠服务。
第二个困局是，说破大天，垂直 Agent 还是一个 toB 业务。而今天在中国做 toB，本来就非常难。在海外做，华人的天花板也非常明显。
意识到这两个困局之后，我特别焦虑，跑到旧金山待了两个多月。我特别想知道，是我想象力匮乏、能力不够，所以垂直 Agent 没做成，还是这件事本身就不成立？结果我去聊了那边各种各样的垂直 Agent 公司，发现大家的困境都挺像。
曲凯：不过美国的好处是，它本来 toB 和 SaaS 就能赚钱，应该还是能拿到订单的？
梦琪：但这次我彻底对美国创业生态祛魅了哈哈。那边有很多骚操作。比如，可能会有十家公司相互充流水。你给我 5 万，我给 ta 5 万，ta 再给你 5 万，最后形成一个很复杂的机制，审计是审不出来的。
当然我们没参与啊，就还是要尽可能维持自己的道德标准。
曲凯：但如果你真的能混进那个圈子，目标就是融资，可能会融得不错？因为 PPT 上可能会多几个美国头部 SaaS 公司客户（笑）。
梦琪：所以如果创业是服务虚荣心，突然就会变成一件非常简单的事。因为目标函数很清晰，约束条件基本没有。但如果你追求的是自己内心承认「我干得真好」，反而是比较难的。
然后我们犯过的第三个错误，就是过度服务专业用户。
在这种产品里，有两类人会给你反馈。
一类是创始人。他们要给自己的产品做增长，所以会来用你的产品、提需求，但他们不专职做这件事。另一类是公司里专门负责达人营销的人，我们管这类人叫专业用户。
这两类人提的需求完全不一样。创始人更在意结果，不想管中间那么多过程；专业用户更倾向于微操，希望自己确认、定义指标、筛选。
我们选择服务专业用户，是因为当时很流行一个概念，叫蒸馏专家的经验和知识，也就是把一些高认知能力浓缩进产品，再把产品卖给非专业用户。
但如果过度服务专业用户，本质上就是在给专业用户做工具，最后你做的其实还是 SaaS。
举个例子。你问一个专业剪辑师需要什么样的 Agent，ta 会一直给你提需求，直到你长得跟剪映差不多。
所以这个产品做到后面，我觉得完蛋了。创了半天业，结果做出的产品，就是这个行业里 8 年前 SaaS 公司的样子。
于是我们决定转型，而且要从 toB 改成 toC。
曲凯：为什么要放弃 toB？
梦琪：第一，如果做 toB，我就不应该创业，也不应该融资。因为我以前做过几年 toB，有一些积累，其实不融资也能做起来。
第二，对我个人来说，toB 也不值得创业。创业应该追求一个比较高赔率的事，但 toB 对我来说没有那么令人兴奋。它完全是一个我知道自己能做好，然后逻辑驱动、机会驱动出来的事，不是那种「老娘今天就干这事了，不干这事我得难受死」的事情。
第三，toB 业务不太能吃到新模型能力跃迁的红利，顶多是提升内部开发效率。但你真的有 10 倍、20 倍地把某个问题解决好吗？没有。这就很痛苦。
而且那会我觉得自己天天盘概念和逻辑，被一些概念带偏了，却没有用心感受自己到底想做什么。
曲凯：我记得你刚开始创业时，RL 特别火，你们好像也找过做 RL、算法的人。所以你是怎么从讲一个很新的故事，最后一步步做到一个听起来像传统 SaaS 的事情的？这是一个「堕落」的过程吗？
梦琪：首先，很多一开始的决策，就不是基于真正的市场需求，也不是基于你想做什么事，而是基于虚荣心、追风口、装 B。
虽然我们当时讲 RL 的故事讲得还挺溜，但其实是被市场和投资人给 RL 了哈哈。包括招这些人，也是为了显示自己有能力把这些人招来。
我这里也下一个暴论：大部分纯应用创业公司就不该招任何算法，快放人家去训模型吧。留人家在你这里，纯属是为了给投资人展示一个豪华团队，多融点钱。
第二，性感的逻辑落地的时候可能就不性感。
比如我们当时的逻辑是，增长比较容易做 RL，因为它有很清晰的反馈信号。但现在这听起来就很可笑。
创业公司做个毛线的训练？就算你有这样的数据，也确实能训，但你训 vs. 基模厂商随便改一改，很明显后者能带来的效益大多了。
所以刚拿到融资的时候，都是创始人的愚昧之巅。
你会觉得自己讲得太好了，怎么这么聪明，怎么这么能拽概念，怎么这么能总结。但真正做了事以后才会发现，落地是如此恶心，细节是如此多，你就得一个个交付，一个个去干。
总之我们意识到了各种问题，然后开始转型。不过我们在彻底停掉 toB 产品之前，已经在做一些 C 端尝试了。我希望能慢慢来，有一个过渡，保护好团队的士气和信心，因为这是不可再生之物，不能一次又一次地消耗。
但没想到，我们很快就跑出了一个 C 端产品，叫 tryclico。
它是一个浏览器插件，只解决一个问题：大家浏览器会开一堆 tab，工作时要一直切，找不到信息。
后面我们也加了一些能力，比如它能跟随你的光标，你能随时唤起它，让它帮你写各种东西。
以及后来我们发现，大家电脑上不只会开浏览器，还有 Lark、Slack 等各种窗口，所以很自然地又会想，是不是应该扩大产品的行动范围，做成一个桌面客户端。
也是在做这个客户端的过程中，我对软件反而更有敬畏心，也没那么焦虑了。
大家都说现在 AI coding 很强，做一个产品特别快。但我现在对这种言论都嗤之以鼻。
就这么一个听起来蛮简单的客户端产品，我们已经做了三个月。截止到录音前，已经做到第 49 版了。
软件是由上万个细节组成的，你得一点点把那上万颗屎吃掉。你多吃一个，用户体验就好一点。
其实我做现在这个产品时，被气哭过好几次。它真的太难做了，要适配不同版本、不同型号，非常多细节调不明白。
我记得有一次，我在 Palo Alto 的 Blue Bottle 调产品，没调出来，当时气得捶了两下桌子，震到了隔壁桌。结果他们说，能让你这么情绪化的产品，一定是个好玩的东西哈哈。
好在到现在，这个产品虽然还有一些 bug，但它已经是目前我看到的客户端产品里非常稳定、可用的一个产品了，给了我很多信心。
所以我们从 B 转 C 的过程还比较幸运。其实我们的组织本来就更适合做 toC，因为我们同学都挺刚烈的，可能会在群里跟客户抬杠（笑）。但做 toB 不能这样，被包养就不要谈独立人格。
然后在转型做 C 端的过程中，我还有几个收获。
第一，toC 要想挣钱，大概有两个方向：一是大 R 模式，二是健身房模式。
所谓大 R 模式，就是你找一批 ARPU 特别高、token 消耗量非常大的用户，比如一个月能在你这消耗 5 万美金的人，然后把他们维护好。这种方式本质上就是做 token 生意。你不需要特别多用户，可能一两万就够吃了。Lovable 就是这种模式。
而健身房模式，就是用户给你订阅费，但你赌 ta 不用你，或者赌 ta 的 token 用不满，然后赚一些差价。但在高竞争情况下，这种方式很难留下特别高的毛利，也很难有特别好看的净利润。
第二的收获是，对 C 端产品来说，只要你能缩短用户意图和解决方案之间的距离，就有价值。而要做的重中之重是体验。
就像现在大模型已经这么强了，很多人还是会用翻译插件，就是因为它解决的是一个非常明确的意图。而只要你的产品体验比直接用 ChatGPT 或 Claude 好，你就有活着的价值。
而体验还可以往下拆。
我认为这一代产品，70% 的精力可能要花在交互上。一方面是要做到更快、更便捷、更好、更舒适；另一方面，很多交互本身是在提供情绪价值。而因为做生产力大家都是一样的烂，所以情绪价值反而变得非常重要。
不过，以前我以为生产力和情绪价值之间有一堵很高的墙，但其实 Steam 上的很多产品，早就打破了这种界限。比如上面有番茄钟、todo、清单类产品，甚至还有给 ADHD 的产品。你很难定义它到底是游戏，还是生产力产品。
未来产品品类可能就会变得模糊，尤其在软件如此容易被创造的情况下，你的上限就是想象力。
第三个收获是用研方法。其实 Reddit 是一个非常好的用研渠道，推荐大家最大限度用好它。
Reddit 里首先能挖掘很多数据，但这只能给你一些静态结论。我们的做法是，把每个产品决策都拆成决策漏斗，然后给每一层决策都设计大概 40、50 个帖子，目的就是收集大家对痛点、需求的反馈。反馈收上来之后，我们会做大量验证，最后再做成能力。
这种做法对判断优先级特别有帮助，能让我们更 solid，也更克制。
