即刻App年轻人的同好社区
下载
很多年前在当时的公司（那会还没自己创业），带的产品部门和设计部门加起来有小 100 号人。
团队协作上我当时定了个规则，别的部门我管不着，但我的部门成员：任何人都不允许私聊业务问题，也不允许设置私有的 channel。所有的业务讨论都必须在公开 channel 里进行，无论是否与其他人直接相关。
背后的思考主要有以下几点：
1. 产品团队的管理特性
产品和设计团队（尤其是产品经理）是最难管理的群体之一。他们的工作不像研发体系那样可以完全标准化。
(a) 他们的工作中包含大量的理念、规划、想法、对错判断和讨论思考。
(b) 这些内容多是非结构化的，产品经理日常大量的时间并不一定是在追求短期结果，但非常重要，值得被频繁、深度地思考。
(c) 当产品经理多了以后，管理大家的想法、确保我的理念能传递给所有人，就成了一件至关重要的大事。
2. 业务域的高度耦合
一个中型项目过去往往按业务域分工，但不同业务域之间的耦合度其实非常高。你以为只是某一块业务的问题，但推进到开发阶段时，往往发现其他业务域的人也必须被 involve 进来。
3. 管理者的掌控感需求
作为管理者，我们需要一种掌控感。这种掌控感并不是说所有关键进度我都要了如指掌或由我确认，而是说：
(a) 哪怕你最后只给我一个结果，我也要看到这个结果形成的过程。
(b) 你们是怎么思考的？决策依据是什么？判断优先级的逻辑是什么？
(c) 这个过程我至少要能看得到，这样即便我去纠正，我也能知道你是因为什么原因、在哪种思考方向上走偏了。
如果能让我在关键节点参与进来，我会觉得更踏实，因为人都需要这种掌控感，所以下属有时候利用管理者的这个心理能拿到更好的 “结果”。
那阵子还看到 GitLab 内部的一个 remote playbook，提到他们 CEO 的 OKR 里有一个很重要的 KR，叫作“减少组织内私聊率”，我当时非常有共鸣。
现在大家都在讨论 AI native 时代的组织协作方式，也有蛮多产品，有意思的是，这些产品发布的时候老想制造对立。
比如Slack 是旧世界的，需要一个 AI 时代的 Slack；Notion 是旧世界的，需要一个 AI 时代的 Notion；Linear 是旧世界的，现在需要一个 AI 时代的 Linear。
但你要是真问这些产品的创造者，背后对于组织协作的理念和思考到底是什么，其实也挺难让人买账（buy-in）的。
我们现在创业团队的做法是，日常主要使用两类工具：一类是 Slack，一类是 Linear。
1. Slack：整家公司的“组织面板”
(a) 在过去非 AI 时代，Slack 承载的最大价值是人与人之间的交流，价值点比较杂
(b) 现在我们把它更多定义为组织内的面板，它的价值变得更窄，但更深了。首先是“吹水”的价值，聊些乱七八糟有的没的，当成内部论坛也行；其次是资讯聚合器：谁看到了哪篇文章、哪个帖子或哪个有意思的项目，把链接分享出来；再就是“业务讨论”：这些讨论不需要当下立即有结果。当然，所有的讨论还是不能私聊，甚至不能当面聊，哪怕两人对面坐着也得 Slack 公开 channel 里聊。
2. Linear：是在 Slack 这个组织面板下的，它是短期内要有结果事项的触发器。譬如谁在某个地方提到了任何一件事，就创建一个 Issue 给 Linear
(a) 配合 Hermes Agent，它会调用每个人本地的 Runtime 来写代码，最后再通过 PR 把结果 push 到 Slack 里面
(b) 在整个过程中，我们不像过去传统方式那样使用 Linear
此外，Slack 存在的另外一部分价值是每个人维护自己 Coding Agent 的 Specs 和 Rules，也算是所谓的 Harness 的一部分吧。
AI Native 的组织协作这个话题很有意思，最近跟人交流比较多，懂得的人自然都懂；不懂的人，心里互道一声傻逼，反正 dddd 吧。😂
团队协作上我当时定了个规则，别的部门我管不着，但我的部门成员：任何人都不允许私聊业务问题，也不允许设置私有的 channel。所有的业务讨论都必须在公开 channel 里进行，无论是否与其他人直接相关。
背后的思考主要有以下几点：
1. 产品团队的管理特性
产品和设计团队（尤其是产品经理）是最难管理的群体之一。他们的工作不像研发体系那样可以完全标准化。
