即刻App年轻人的同好社区
下载
置顶2021 年，Facebook 把公司名字改成了 Meta。
当时 Zuckerberg 对 Metaverse 押得很重。
这个词最早来自 1992 年的科幻小说《雪崩》。小说里，人们戴上设备，进入一个叫 Metaverse 的巨大虚拟世界，在里面社交、工作、生活。
五年过去了。
元宇宙当然没有消失，但离当年想象的那个全民在线世界，显然还很远。
最近 Meta 发布了 Muse，一个 Personal Agent App。
它不只回答问题，还能自己开网页、登录网站、调用工具，帮你购物、发邮件、处理各种事情。
看到这里，我突然想起，《雪崩》里其实还有另一个角色。
主角身边有一个叫 The Librarian 的软件助手。你可以一直和它说话，让它查资料、整理信息、解释复杂的问题。
放到今天看，已经很像 Personal Agent 的雏形了。
而今天的 Agent，甚至已经开始有自己的电脑、浏览器和长期记忆，也能真的替人动手做事。
所以现在回头看这件事，多少有点奇妙。
Meta 当年为了《雪崩》里最宏大的那个概念，连公司名字都改了。
结果五年后，
元宇宙还没真正来，里面那个 AI 管家倒是先走出来了。
小扎可能没看错《雪崩》。
只是选错了主角。
当时 Zuckerberg 对 Metaverse 押得很重。
这个词最早来自 1992 年的科幻小说《雪崩》。小说里，人们戴上设备，进入一个叫 Metaverse 的巨大虚拟世界，在里面社交、工作、生活。
五年过去了。
元宇宙当然没有消失，但离当年想象的那个全民在线世界，显然还很远。
最近 Meta 发布了 Muse，一个 Personal Agent App。
它不只回答问题，还能自己开网页、登录网站、调用工具，帮你购物、发邮件、处理各种事情。
看到这里，我突然想起，《雪崩》里其实还有另一个角色。
主角身边有一个叫 The Librarian 的软件助手。你可以一直和它说话，让它查资料、整理信息、解释复杂的问题。
放到今天看，已经很像 Personal Agent 的雏形了。
而今天的 Agent，甚至已经开始有自己的电脑、浏览器和长期记忆，也能真的替人动手做事。
所以现在回头看这件事，多少有点奇妙。
Meta 当年为了《雪崩》里最宏大的那个概念，连公司名字都改了。
结果五年后，
元宇宙还没真正来，里面那个 AI 管家倒是先走出来了。
小扎可能没看错《雪崩》。
只是选错了主角。
3 00
最近在搭 Agent Team，突然觉得：
Build an Agent Like You Build a Company.
人才密度，对应模型的智力密度；
Context, not Control，对应 Context Engineering；
文档和 SOP，对应 Memory 和 Skill；
OKR，对应 Goal 和 Evaluation；
团队分工，对应不同的 Subagent。
公司会通过复盘不断进化，Agent 也一样：
Experience → Evaluate → Modify → Verify
以后 Build Agent，可能越来越像在经营一家微型公司。
Build an Agent Like You Build a Company.
人才密度，对应模型的智力密度；
Context, not Control，对应 Context Engineering；
文档和 SOP，对应 Memory 和 Skill；
OKR，对应 Goal 和 Evaluation；
团队分工，对应不同的 Subagent。
公司会通过复盘不断进化，Agent 也一样：
Experience → Evaluate → Modify → Verify
以后 Build Agent，可能越来越像在经营一家微型公司。
1 00
过去一年，硅谷 AI 创业已经明显进入 Agent 时代。
大家最熟悉的可能是 Coding Agent。
与此同时，Customer Support、Legal、Healthcare、Insurance、Accounting、GTM、Recruiting、Cybersecurity……
越来越多 Agent 开始进入企业真实的工作流程。
所以这次，我把最近硅谷比较值得关注的 ToB Agent 公司重新梳理了一遍。
最后从9个赛道里选了18家公司：里面既有 Sierra、Harvey 这种已经达到百亿美元级估值的公司，也有刚找到清晰切入点、正在快速增长的新 Startup。
整理完之后，我发现的规律是，ToB Agent 正在沿着两条路线发展。
第一条路线，是直接卖一个 AI 员工。
例如 AI 客服、AI 会计、AI 医护人员。
第二条路线，是重新设计企业的工作流和软件系统。
Agent 接入企业的数据、软件和权限，完成一整段工作，并逐渐成为新的业务入口。
工作流和系统更难落地，但一旦成为企业的数据与执行入口，客户也更难迁走。因此，Vertical 只是公司进入市场的切入点。长期的壁垒会落在企业数据、系统入口、执行权限、业务经验和客户关系上。
中国的路径可能会略有不同。
美国人力成本高，企业软件付费体系成熟，更容易跑出独立的 Vertical Agent 公司。
国内短期内可能不会出现完全相同的公司形态。很多 Agent 能力更可能先进入 WorkBuddy、飞书、钉钉和各种行业软件，成为平台中的一部分。
但长期来看，ToB Agent 在中国依然有价值。
随着人口老龄化继续加深，劳动力供给下降，人力成本会越来越高。
当企业开始真正缺人时，可以稳定完成工作的 Agent，商业价值也会越来越清楚。
大家最熟悉的可能是 Coding Agent。
与此同时，Customer Support、Legal、Healthcare、Insurance、Accounting、GTM、Recruiting、Cybersecurity……
越来越多 Agent 开始进入企业真实的工作流程。
所以这次，我把最近硅谷比较值得关注的 ToB Agent 公司重新梳理了一遍。
最后从9个赛道里选了18家公司：里面既有 Sierra、Harvey 这种已经达到百亿美元级估值的公司，也有刚找到清晰切入点、正在快速增长的新 Startup。
整理完之后，我发现的规律是，ToB Agent 正在沿着两条路线发展。
第一条路线，是直接卖一个 AI 员工。
例如 AI 客服、AI 会计、AI 医护人员。
第二条路线，是重新设计企业的工作流和软件系统。
Agent 接入企业的数据、软件和权限，完成一整段工作，并逐渐成为新的业务入口。
工作流和系统更难落地，但一旦成为企业的数据与执行入口，客户也更难迁走。因此，Vertical 只是公司进入市场的切入点。长期的壁垒会落在企业数据、系统入口、执行权限、业务经验和客户关系上。
中国的路径可能会略有不同。
美国人力成本高，企业软件付费体系成熟，更容易跑出独立的 Vertical Agent 公司。
国内短期内可能不会出现完全相同的公司形态。很多 Agent 能力更可能先进入 WorkBuddy、飞书、钉钉和各种行业软件，成为平台中的一部分。
但长期来看，ToB Agent 在中国依然有价值。
随着人口老龄化继续加深，劳动力供给下降，人力成本会越来越高。
当企业开始真正缺人时，可以稳定完成工作的 Agent，商业价值也会越来越清楚。
6 20
准备在即刻持续发一下自己最近学习的东西，也欢迎大家多提问、多找我交流，一起思考。
随着在生活工作中使用agent产品越来越多，感觉agent的聪明程度随着模型迭代有指数增强，但较难在同一个模型下自我优化。
于是，我逐渐拆解学习了一下自进化的几个步骤，分享给大家，欢迎讨论👏
随着在生活工作中使用agent产品越来越多，感觉agent的聪明程度随着模型迭代有指数增强，但较难在同一个模型下自我优化。
于是，我逐渐拆解学习了一下自进化的几个步骤，分享给大家，欢迎讨论👏
4 00