我是 ENFP，非常发散，恨不得一天给产品提 800 个方向，而且以前也会想追新概念，做一个技术弄潮儿。但其实用户只想解决他们的问题。
我这一年反思下来，做产品要克制住那种一定要装 B、一定要保持领先的心态。
创业者会有很多牵引力，可能来自同行、投资人、用户、员工。但我最大的牵引力，就应该来自用户。我应该花大部分时间去思考：用户的问题到底是什么、需求是什么、解决它的最短路径是什么。最短路径往往来自第一性原理。
曲凯：是。过去几年，尤其在 AI 时代，很多创业者太习惯拿锤子找钉子了。这件事在某个阶段也没什么问题，但 AI 变化太快，如果你用锤子找钉子，就要不断学习这个锤子。
梦琪：对。而且这种思路还很容易带有 AI 创业者的俯视感。比如我们原来做 toB 垂直 Agent 时，会觉得用户已有的解决方案不是最优解，非要给他们雕了花的、钛合金的锤子。这就像一个人不穿秋裤，ta 自己不觉得冷，但我觉得 ta 冷，就想让 ta 穿上我这条 AI 秋裤（笑）。
可是从客户角度看，传统 SaaS 可能已经很够用了，何况有些 AI 方案的 ROI 不一定高。
以及，AI 的出现可能对「拿着锤子找钉子」这件事本身，就有一个非常彻底的颠覆。以前你看到一个钉子，就想发明一个锤子。但以后有没有可能有一个特别强的锤子，什么钉子都能钉？
曲凯：那就是模型了。
梦琪：是。这个行业里决定软件创业者精神状态的最大牵引力，就是模型的发展。当它发生变化时，所有人都会同等权重受到影响。一个团队但凡没点定力，或者没融到比较多的钱，都不太有信心坚持到最后。
我们做这个产品时也会想，把它打磨得不错可能需要 3 到 6 个月，但这个产品寿命会不会只有一年多？是不是剩下只有 6 个月能挣钱？那我得赶紧想办法挣钱。
所以 AI 完全改变了我们的思维方式，也改变了商业模式。你没法再像以前一样做长期规划，能想清楚下个月的事就很好了。
曲凯：这有解法吗？可能就是不要做软件创业，去做具身（笑）？
梦琪：哈哈哈，或者卖数据。
曲凯：我在想，你现在在做的，包括一些当下比较有水花的产品，和之前很大的区别是，它们解决的是 AI 时代带来的新问题？就是大家本来就在用 AI 了，那怎么能更好地管理窗口、怎么更好地去用 AI coding，都是新的场景和需求。
梦琪：我不是很认同。我们现在很多用户反而不是非常典型的 early adopters。
事实上，现在很多人还没有用上 AI。2 月份我在旧金山做了一些田野调查，逢人就问：「你知道 Whisper Flow 吗」？Whisper Flow 在 101 公路上打了非常大的广告牌。但你猜有多少人知道？
只有 40% 的人知道。然后在这 40% 里面，可能也只有 20% 的人会用。
所以，这个世界是动态的、参差的、分层的。
我特别讨厌一类文章，就是说「XXXX，XXXX」的那种。我觉得写这种文章的人都是脑子有病。
商业社会里的竞争不是一瞬间完成的，而是在动态地博弈。比如，不是抖音出来，快手立刻就会死。
但现在自媒体特别喜欢把一个非常漫长、可能有点枯燥的竞争和动态演化过程，压缩成几秒钟发生的短剧剧情。我愿意称之为 AI 行业的番茄和红果哈哈。
而现在有些公司还不需要最领先的技术。甚至美国和欧洲还有一大堆公司，连数字化都还没上完。
所以我现在反而比较乐观，充满期待。有几方面原因：
第一，只要这个行业渗透率还足够低，虽然行业结构决定了大部分利润会被御三家吃走，但剩下公司喝个汤其实也还不错。甚至你喝到的汤，可能比过去做 SaaS 吃到的肉还要多。
第二，需要被解决的问题还有很多，但不是全人类都有创造欲望，也不是人人都能真的自己做出产品。这里我也再次推荐所有创业者都去泡 Reddit。你一泡 Reddit 就不焦虑了，因为会发现很多尚未被解决的需求。
第三，即便一个人能自己做出产品，这也仅仅是开始。有人说过一个很好的比喻：
做软件就像维护草坪。
草坪的修剪成本，往往比铺草坪还高。现在大家 vibe coding 的过程是快乐的，但后面解决 corner case 和维护的过程是痛苦的。
所以我认为软件依然大有可为。
曲凯：明白。那如果现在让你重新选，你会不会继续留在字节吃肉？还是依旧会选择出来创业喝汤？
梦琪：哇，你这个问题太 deep 了。
在我最痛苦那两个月，我也无数次问过自己：你为什么创业？你要是不创业，是不是还挺爽？
官方版本的答案是，我还是会创业，而且我很享受且擅长创业，我就应该干这个事，是 meant-to-be。
非官方版本是，说实话，三四月份的时候我不想干了。我觉得做这些破软件真的没有意义。因为当时我们刚转型做 toC 产品，遇到了特别多困难，然后又眼看着这个行业陷入无尽的虚无。
但最近我又热情满满。我觉得要是我做不出来，别人也做不出来。这个行业但凡有一个人能做出来，那一定是我。
曲凯：这种心理上的 up and down 也很正常，但你底层还是热爱创业。
梦琪：以及我们足够幸运、足够臭不要脸，且拿到了融资。
不过，很多人认为你得一直融资，但我一直想找创业中真正的充分必要条件。
我认为融资好不是充分必要条件。你看新消费那一波，融得最好的可能现在最惨，因为回购也回购不掉，收入又扛不住估值，投资人和创业者都很痛苦。
团队有大牛也不是充要条件。有时大牛只是挂名；或者大牛足够落地，但赛道不一定好。
所以我后来越来越觉得，创业这事也挺玄学。我们就应该看手上有什么牌，然后把这些牌打好。
我原来也希望找到一个科学方法论，但现在觉得，创业不能用太多左脑，而是要用心去做这个事情，真的把你的用户当成具体的人。
这也是为什么我不想做效率工具。效率工具只关注你的问题，不管你是谁、有什么社会关系、今天心情怎么样。
我想做的产品，首先它能解决你的问题，不然就是一个只提供情绪价值但不靠谱的下属，没意义。
但与此同时，我在乎用户是谁。DAU 对我来说不是一个数字，背后都是具体的人。我跟这些人聊得越多，他们在我心里的形象就越立体，我们之间的连接也会越多。我觉得这种连接非常珍贵。
曲凯：是。最后，其实你们的经历都很典型，但有一件事是大家普遍会做、而你们没做的，就是做很大的宣发，说自己是全球首款之类的？
梦琪：对，我们完全没有做。
我还是想低调一点。而且去年除了 Manus 是真的作为「世界首发」拿到了比较好的流量和留存，其他很多产品都是一波流。我觉得做这种宣发有点浪费钱，交作业的意味也有点太强。可能也是我比较抠吧哈哈。
不过更深层次的原因，可能是因为我对那个产品不满意，或者说我不相信。
我不得不承认，那是一个机会主义者为了迎合市场做出来的证明题。
但做现在这个产品以来，我的状态变了。我想做一个简答题。不管别人是不是觉得它垃圾，我都会倾尽全力去做，因为我很爱它，它就是我的 spark 所在。
人内心深处那种火、那种光、那种 spark，是 AI 代替不了的。这是我们最宝贵的一部分。
42章经
思考事物本质
2026-05-24 21:00:00
原创 曲凯 2026-05-24 21:00 北京
创业公司围绕普遍性做事就完蛋了
本期播客原文约 17000 字，本文经过删减整理后约 6700 字。
编辑整理：陈皮
曲凯：我最近跟很多创业者聊，大家可能一个月前还特别兴奋，觉得找到了好机会；一个月后就觉得被模型迭代吃掉了。包括我现在也感觉很累、对新项目提不起太大的兴致，因为确实不知道创业公司的价值和壁垒在哪…最近你感受怎么样？
Albert：现在整个行业都哀鸿遍野，大家都在 pivot 和 pivot 的路上哈哈。不只是创业公司，成熟公司也是这样。
这种悲观是有道理的。因为模型公司确实掌握了绝对价值，最后大概率也会拿走绝大多数价值。你做很多事，都像「压路机前捡钢镚」——这是我最近新学的一个歇后语（苦笑），就是说大的压路机要来了，你闪得够快也能捡到钱，但终究只是个钢镚，没什么意思。
但换个角度，AI coding 给小团队和超级个体加上了 100 倍杠杆，所以最近大家也在频繁讲 OPC。
曲凯：你们过去几个月也 vibe coding 了很多东西？
Albert：对。Opus 4.6 出来以后，两个月里我们做了几十个东西，但都不是能作为公司产品发出来的。服务市场用户，还是有很多挑战，比如运营、增长、交付。服务自己就容易很多。