(a) 他们的工作中包含大量的理念、规划、想法、对错判断和讨论思考。
(b) 这些内容多是非结构化的，产品经理日常大量的时间并不一定是在追求短期结果，但非常重要，值得被频繁、深度地思考。
(c) 当产品经理多了以后，管理大家的想法、确保我的理念能传递给所有人，就成了一件至关重要的大事。
2. 业务域的高度耦合
一个中型项目过去往往按业务域分工，但不同业务域之间的耦合度其实非常高。你以为只是某一块业务的问题，但推进到开发阶段时，往往发现其他业务域的人也必须被 involve 进来。
3. 管理者的掌控感需求
作为管理者，我们需要一种掌控感。这种掌控感并不是说所有关键进度我都要了如指掌或由我确认，而是说：
(a) 哪怕你最后只给我一个结果，我也要看到这个结果形成的过程。
(b) 你们是怎么思考的？决策依据是什么？判断优先级的逻辑是什么？
(c) 这个过程我至少要能看得到，这样即便我去纠正，我也能知道你是因为什么原因、在哪种思考方向上走偏了。
如果能让我在关键节点参与进来，我会觉得更踏实，因为人都需要这种掌控感，所以下属有时候利用管理者的这个心理能拿到更好的 “结果”。
那阵子还看到 GitLab 内部的一个 remote playbook，提到他们 CEO 的 OKR 里有一个很重要的 KR，叫作“减少组织内私聊率”，我当时非常有共鸣。
现在大家都在讨论 AI native 时代的组织协作方式，也有蛮多产品，有意思的是，这些产品发布的时候老想制造对立。
比如Slack 是旧世界的，需要一个 AI 时代的 Slack；Notion 是旧世界的，需要一个 AI 时代的 Notion；Linear 是旧世界的，现在需要一个 AI 时代的 Linear。
但你要是真问这些产品的创造者，背后对于组织协作的理念和思考到底是什么，其实也挺难让人买账（buy-in）的。
我们现在创业团队的做法是，日常主要使用两类工具：一类是 Slack，一类是 Linear。
1. Slack：整家公司的“组织面板”
(a) 在过去非 AI 时代，Slack 承载的最大价值是人与人之间的交流，价值点比较杂
(b) 现在我们把它更多定义为组织内的面板，它的价值变得更窄，但更深了。首先是“吹水”的价值，聊些乱七八糟有的没的，当成内部论坛也行；其次是资讯聚合器：谁看到了哪篇文章、哪个帖子或哪个有意思的项目，把链接分享出来；再就是“业务讨论”：这些讨论不需要当下立即有结果。当然，所有的讨论还是不能私聊，甚至不能当面聊，哪怕两人对面坐着也得 Slack 公开 channel 里聊。
2. Linear：是在 Slack 这个组织面板下的，它是短期内要有结果事项的触发器。譬如谁在某个地方提到了任何一件事，就创建一个 Issue 给 Linear
(a) 配合 Hermes Agent，它会调用每个人本地的 Runtime 来写代码，最后再通过 PR 把结果 push 到 Slack 里面
(b) 在整个过程中，我们不像过去传统方式那样使用 Linear
此外，Slack 存在的另外一部分价值是每个人维护自己 Coding Agent 的 Specs 和 Rules，也算是所谓的 Harness 的一部分吧。
AI Native 的组织协作这个话题很有意思，最近跟人交流比较多，懂得的人自然都懂；不懂的人，心里互道一声傻逼，反正 dddd 吧。😂
Gavin_C.发表了动态：remote-first 公司会天然更 AI native 吗
7 07
其实很多 Manus 前员工也没看懂
Gavin_C.: 1 年前没看懂 Manus 的人，现在也看不懂，以后也看不懂
5 24
不会算账的 AI 公司：
1. 把 tokens 补贴想象成营销费用
2. 把“用量增长”误认为“收入增长”
3. 认为模型会越来越便宜
4. 想用 free trial 形成增长飞轮
5. 理解错了 “规模效应”
1. 把 tokens 补贴想象成营销费用
2. 把“用量增长”误认为“收入增长”
3. 认为模型会越来越便宜
4. 想用 free trial 形成增长飞轮
5. 理解错了 “规模效应”
Cursor 的 free users 消耗的成本要靠留下的 paid users 留存 9 年才能打平，那其他 AI 产品怎么办呢？
7 04
机缘巧合认识了珠宝行业的朋友，让我有机会用黄金珠宝的视角来理解 AI 行业，越想越觉得很多 Agent 公司误判了自己的位置。