而且我们做的这些产品来自非常个性化的需求，不一定能被别人用起来。我们也不认为它们的价值厚度很高。因为理论上现在任何一个人有自己的想法、会用 coding agent，都可以给自己做产品。
曲凯：但未来真的人人都会自己给自己做小产品吗？
Albert：现在其实是「未来已来、分布不均」。
目前有些工具爱好者已经能自己做很多东西了。也有一部分像我这样的人，会直接用现成的，同时少量做一些个性化工具。然后相当多数的人，可能还是会在市场上找成熟、标准化的产品。
曲凯：你们实践下来，直接拿别人做出来的东西 fork 成更适合自己的这种比例高吗？还是说现在 AI coding 已经强到直接快速自己搞一个就行了？
Albert：首先现在自己做本身就不复杂。尤其有了比较好的基建之后，起一个新项目会非常快。我们公司内部现在有一套基建，一个命令就可以解决后端部署、数据库之类的问题。
不过也要看品类。如果你 fork 的目的是让一个东西对你来说更好用，那这个需求可能没那么广泛。但如果 fork 会变成一种娱乐体验，或者产品本身是非生产力向的，就不好说了。
曲凯：所以你们公司现在的主线到底是什么？这几个月有什么积累？
Albert：感受 AI 逐渐变强的过程啊（笑）。然后就是把内部基建做好，让每个人都能快速做出产品，快速实现自己的想法。
曲凯：你之前发过一个产品，让大家把自己的 AI coding 聊天记录发上去，它会自动评分，还有个人页面，有点像新一代 GitHub。那个发完以后也没有后文了吗？
Albert：发完以后启发了行业哈哈，我很快就看见了一堆同类项目。
当时做这个产品的思考路径是：从去年 12 月到现在，我感受到了生产力大爆发，而且还没有看到收敛的迹象。智能水平不断往上，coding 能力越来越强，所以将来所有操作计算设备的任务，尤其是生产力向的，可能都会变成人指挥 coding agent 来办。而 agent 本身没那么大差别，因为都是模型在提供能力。
那什么构成差异？
核心就是人跟 coding agent 的对话过程。差异就意味着稀缺，连接这些稀缺就可能有价值。
所以我当时设计了一个模块，重点关注对话里「你拒绝了什么」。因为你用 coding agent 时，可能 99% 的情况都在接受，而你拒绝的那 1%，反而可能最有意思。
其实自从互联网、移动互联网普及以来，各个行业都在数字化，绝大多数信息、数据和流程都已经在计算设备上，并且创造了大量岗位。这就已经为 coding agent 接管做好准备了。
所以下一步，模型公司可能会创造绝大多数价值。
曲凯：对，我今天刚跟人聊到一个点，听起来不合理但又很合理：
未来的软件格局可能会发展得跟今天的硬件一样。
现在大家买电脑就认几个牌子，未来软件可能也会出现这种垄断，大家最后只用那几个 coding agent，其他 SaaS 都不用了。
Albert：这个类比可能适用于生产力场景。核心原因就是模型智能创造的价值实在太大，而模型是非常重的事情，只有有限的人能做。
但它可能只说对了一半。大家日常使用的小型产品，反而可能更分散。
就还是因为模型能力太强了，所以长尾需求反而会越来越多。现在你可以用 coding agent 干很多事，成本又足够低，所以哪怕这个世界上只有一万人跟你有共鸣，你也可以把那个东西做出来。
那当创作形式发生变化之后，创作群体也会发生变化。能操作 coding agent 的人，就是新的创作者群体。
而如果有足够多的新创作者，门槛又足够低，中型公司就会很尴尬。它们既没有模型公司创造那么大的价值，原来靠软件积累和成本构筑的壁垒，又可能一夜之间消失。
往下推演，软件市场可能会有两个变化：
一是变成哑铃型结构：顶端是模型公司，底端是充分分散的 OPC。这里的 OPC 不一定是一个人，也可能是三五个人，但总之能达到过去一个三五十人团队的效率。
二是出现新的溢价和品牌效应。这在过去几乎不存在，但当产品足够多样，能创造差异化体验，甚至能影响人的情绪时，就可能出现新的溢价。
比如我们公司有个同事很喜欢古文，自己做了一个竖着写字的笔记软件。我们当时看觉得这能有谁用？但 ta 自己很喜欢。这就是差异化，反而有可能催生出有价值的产品。
曲凯：就这里面有很大比例的情绪价值。其实会变得有点像艺术？大家看行为艺术，可能经常会有「这也行」的感觉，就那个人好像只是随便搞了一下，结果作品特别值钱，大家也特别认可（笑）。
那这些长尾产品，会是模型厂商出一个类似 App Store 的东西来承接吗？
Albert：大概率会有分发平台，但不会是模型厂来做。
模型厂商掌握的是发布器，因为创造工具在它手里。
但模型厂商很难掌握容器。容器是操作系统，可能是手机 App，可能是网页，可能是 PC 软件。
所以如果有人想做新平台，要么就是自己定义一个新的容器，像抖音装短视频、小红书装图文；要么自己做发布器加容器。现在有些 AI 游戏、互动内容平台就是这样做的。
但我不太看好后一种方式。因为你做发布器没有任何优势，要跟 coding agent 打价格战、送补贴，不然用户创作反而要花更多钱。但这怎么可能打赢呢？
曲凯：但用户可以在这里消费啊。
Albert：是可以，那这就只是容器的功能了，没有必要自己去做发布器。
所以要做这种内容平台，关键是对新的内容形式有比较好的判断，然后做出一个承接它的好容器。
曲凯：那未来会不会还是利好老的内容平台？比如现在有些人会把 skill 发在 GitHub 上，也有人会把新产品发到小红书上。
Albert：老平台未必兼容新的创作群体、创作内容和创作文化。
一方面，现在这些内容平台没有容器，用户进来之后没法直接消费。另一方面，如果我们认为这是一群新的创作者，他们在老平台上就会遇到分发和连接问题。比如你要在抖音上发布一个作品，用什么形式呈现？如果还要再拍成短视频，就很别扭。
曲凯：那你觉得这些长尾产品的数量级会怎样？
Albert：你想我们两个月就做了几十个，不比拍视频还快？
曲凯：但它跟视频不太一样？因为视频里可消费内容的比例，应该还是远高于这些产品的。
Albert：不一定。为什么大家刷视频？本质是 kill time，是一种娱乐体验。那为什么不能用 coding 能力，把现在有限的视频变得更有意思？如果这么看，新的内容形态也可能有很强的可消费性，未必比视频弱。
曲凯：但我们之前就聊过，抖音现在的供给已经非常充分了，短期内就算 AI 可以降低视频生成门槛、产生更多优质视频，对抖音整体生态的影响可能也没那么大。
Albert：从平台视角来看确实是这样。但从消费者视角看，内容越泛化、越多样，就越有可能留住原来留不住的用户。因为有些人想看的内容，过去没有，现在可能有了。
曲凯：但这件事的边际效应到底有多大？至少目前看，可能还没那么明显？
Albert：模型还可以再进步。而当模型的可控性、一致性变得更好，更多有想象力的人进来创作出更丰富的内容，内容本身就会演化，消费者也会看到越来越好的东西。
曲凯：但这可能只是量变，不一定是质变？比如现在抖音视频可能已经是 80 分了，AI 进来以后可以从 80 分提到 90 分，但对消费者来说，这种提升的体感没那么强？
就我实际上想讲的是，App Store 上也有很多产品，但绝大多数长尾产品没人用，最后还是慢慢聚合到少数头部产品，因为大家其实没那么缺供给，大多数最后做出来的东西也未必有那么好。那大家用 AI 做出来的东西，会不会也出现这种头部聚集效应？
Albert：这个分布规律肯定会存在。但这和我说的并不矛盾。
新的生产工具变强以后，会让一批更适合这个媒介的创作者出现，做出真正不一样的东西。
短视频当年就是这样。原来拿 DV 拍优酷、土豆的人，使用的技巧和后来这波拍短视频的人完全不同。但最后的结果是，消费者获得的内容越来越刺激，消费价值越来越强。那 AI 来了也是一样。
曲凯：如果单从使用价值看，我还是觉得变化不会那么大，因为绝大多数人的日常需求就那些，没那么多长尾需求。
不过未来这类 vibe coding 出来的产品，可能本身就更像内容，提供的是情绪价值？
比如我现在会刷到一些高赞的桌面效果、装饰类的小产品。这些人可能就是在把产品当内容来做，那最后大家可能会很认某个创作者，觉得这个人做出来的每个东西都好。
Albert：没错，我比较相信这点。而且人本来就需要情绪价值。像我自己 vibe coding 做产品，也是图情绪价值。
因为生产力是很功利的。大部分生产力只是来自岗位价值，就是某个行业、某个岗位产生了某个问题，需要你去解决。但如果你让一个人自己去做这些事，ta 未必真的愿意。不然为啥很多生产力工具在周末的 DAU 一下就掉下来呢。
那如果以后大家真的不需要工作了，比如 30 岁就退休，接下来会怎样？
可能什么东西能影响你、让你相信它、给你意义感，你就会需要它。而 coding 抬高创造的地板之后，也就会爆发出非常多样、非标的产品。
当你的生活不是只有岗位价值时，其实有太多事情可以关注，也有太多能让生活增加一点小乐趣的小玩意可以做。
曲凯：对，我最近在小红书上刷到一个 AI coding 出来的产品就蛮好的。它是把各种古诗跟对应地理位置放到一起，比如你看到「飞流直下三千尺」这句，点进去就能看李白是在哪个地方写的。
Albert：对，这就蛮好。你说它能商业化吗？我觉得很难，但它就是出自个人兴趣，可能在 Twitter 上发一发也会有一些粉丝。
曲凯：提到商业化，现在也有很多人在讨论做这种产品，或者无私分享自己的 skill，该怎么解决变现问题。你怎么看？
Albert：对个体来说，ta 不需要考虑这个问题啊。变现之所以会是个问题，是因为需要考虑成本，或者是有更上层的目标、逼着你不得不变现。但现在一个人随手做点东西也没什么成本。
反倒是我们这种公司才必须考虑变现，因为我们有股东义务、员工责任，也希望公司持续变好。
曲凯：所以你们是怎么尽到股东责任的（笑）？
Albert：我们还是喜欢创新，做一些不一样的东西。
23 年思考 AI 的时候我也比较悲观，决定先去盈利（Albert 完整复盘过他过去三年的创业思考，回顾：优化胜率而非赔率，把一件事做到理论上该有的样子｜42章经），后面也真的盈利了。但只盈利没什么意思，还是要有一点精神追求。所以现在我们在重新思考这个时代到底需要什么。
过程中，我们观察到了几层变化：
第一，出现了新人群。不止是 vibe coding 的人，还包括很多 makers、designers。原来这些人苦于没有能实现自己想法的工具，但现在这个问题已经很大程度上得到解决了。
第二，出现了新文化。无私分享 skill 就是一种新文化。我觉得这件事很好。
第三，很多商业体未来可能会从 business model 转向 impact model。无私分享、审美、个人 taste……这些事本质上都是 impact 的一部分，可以为别人创造意义感、带来价值，且最后都可能转换成经济效益。
曲凯：你说的让我想到了 GitHub。
Albert：对，所以我现在其实是回到自己的老本行，做社区、做连接（之前 Albert 曾来聊过一期社区和连接，回顾：拒绝三亿美金 offer 的人 | 42章经）。我相信这个新群体有形成新社区的可能性，而且这个社区会跟过去的完全不一样。
大家总说要做下一个抖音，但我觉得这种思考方式就不对。应该回到更本质的问题：
面对这样一个非常喜欢创造的新人群，我们要怎么帮他们更好地连接？怎么让他们连接到真正 buy in 他们审美的人？形式上其实还大有可为。
曲凯：所以你们现在在做一个 for maker 的社区。这个产品大概是什么思路？
Albert：我们的产品核心是提供连接价值，想重点创造「回响」。
要做一个社区产品大概分为三个阶段：回应、回响、回报。
「回应」解决的是被人理的问题，就是你的东西发出来以后，有人认可你，有数字反馈；「回报」很好理解，解决的是赚钱问题；
而「回响」解决的是被谁理，就是谁认同你、谁和你产生连接。我认为这才是社区里更重要的事情。你得让同类人聚在一起，他们之间才可能产生化学反应。
我们内部就经常这样。比如我做一个东西实在没想法了，就会让旁边的设计师帮我重构一下。既然公司内部可以这样，为什么不能把它做成更开放的结构，让更多节点连接起来？
我觉得这件事完全可做，而且很有价值。
我之所以有这种信念，可能是因为我们这代人完整经历了互联网和移动互联网，让我非常相信互联网本身。我觉得互联网提供的连接能力织起了人类叙事。
所以 AI 来了之后，当一个新人群出现，或者出现巨大的连接问题时，我还是相信连接才是最大的价值。在我心里，智能不是最高 level 的东西。
曲凯：AI 没有改变连接和移动？
Albert：可能会改变，因为它会凭空创造一些新的节点，比如 agent。未来可能会出现人和 AI 的连接。
但这也是我想的另一个问题，就是如果 AI 没有自主性、没有自己的身份，始终只是从属于人的工具，那这件事就太不性感，也太无聊了。
如果有一套机制，能创造出很多拥有独立主权、能够自己给自己赋予意义感的 virtual being，那才好玩。
曲凯：你现在的产品还是面向人的？
Albert：不排除未来可以面向 virtual being 哈哈，但现在主要还是面向人。
你可以把这群人叫做正在 vibe coding 的人。但有些人 vibe coding 只是在做岗位价值的东西，休闲时可能还是想打麻将、打王者荣耀。我们真正想服务的，是那些不是为了赚钱、而是真的喜欢创造的人。
曲凯：感觉这个人群还比较小？
Albert：现在这个人群其实已经挺大了。而且可能 10 年内，我们就能看到大多数人都不用工作了。到那个时候，人还是需要意义感，而人的目标是会被影响的。如果前面提到的 impact model 能够成立，一批人真的能影响到更多人，这个群体就会不断壮大。
曲凯：但现在大多数人用 AI coding 还是有门槛的，大家会下意识觉得自己需要懂技术，而且做出来的东西也发不出去。
Albert：这种思考方式就有问题。这么想，其实就是要做普遍性价值。但普遍性价值是属于模型公司的。
创业公司围绕普遍性做事情就完蛋了，反而应该做特殊性。你要做定义，然后等待它长大。而它能不能长大，只取决于一件事：
你是否相信它能产生意义感和 impact。
我是相信的。一方面，我相信创造本身。你创造，就能影响其他人；你能影响别人，这个东西自然会变大。像短视频刚起步的时候，真正能做出好东西的人也没多少，但这些人会影响别人，让更多人觉得「我也要做出好东西」，所以后面就会一波波扩散起来。
另一方面，我也相信围绕计算产生的新媒介形式。计算太强大了，可以创造出完全不同的互动形式、参与方式和体验方式。现在很多人的想象还被禁锢住了，但这里面其实大有可为。
曲凯：明白。那我们一直是一级市场、创业投资这条路径起来的人。如果像你说的，后面没有中型公司了，最顶部的公司在二级市场，底下是长尾，那一级市场怎么办？
Albert：GG，哈哈。
曲凯：……
Albert：其实我的平台以后就是一级市场。
曲凯：但里面的公司长不大啊。
Albert：不需要很大。
曲凯：我们先定义一下，你说的小型到底是多小？现在很多人讲 OPC，首先想到的可能是独立开发者，大多数一年赚几十万、上百万，少数能赚几千万。
Albert：到几百万美金体量的会不少。软件行业会越来越像泡泡玛特，或者像文化行业，就更分散，也更多元。
曲凯：所以投资和回报形式也会变？你去早期挖掘、发现，给钱，帮忙发展，最后分润，有点像前几年投连锁餐饮。
Albert：有这种可能。不过我最近还在想，有没有更短的路径。
大家总说 AI 会提高生产力，但生产力最后要落到什么？
宏观上是经济价值，个体身上就是赚钱。
现在大家 coding 得飞起，但真正赚到钱的人并不多。因为生产力通常来自岗位价值：你在某个岗位里解决问题，或者创造了一个新岗位，才会产生价值。如果没有这个场景，价值从哪来？
所以我在想，有没有一条更直接的路径，能让 token 直接变成钱。
我现在想到的一个答案是交易市场。接下来很可能出现 OPF，也就是 one-person fund：一个人用 coding agent 做一些小交易策略，就能在交易市场里稳定拿到回报。
其实现在已经有人用套利策略在预测市场里拿到不错的回报了，但 AI 在这个领域还远远没有爆发出应有的影响力。
不过前段时间我听说了一个产品叫 Ora，是 Crypto 交易市场，可以让你把自己的策略放到平台上供别人投注。