大模型像黄金。贵、稀有、有共识。Agent 公司像珠宝品牌，从模型公司买智能原料，再包装成产品、工作流和服务，卖给用户。
听起来好像很合理：黄金这么贵，过我一趟手，多少能留下点什么吧？
但黄金行业最有意思的一点是，黄金贵，跟你能分到多少没有直接关系。
老铺黄金毛利可以到 40% 左右，周大福大概 30%，老凤祥如果混了批发和黄金交易，可能只有 10% 上下。再往下看，金条、投资金、黄金批发，很多时候就是个位数毛利。
同样是黄金，差别不在黄金，在你有没有资格定义黄金之外的东西。
如果你只是转卖金料，加工金料，然后搬运金料，你吃到的是很薄的流通利润。用户心里有金价，有工费，有比价。你没有定价权。
很多 Agent 公司也是这个处境。
接一个模型 API，包一层界面，接几个工具，跑一下 runtime，然后说自己是 Agent。用户很快就会问：你用的什么模型？成本多少？我为什么不自己接？模型厂商为什么不会顺手做掉你？
这就是按克卖黄金，价格太透明了。
所以很有意思的是，很多真把模型成本包进去的 Agent 产品，毛利未必好看，考虑到 free trial 成本绝大多数 Agent 公司都在亏钱。
反倒是那些让用户自备 API key 的纯工具，毛利可能高到离谱。它更像街边珠宝加工。它不碰黄金价值分配，不承担金价库存风险，也不负责把黄金卖出品牌溢价。它赚的是工具费、加工费。
这对咱们 Agent 创业者是个提醒：你到底是在卖智能（黄金贩子），还是在卖智能过手之后的确定性（特定场景下的珠宝首饰）？
周大福、周生生、老凤祥、老铺黄金厉害的地方，不是它们能买到黄金。黄金是标准品，价格透明，谁都能买。它们做出来的是另一套东西：成色信用，婚嫁场景，品牌心智，库存和渠道能力。
Agent 也一样。
用户怕的是乱执行、泄露数据、搞坏客户关系、关键时刻掉链子。出了问题谁负责，能不能追溯，能不能接管，能不能长期稳定交付。
Agent 品牌的第一层不是智能，是可托付性。
再往后，是场景。
黄金能有品牌，是因为它绑定婚嫁、送礼、传承、祝福、保值。用户买的不是最便宜的金，而是重要时刻里“选这个不会错”。
Agent 如果想做成品牌，也得进入这种场景：商家运营、客户跟进、客服售后、代码交付、内容流水线、经营决策。用户不是来玩 AI 的，是想把一块真实工作交出去。
谁能在这些场景里变成默认选择，谁才有机会拿到品牌毛利。（Echo 下 Koji @杨远骋Koji 这条帖子：m.okjike.com）
所以 Agent 公司不能只做“金料加工厂”。模型能力会越来越像公开金价，越来越透明，也越来越可替换。真正留下来的部分，是信任，交付，场景，成本控制。
我们创业之初问自己的问题是：在我们擅长解决的重要任务上，用户会不会默认选我们。
因为我们想做老铺黄金式 Agent。
大模型像黄金。贵、稀有、有共识。Agent 公司像珠宝品牌，从模型公司买智能原料，再包装成产品、工作流和服务，卖给用户。
听起来好像很合理：黄金这么贵，过我一趟手，多少能留下点什么吧？
但黄金行业最有意思的一点是，黄金贵，跟你能分到多少没有直接关系。
老铺黄金毛利可以到 40% 左右，周大福大概 30%，老凤祥如果混了批发和黄金交易，可能只有 10% 上下。再往下看，金条、投资金、黄金批发，很多时候就是个位数毛利。
同样是黄金，差别不在黄金，在你有没有资格定义黄金之外的东西。
如果你只是转卖金料，加工金料，然后搬运金料，你吃到的是很薄的流通利润。用户心里有金价，有工费，有比价。你没有定价权。
很多 Agent 公司也是这个处境。
接一个模型 API，包一层界面，接几个工具，跑一下 runtime，然后说自己是 Agent。用户很快就会问：你用的什么模型？成本多少？我为什么不自己接？模型厂商为什么不会顺手做掉你？
这就是按克卖黄金，价格太透明了。
所以很有意思的是，很多真把模型成本包进去的 Agent 产品，毛利未必好看，考虑到 free trial 成本绝大多数 Agent 公司都在亏钱。
反倒是那些让用户自备 API key 的纯工具，毛利可能高到离谱。它更像街边珠宝加工。它不碰黄金价值分配，不承担金价库存风险，也不负责把黄金卖出品牌溢价。它赚的是工具费、加工费。
这对咱们 Agent 创业者是个提醒：你到底是在卖智能（黄金贩子），还是在卖智能过手之后的确定性（特定场景下的珠宝首饰）？