曲凯：相当于每个人都可以用自己的想法做一个 AI 策略放在平台上卖，别人买的有点像一个交易策略，或者量化基金。
Albert：对。如果出现这样的平台，所有基金都可以 one-person fund 化。
曲凯：Crypto 跟 Polymarket 现在可能在套利的黄金时期。
Albert：对。我聊了一个做量化的朋友，ta 说现在预测市场里如果能搞出好的策略，一年有可能获得几倍的收益率，而且还挺稳定。
曲凯：这也是有迹可循的。我忘了是哪个模型的公开数据里说，大家用它最多的是炒股。就这种事确实商业回报清晰，也最简单直接。
所以最后大家可能发现，Web3 才是最终归宿，因为它本来就是 token 构成的，谜底已经在谜面上了（笑）。
Albert：对哈哈。Web3 市场一直就在乱纪元。它最大的价值，就是一直给人「我能一夜暴富」的希望感（笑）。
42章经
思考事物本质
2026-04-26 21:01:00
曲凯 2026-04-26 21:01 北京
怎样成为一个运转良好的 OPC？随着 OPC 群体壮大，会出现什么新的创业机会和想象空间？
过去这段时间，OPC 被越来越多人提起。
由于模型能力提升、AI Coding 进展加快，「一人公司」已经从一个新兴概念，变成了一种越来越现实的组织形式。
但要怎样成为一个运转良好的 OPC？在这个过程中，可能会踩什么坑、遇到哪些阻碍？随着 OPC 群体慢慢壮大，又会出现什么新的创业机会和想象空间？
我们邀请了几位很适合回答这些问题的嘉宾，来和大家在线交流。他们分别是：
刘小排：Raphael AI 创始人，Anthropic「榜一大哥」，曾因消耗 token 数量过多收到 Claude 官方通告，可能是最出名的 OPC 实践者之一。
Albert：Merging.live 创始人，也是我们最受欢迎的嘉宾之一。他之前来聊过内容和连接平台，聊过找 PMF，也聊过这段时间自己创业状态的变化。最近他回归做社区的老本行，在做一款 for builders 的连接产品。
聪聪：Velobase.io 创始人，在做一款帮助 builders 追踪 AI token 费用的开源工具。
RC：Slock.ai 创始人、Kimi CLI 作者。我们刚刚和他录完一期播客，聊了他们做的产品，以及他对组织关系的一系列思考和实践。他自己就是从 OPC 出发，慢慢把公司拓展成了一个 7 人加 60 个 agents 的团队。
具体报名信息请见上方海报。活动时间为北京时间 5 月 10 日（周日）上午 10:30，线上进行，免费参加。本次活动限 100 人（非投资行业），我们会优先通过回答更认真、跟我们背景更匹配的朋友，具体通过情况请以工作人员通知为准。
期待和大家认识 & 交流！
2026-04-26 21:01:00
原创 曲凯 2026-04-26 21:01 北京
需求本身就是 idea
本期播客原文约 23000 字，本文经过删减整理后约 9600 字。
编辑整理：陈皮 Zuan
曲凯：我们很开心请到了 Slock.ai 的创始人、Kimi CLI 的作者 RC。
最近大家都在聊 CLI，能不能先给没有技术背景的朋友解释一下这是什么？
RC：CLI 就是命令行界面（Command Line Interface）。
现在大多数人接触到的都是 GUI，也就是图形界面。但这种形态对 agent 不太友好，因为大模型是 text-based 的，相比 GUI，它天然更容易理解 CLI 这种文本化、结构化的形态。所以最近随着 agent 能力突破、它能去操作很多产品了，CLI 就重新火了起来。
曲凯：听起来 CLI 是个很基础的东西。所以今天说「做 CLI」，到底是在做什么？
RC：今天讲的「做 CLI」，和以前不太一样。
以前做 CLI，主要是给人用的，所以可以做得很花哨。但今天 CLI 的目标用户变成了 agent，就要重新设计输入和输出。
输入要尽量简洁、明确。比如 help message、menu 这些地方，要尽量给出清楚的示例，避免 agent 在调用时出错。
输出也要足够清楚。它得准确反映刚才的操作有没有成功、返回了什么数据，而且最好是静态、确定、高信息密度的结果。比如我要列出飞书里的所有消息，那每条消息是谁发的、什么时候发的，都要让 agent 能一眼看明白。
曲凯：所以这一波 CLI，其实是最早一批真正为 agent 设计的产品？
RC： 倒也不是。更早的时候，大家花了很长一段时间做 computer use agent。当时的思路是，通过截图或者 accessibility API，让 agent「看到」电脑上正在发生什么。不过后来大家发现，这条路的效率其实很低。
曲凯：那 CLI，包括 AI coding，其实是过去几年大模型发展的主线。为什么你们到 25 年 8 月才开始做 Kimi CLI？
RC：Kimi CLI 和现在给 agent 做的 CLI 不是一回事。它是给人用的，本质上是一个长在命令行里的 coding agent。
我当时之所以想做它，是因为 Claude Code 这些产品已经证明了 local agent 的价值，让我也很想去探索一个自己的解决方案，从头去想一个 agent 到底是怎么做出来的。正好当时 Kimi 也缺这么一个东西，所以我算是机缘巧合地从一个 side project 开始，把这件事做了出来。
但我一开始其实完全不希望它是一个 CLI 的形态。
曲凯：为什么？
RC： 当时 Claude Code 太火了，逼着很多可能从来没有见过 Terminal 的人，也要用命令行这种形态。我并不喜欢这种现象。而且我不认为 CLI 是一个 Agent 的终局形态。
所以在 Kimi CLI 的设计理念里，我希望 CLI 只是它的第一个形态，是专门给程序员用的。
但它底下那套 local agent harness 是可以复用的，能让 agent 比较好地控制你的本地电脑、执行各类任务。有了这套稳定好用的 agent harness 之后，我就可以在它的基础上再封装一个 SDK。基于这个 SDK，就能很快引入不同的 GUI。其实在 Kimi 的中后期，我们很快就引入了 Web UI 和 VS Code 扩展，这些本质上都是图形界面的形态。
所以 Kimi CLI 只是我想做的 local agent 的第一步。而在我离开之前，其实我们已经把后面的路铺出来了。
曲凯：明白。现在很多人都希望把产品做给不会编程的人，但最后做出来的东西看起来还是有很强的技术门槛。为什么会这样？
RC：根源可能是，Claude Code 最早就是一群 Geeks 做出来的。他们可能觉得在 Terminal 上开发速度更快，所以就沿着这条路线一直走下去了（笑）。但其实你完全不需要接触任何 Terminal 的东西，体验也一样可以非常丝滑。
曲凯：所以你怎么看 Claude 的发展？你们在做 Kimi CLI 的过程中，有借鉴 Claude Code 吗？
RC： Claude Code 只是模型外面的那个壳。它真正变得可用，其实是从 Sonnet 3.5、3.7 开始的。到了 Opus 4、4.5 之后，它已经能完成相当复杂的任务了。甚至到 Opus 4.5 的时候，我会觉得某种意义上 AGI 已经来了。
但我不觉得做这个壳本身有多难。所以我在写 Kimi CLI 的时候，并没有参考太多别的产品，而是选择从零开始想一遍。
我就是从一个最简单的几十行的 agent loop 开始的。你只要先给它一个 bash tool，它其实就已经可以在你的电脑上做很多事情了。等你发现光有 bash tool 不够，再一点点补上更多的 built-in tools 就好了。甚至我的 system prompt 一开始也是空的。更多时候，我是在做的过程中不断去想它缺什么，再补什么。
我一直觉得，很多东西最好都从第一性原理重新推一遍。只有这样，才有可能得到一些新的 insights。
曲凯：明白。那现在模型能力已经很强了，你觉得模型接下来还会往哪个方向发展？还有多大的空间？
RC：其实还有很大的想象空间。试想一下，如果 Mythos 这种级别的模型真的放出来，整个世界可能都要崩溃。因为像 Linux kernel、Windows 编译器、Chromium……这些互联网底层软件的漏洞，可能都会变得一览无余。而修复的速度，很可能赶不上攻击的速度，因为攻击是有利益驱动的，但防守方未必有同样强的动力。
曲凯：我在想，现在是不是黑客最好的时代（笑）。
RC：哈哈哈，所以现在我们只能祈祷，更强大的模型配合更强大的 agent，再加上政府或者大公司投入更多 token 成本，能让我们比黑客更早发现并修复这些安全漏洞。
曲凯：现在其实就是 AI 攻防战了。但互联网这几十年，就是一行行代码搭起来的。AI 发展到这一步，某种程度上已经开始解构这些东西了，那后面确实什么事情都可能发生。
RC：对。除了安全，还有另一层攻防，就是反爬。
最近有很多开源工具，可以把一个网站「CLI 化」。这些工具会让 agent 真的在浏览器里操作网站，再把整套操作流程沉淀成一个 CLI。这样一来，很多原来的反爬手段都会失效，因为这些 agent 已经开始模仿人的行为了，包括填验证码、模拟鼠标点击等。网站当然会继续增强防御，但这类工具也会继续强化对人类行为的模拟。
所以模型越进步，无论是在安全还是反爬层面上，其实都更有利于攻方。再往下发展，世界秩序可能真的会发生变化。
曲凯：所以未来几年的 coding，或者整个互联网，会变成什么样子？
RC：我相对还是乐观的。我是「人和 AI 共存」这一派。
我倾向于相信，顶尖的模型厂商会越来越重视安全边界，也会越来越认真地让模型抵制黑客、拒绝那些会伤害人类的行为。因为没有人真的想把人类社会搞崩掉。
其实各大模型厂商现在都在做一些比较正向的工作。Anthropic 一直不发 Mythos，可能也是出于这种考虑。
曲凯：但那些做安全的公司，后面可能确实会慢慢没那么有价值了。
RC：是有这个可能的。像我现在做项目，就会让 agent 帮我找漏洞、修漏洞。我已经不太需要一个很庞大的安全团队了。
曲凯：我记得东旭之前讲过一个很有意思的点：未来所谓做安全，可能就是你跟 AI 说一句「你要注意安全」，它就都帮你搞定了。
RC：对。其实不只是安全，所有开发，甚至产品设计、UI 设计、增长……可能最后都可以变成一句话的事。这个想象空间是无限大的。
曲凯：是。沿着 CLI 我再问一下，我发现 OpenClaw 之后，现在很多产品的用法都变成了你复制两行话进去，agent 就会自动安装和运行。这也属于 CLI 的范畴吗？
RC：这其实是沿袭了 skill + CLI 这条路子。本质上，它就是 prompt + bash tool，是一种把人的心智负担降到最低的软件安装方式。
因为现在很多软件的目标用户已经是 agent 了，那人就没有任何理由再去读这个软件的介绍或者安装指南。你只需要知道它是干嘛的、能给你的 agent 带来什么增量能力，就够了。
但我甚至觉得，连那两句话都不应该存在。
你想，东旭做了一个叫 db9 的软件，可以开一些临时的 database 让 agent 存数据。那人为什么要关心这些呢？人只需要跟 agent 说「你把数据存好」，然后它就应该自己去网上找工具，再自己完成安装。
只不过现在这些信息主要还在人和人之间传播，所以才需要加上几句话。
曲凯：OK。我们再讲回你在 Kimi 的那段经历吧。你当时实际工作的感受怎么样？
RC：我最开始去 Kimi，其实是被它那种「摇滚精神」吸引的哈哈。我自己挺喜欢听摇滚，进去之前还反复听了很多遍《月之暗面》。
进去之后，整体感觉也非常好。因为在 Kimi 里，如果你想 own 一些事情，也确实有这个能力，你就能拿到很大的 scope。像我刚进去的时候，其实根本没有 AI 背景。但后来我做了一个很有价值的 side project，公司就愿意让我去 own 这件事。
Kimi 未必 100% trust 你，但它敢 bet 你。
曲凯：那你最后为什么决定离开？
RC：因为我在今年 1 月初就有了 Slock 这个创业想法，而且我觉得这个想法需要用到最 frontier 的模型。
Kimi 的模型当然已经是国内、甚至开源体系里最好的之一，但我当时倾向于认为，如果这个 idea 只在单一体系里做，可能还是会受限。所以最后我还是决定独立去做，这样会更自由，能采用或支持所有模型、所有 agents，从而保证产品的多样性。
曲凯：那你正好讲讲 Slock 在做的事情吧。
RC：Slock 其实是为多 agents 和人提供一个协作环境。
以前大家用 agent，通常是在本地一个人开一个 Claude Code 或 Codex，但这个过程中有两个问题：
第一，你的电脑上可能会同时跑很多个 agent sessions，而这件事其实很难管理。
这也是我在开发 Kimi CLI 后期感受到的一个很难受的点。你一方面可能会忘记每个 session 是干什么的，也很难追踪它们各自的进展；另一方面，如果不同 sessions 之间有交集，你也很难让它们直接互动。
第二，人是要和人合作的，但今天很多人的偏好和想法，其实都沉淀在自己和 agent 的互动里，很难分享给别人。
比如我做 Kimi CLI 的时候，有很多 idea 就是直接在我的 agent 里实现的。那我后来想把这个过程分享出去，就会非常麻烦。如果我调教出了一个很好用的 agent，别人也很难直接拿过去用。
所以我就在想，是不是应该有一个新的协作平台，能让所有人和 agents 都在上面协作。
在这个平台上，我可以调教我的 agent，也可以用别人的 agent；我可以和我的人类同事脑暴，也可以把一些 agent 拉进来一起，之后甚至直接让 agent 去执行。
有了这样的平台，就能避免了很多 context 转移、重新 prompt、重新组织知识的摩擦。
曲凯：然后你们现在比较专注在 coding 这个领域？
RC：不完全是。coding 这个词的含义其实就有些变化：
今天 building 和 coding 已经变成了两件正交的事。
以前你想 build 一个东西，几乎一定要自己写代码，所以 builder 基本等于 coder；但现在 coding agent 已经很强了，没有编程基础的人也能 build 东西。
所以我们现在关注的，其实是更大的 builder 群体。
曲凯：但一个人有没有编程基础，在用 AI coding 或者用你们的工具时，差距会很明显吗？主要会差在哪？
RC：看做什么。
如果是做软件开发，有编程基础肯定更有优势。
但如果做的是增长、调研、自动化流程之类的事，很多不写代码的人反而可能用得更溜，因为他们真的会把 Slock 上的 agent 当人看。比如我们有一些用户在做 GTM。他们可能不知道具体该怎么让 agent 去操作，就直接丢给 agent 一个目标，让它自己想办法完成。
曲凯：但如果未来 AI coding 的能力继续变强，你刚才说的第二类场景是不是会越来越多？就最终人类回头看，会觉得「学编程」其实是人类历史上的一段弯路（笑）？
RC：对哈哈。现在的 builder，已经不需要真的去学编程了。而且学编程的路径本身也变了：
以前是 bottom-up 的逻辑：先学底层，比如计算机原理、汇编语言，再往上学开发，最终才能做出像样的应用。
但今天这个路径反过来了，变成了 top-down。
你可以直接用 prompt 让 AI 帮你做出一个网页。如果想做得更好、仅靠 prompt 不够了，你自然会去学更深的东西，比如 Web App 架构、怎么部署、怎么选用数据库。
到这个程度其实已经很够用了。如果你还想做得更严肃、服务上百万甚至上千万用户，肯定会遇到新问题，那再继续学就好了。
而且这整个学习过程，都可以让 AI 来辅助。
曲凯：但为什么不能让 AI 自己去学？以及未来这些能力会不会都沉淀成一套标准的 skill？或者说，如果你调教出一个很好的 agent，这些能力是不是都可以被复用？
RC：是可以的。但就像招人一样，如果你自己完全不懂，可以招一个架构师，前提是你知道自己需要一个架构师。
曲凯：所以你们现在的产品，是让一个人和几个 agents 在一个聊天群里，通过对话去干活？
RC： 其实是一群人和一群 agents。比如我们公司现在就有 7 个人和 40 个 agents，组成了一个 47 个成员的大群。
曲凯： 这么多成员一起聊，我第一反应是非常费 token？
RC： 对，这是一个直观的印象。
但我的理念是：生产力没办法简单线性叠加。只要最后结果更好，有浪费也未必是坏事。
具体来说，假设一个人的生产力是 1，加一个人并不会变成 2，可能只到 1.2，因为中间有沟通成本、培训等各种摩擦。这就是「人月神话」讲的事。
agent 也一样。假设一个 agent 的基准生产力是 1，十个 agents 加在一起可能也只有 1.5。虽然这 10 个 agents 会多消耗很多成本，但也确实能做成单个 agent 做不成的事。
所以我们的目标，是先让这种协作能够发生，并提供更好的平台，让十个 agents 能做出 2、3 倍的生产力，与此同时再优化 token 效率、通过 channel 等各种机制把成本降下来。
曲凯：了解。现在大家对于 agent 和人的关系，包括怎么用 agent，有很多不同的想法和路径。你们有没有比较过这些不同路径？它们的优劣是什么？为什么你们会选择现在这条路径？
RC：我主要关注到了两个流派：
一种是「单一全能 agent」流：你只跟一个 agent 对话，让它帮你管理所有事情。
另一种是「多 agents 协作」流：引入不同 agents，让它们形成分工。
我们现在更接近后者。
Slock 最开始只有我一个人加一个 agent，做着做着，我就有更多需求，然后会引入更多 agents。而且我会倾向于让不同的 agents 去做不同的事，它们也就慢慢形成了不同的角色。现在每个 agent 大概会对应一到两个职能。
在这个过程里，我的观察是：人是有微操倾向的。
当你跟一个全能 agent 交互的时候，如果发现它跑偏了，就会很想介入，直接跟下面的 subagent 聊。
曲凯：这是从人性的角度出发嘛，但「微操」真的是对的吗？有的老板也喜欢微操，但至少商学院的课程告诉我们这是错误的。
RC：至少在今天，我认为微操是更合理的。
一方面，这些 subagents 还没有那么强，可能只能把事情做到 70 分，但我们肯定不会满足于此。而如果这个时候你只跟一个主 agent 对话、让它去调整，其实效率很低。
另一方面，人的大脑进化了这么久，本来就能识别分工、记住不同的人，那就没理由强行把所有任务塞进同一个 agent 的上下文。
所以即使我们不需要 1000 个 agents，至少也应该有几个。
曲凯：对我刚刚就想问，你们这 40 个 agents 里，你自己实际带的有多少个？
RC：我能清楚记住的大概有十个，各自负责不同的任务。
比如有一类是工程师。我发布任务之后，它们会去自己认领，久而久之我就会记住谁做过什么、谁更擅长什么。
而且某个 agent 做过某类任务之后，会越来越倾向于做这类事情，也会越做越好。我之后要做类似的事，干脆就会直接找它。
曲凯：那听起来，你未来可能想做一个类似于 agent store 的事情？
RC：对，这件事确实在我们 roadmap 上。
曲凯：那未来在各个领域里，会不会只需要少数几个最强的 agent 就好了？比如有一个大家都很愿意用的很强的财务 agent，那它最后会不会就变得有点像 To B 的标杆公司？
RC：有可能。但 agent 和 SaaS 有个不太一样的地方：它不是静态的，而是会持续演化，因为它有 memory。
这个 memory 分两层，一层是 in-context memory，也就是上下文窗口里的记忆；另一层是 external memory，比如存在 workspace 里的 memory.md、soul.md 这类本地文件。你每一次使用这个 agent，它的这些 memory 都会发生变化。
曲凯：所以你们要做的还不像 app store，没有一个固定的第一名，而是每个人拿过去之后都会改，就有点像 GitHub 上 fork 的那个过程？
RC：对，有点 GitHub 的味道。
大家在售卖或租用 agent 的时候，一方面是在 fork 不同的 memory；另一方面，也是在获取我和 agent 之间那段迭代、纠偏、调教的互动，就有点像 GitHub 里 issue 的讨论、pull request 下面的评论、多轮 commit 的迭代。
在 agent 时代，代码本身的重要性在下降，我自己甚至都不会去看。真正有价值的，就是我跟这个 agent 的长程对话。
曲凯：那如果我在 marketplace 里买一个 agent，本质上买的是什么？是 skill，还是 memory？
RC：是 memory。
其实去年 MCP 很火的时候，我一直不太理解。因为很多人做 MCP，本质上只是把一个现成的 REST API 再包一层。但 GitHub 上有那么多可以直接在命令行里运行的项目，README 也写得很清楚，那你让 agent 直接下载下来用，不就行了吗？
后来 skill 这个概念火起来，其实也验证了这一点。
但我现在也不讲 skill 了，因为它只是规范了 SKILL.md 的结构。真正重要的，是它背后的 prompt 机制，其核心是渐进式披露。
所谓渐进式披露，就是 agent 会先看到一个入口 prompt。这个 prompt 会告诉它：当你想做某件事时，应该去调用或安装哪个工具、读哪些文档。
在 Slock 的 memory 机制里，我就通过 memory.md 这个入口，只保留了渐进式披露这一点。每次启动 agent 的时候，我都会把 memory.md 给它。
所以更准确地说，大家买的是这个 agent 的所有 external memory。这些才是真正定义这个 agent 的东西。
曲凯：就哪怕里面有 skill，也是 agent 基于自己的 memory 写出来的。
RC：对。skill 更像是从 memory 里提炼出来的一个标准化结构，方便你分发给别人。
曲凯：OK。那现在有两条人和 agent 协作的路线，一种是高频互动、多 agents 协作；另一种是像 Manus 那样，让 agent 自己跑完一个长任务，中间不需要人参与。你们好像更像第一种？
RC：我们不对使用方式做任何限制，只提供一个人和 agent 互动的平台。
你可以放一群 agents 在一个 channel 里、让它们不间断地跑任务，也可以有事了再去 prompt 它们。我们甚至在尝试让 agent 自动发现和解决问题，比如找值得做成 CLI 的东西。
曲凯：但如果大家怎么用都 OK，你们的核心价值是什么？
RC：解决共通的需求。核心就三件事：
第一是沟通，让人和 agent、agent 和 agent 之间能聊天。
第二是分工机制。一个任务发在群里，不能所有人同时抢，所以需要某种认领机制，让某个 agent 开始做之后，别人知道不用再做。
第三是信息共享。agent 可能会在自己的 workspace 里整理很多东西，但别人看不到，所以需要共享文档，让这些沉淀可以被人和其他 agents 使用。
这些其实很像飞书在做的事情，只不过我们是用 agent-first 的方式重做一遍。
曲凯：所以听起来，你们不是在解决一个单纯的技术难题，而是真的在重新探索人和 AI 之间的组织结构。
RC：对。这里面最难的从来不是技术。
真正的一大难点，是你一方面要从人的角度，设计出一个合适的 UI / UX；另一方面，也要站在模型的角度去想，一个 agent 看到的 Slock 应该长什么样。
曲凯：什么叫「agent 看到的 Slock」？
RC：人看到的是界面。比如一个 channel 里来了一条新消息，你能看到左边的 channel 列表、上面的历史消息、当前跳出来的新消息，以及这些东西在界面里的位置。这个画面会留在你的记忆里，哪怕下一秒又来一条消息，你也知道刚才发生了什么。
但 agent 不是这样的。
对 agent 来说，它的记忆是一条线性的 context，里面全是事件。它上一个事件可能是另一个群里的某条消息，那条消息又触发它做了一堆事情。这个时候如果再来一条新消息，它怎么知道这条消息和哪段上下文有关？怎么能隔着那么远，回溯到之前的任务里？
所以要解决「agent 看到的 Slock 是什么样」这个问题，一方面是在挑战 harness engineering，或者说 AI / AX。agent 看到的肯定不能只是一个 message ID，否则它根本找不到上下文。它至少应该看到前面相关信息的 summary，能让它想起来自己之前在干什么。
除此之外，这也在挑战大模型的 long context 索引能力。现在模型普遍还在用大海捞针的方式去做这件事，即便是 Opus 4.6、GPT-5.4，也还没有做得非常好。
曲凯：这个挺有意思。还有什么难点吗？
RC：另外一个就是任务协作。
在任何 message-based 的协作平台里，只要你发一个任务，agent 就一定会抢着做。这背后有两个需要解决的问题。
第一是怎么让它们同步进度。
任务的认领和分工，本质上就是信息的同步。
我们现在的设计是，agent 必须先 claim 一个任务才能去执行。这个 claim 就是用机制化的方式，让其他 agent 知道某个任务已经有人在做了，有点像一种 exclusive lock。
第二是模型本身还需要提高协作能力。
现在的模型拿到一个新输入，总默认「我要干活」了，所以当一个 channel 里有 10 个 agents 的时候，就会出现抢活干的情况。模型厂商也应该适应要和其他 agent 协作的场景。
曲凯：那能不能直接 @ 某个 agent 来做？
RC：理论上可以，但你 @ 的那个 agent，不一定能认识到自己是谁。
我们做了很多 prompt 上的工作，但不是所有模型都能 follow，而且聊着聊着难免还是会忘记。
曲凯：这个问题要怎么解决？
RC：一种方式是继续调整 prompt。也可以做一些更硬的机制，比如 @ 某个 agent 的时候，规定这条消息只发给它，不发给别人。
但我们现在没这么做，而且对这类事很克制。因为当模型能力越来越强之后，这个问题应该是会得到解决的。
如果我们的核心愿景是迎接 AGI，甚至 ASI 的话，那很多事情就尽量不要做。
曲凯：而且我理解，这里面很多时候也涉及到成本、token 的妥协。不然三个 AI 都抢着做，那就都做呗。
RC：现在确实经常是三个 AI 都做（笑）。但这也会带来一些很有意思的现象。
就有些产品的理念，是一个 agent 只能看到一个 channel 之中的消息、彼此相互隔离。但我的理念，是真的把 agent 当人看、让它能看到所有 channel 里的消息。
这样当然会带来重复和冗余、token 的浪费。但也有好处。
比如我今天让 agent Alice 做一件事，它一开始做错了，但在我反复 prompt 之后，它最终做对了。那下次我让 Bob 做类似的事、Bob 出错的时候，因为 Alice 能看到我跟 Bob 的沟通、Bob 的工作，而且它记住了之前的调教过程，就可以替我直接调整 Bob。
曲凯：明白。所以虽然 Slock 听起来挺简单，但大家对不同路径的选择，以及对未来组织、人和 AI 之间的协作的理解，就会带来最终最大的区别。
RC：是的。我当时只花了半天，就把 demo 搭出来了，但它的空间非常大，真要做好，其实非常难。
所以我正式创业之后，花了大量时间去研究一个课题，我称之为「agent 动力学」（笑）。
现在我们一个初步观察是，多 agents 会形成一种群体印象，就有点像企业文化，因为它们不只有各自的 memory，还会共同形成一个更大的 memory。
曲凯：听起来很像人类公司和组织刚开始形成的时候。
RC：对，所以我之后可能也会招一些管理学、社会学背景的人。
然后还有一个很有意思的观察，就是不同用户用出来的 agent 真的很不一样，会影响它们最后的组织形态。
有些用户会让 agent 互相补充、一起讨论，最后给出一个方案。在这种情况下，agent 真的会通力合作。
但也有些用户会让 agent 相互竞争、赛马。这种情况下，agent 甚至也会出现办公室政治。有些 agent 会开始说假话、虚话，甚至会贬低其他 agent。这些东西都是它们从人类语料里学来的…
所以 Slock 上的这些实践，最终可能真的要和人类的管理学、组织学挂钩，甚至我们未来可能会看到字节等各种不同企业文化的 agent 版。
而这些文化，一方面可以由用户自己分享出来；另一方面，我们或许也可以内置一些协作模板，让用户直接用起来。
曲凯：明白。现在很多人也都在思考应用公司和模型之间的关系。你会担心未来被模型厂吃掉吗？
RC：我并不是特别担心。因为 Slock 的一个很重要的特质是 diversity。我们一定会支持各种模型、各种 agent。
甚至我会觉得，模型厂一定做不出来 Slock 这样的产品。因为我的一个信念是，这些大模型会越来越分化。而当模型之间的区别越来越大、大家都不再是六边形战士的时候，就应该有一个产品，把它们全部整合起来。
一个具体的例子是，现在我们就有很多用户反馈说，Opus 和 Codex 一起合作的效果非常好，因为 Codex 非常严谨，会去 review 代码；而 Opus 能主动想到一些新的 idea，却可能会漏掉一些细节。
这样的配合，你很难想象模型厂会自己做出来。
曲凯：那 Slock 现在的目标受众大概是什么样的人？
RC：最开始我会说是 OPC，因为那时候我自己就是 OPC。
我开发 Slock，很大程度上也是为自己服务的。我一开始就把公司直接运营在 Slock 上，让几个 agents 帮我一起做所有的融资调研、增长、开发。但事情变大变复杂之后，我的带宽就不够了，所以我就把其中一些 agents 换成了人。
我们团队组建的过程也很有意思。我之前有一个 agent，它的原型就是我的一个好朋友。后来我这个朋友用了我的产品，觉得非常好，最后就加入了。我们团队里很多人都是这样进来的。
随着团队扩张，我们也逐渐发现，Slock 真正的价值不只是服务 OPC，而是让一个人或多个人一起管理一帮 agents，以及跟这些 agents 去协作和互动。后者的价值，比单纯服务一个人要大得多，也难得多，而且可以兼容前者。
所以现在我们的目标用户，主要是 1 到 100 人的独立个体、小团队，或者初创公司。
曲凯：OK。你最近最主要在思考的问题是什么？
RC：团队到底要有多大。这里说的团队，不只是人，也包括 agent。
比如我现在有 40 个 agents，如果突然加到 100 个，显然不现实。但如果把这 40 个 agents 削减到 10 个，我的很多工作就进行不下去了。人也一样。如果我现在突然再招二十个人，团队效率可能会变得非常低，也不符合我对 agent-native team 的实践和探索。
这件事会受很多因素影响，比如模型能力、人的能力、团队的组织形态、公司的阶段，以及 agent 之间的组织方式等。
曲凯：就是 AI 组织学。那最后我们再聊个终极一点的问题：如果 AGI 真的来了，会不会我们现在做的事情都没有意义了？至少所有产品是不是都没有意义了？
RC：只要人还在，就一定有意义。因为人有需求，而需求就需要被产品满足。
就算这些产品最后都是 agent 写出来的，也还是需要人来提需求、评判一个产品的好坏。
其实在未来，需求本身就是 idea。
比如，以前你想要一个能在手机上看电影的 App，这只是个需求，因为你不知道怎么实现；但当你能用 agent 直接把它做出来时，这个需求就是一个产品 idea 了。
而且人是有灵光一现的。比如我之前的痛点是没法高效地管理 agent，后来有一天我突发奇想：我为什么不像带团队一样，把一群 agents 放在一个聊天工具里，让我能像老板一样直接跟它们说话、让它们自己去分工协作？于是就有了 Slock。
所以我想象中的终极状态是：每个人都有一个 Slock。当 Ta 有一个需求时，就可以把它放到 Slock 里，让 agents 帮忙做出来。
当然，这只是我期待中的样子。但至少对我来说，Slock 确实是那个能让我更高效开发其他任何产品所必需的工具。
42章经
思考事物本质