周大福、周生生、老凤祥、老铺黄金厉害的地方，不是它们能买到黄金。黄金是标准品，价格透明，谁都能买。它们做出来的是另一套东西：成色信用，婚嫁场景，品牌心智，库存和渠道能力。
Agent 也一样。
用户怕的是乱执行、泄露数据、搞坏客户关系、关键时刻掉链子。出了问题谁负责，能不能追溯，能不能接管，能不能长期稳定交付。
Agent 品牌的第一层不是智能，是可托付性。
再往后，是场景。
黄金能有品牌，是因为它绑定婚嫁、送礼、传承、祝福、保值。用户买的不是最便宜的金，而是重要时刻里“选这个不会错”。
Agent 如果想做成品牌，也得进入这种场景：商家运营、客户跟进、客服售后、代码交付、内容流水线、经营决策。用户不是来玩 AI 的，是想把一块真实工作交出去。
谁能在这些场景里变成默认选择，谁才有机会拿到品牌毛利。（Echo 下 Koji @杨远骋Koji 这条帖子：m.okjike.com）
所以 Agent 公司不能只做“金料加工厂”。模型能力会越来越像公开金价，越来越透明，也越来越可替换。真正留下来的部分，是信任，交付，场景，成本控制。
我们创业之初问自己的问题是：在我们擅长解决的重要任务上，用户会不会默认选我们。
因为我们想做老铺黄金式 Agent。
40 320
Agentic Commerce 这个词现在被用得太泛了。
很多人一听到它，脑子里直接跳到最极端的版本：一个 AI 完全了解我，不需要我说什么，就知道我要买什么，然后自动替我下单。
但如果只用这个版本理解 Agentic Commerce，很容易误判今天已经发生的变化。Stripe 的拆法更现实：它把 Agentic Commerce 看成一个光谱。
第一层，AI 只是减少购买摩擦。
这是最接近今天互联网的形态。人还是决策者，AI 只是帮你研究、比较、整理选项、填表、缩小范围。
比如你想买某个东西，AI 帮你比较几个型号、总结评价、自动填配送地址或优惠码。最后点不点购买，还是你决定。
这还不是完全自主的 Agentic Commerce，但它已经改变了购买入口：用户不一定先去商家网站，也可能先在 ChatGPT、Gemini、Meta 或其他 AI 界面里开始消费决策。
第二层，搜索变成自然语言描述。
比如找夏令营。传统方式是关键词加筛选器：地点、日期、预算、距离、年龄段，一项项筛。
AI 的方式是你直接说：我有小孩，需要某个预算内、某些日期、开车距离可接受的夏令营。
这里 AI 不只是帮你填表，而是在理解你的真实需求，把模糊约束变成可执行搜索。这比“搜索 + filter”更接近一个人类助理。
第三层，才是真正的授权购买。
这也是很多人心里 Agentic Commerce 的最低门槛：你给 agent 一些约束，比如预算、日期、品类、偏好，然后它代表你完成购买。
比如你说：帮我在 100 美元以内买一个适合 5 岁孩子的万圣节服装，周五前送到，不要太吓人。
到了这一层，人不再逐项比较、手动点击 checkout，而是把一部分决策权和执行权委托出去。这里才开始出现真正的支付基础设施问题：agent 能不能付款？付款权限从哪里来？商家怎么知道这是合法用户授权的 agent，而不是恶意 bot？
第四层，是环境感知式自动购买。
这是更远的 ambient version。你甚至不主动发 prompt，系统已经知道你的季节性需求、家庭情况、日程安排，然后提前帮你处理。
比如系统知道夏令营报名季到了，也知道你孩子的年龄、预算、地理范围、过去偏好，于是主动安排或建议购买。
第四层远远没有到来，单即使还处于前面几层，支付、信任、身份、商家集成也已经要变了，旧的交易流程都不再完全成立。
旧流程默认是：人打开商家网站，创建账号，选择商品，填写地址，输入银行卡，点击购买。
但在 Agentic Commerce 里，购买可能发生在 AI 界面里比如 ChatGPT、Gemini、Claude、Meta或者 Manus 里。
于是出现两个核心问题。
第一，agent 要理解商家的商品、库存、价格和 checkout 流程。
第二，信任链不能断。用户不想把卡号交给 agent，商家也不想让所有 bot 都能随便下单。商家想保留客户关系、交易控制和风控责任，不是完全被 AI 平台截胡。
Agentic Commerce 相对整个消费电商还很小，但增长很快，尤其集中在 commodities。这里的 commodity 不是大宗商品，而是标准化、低客单、容易判断、购买风险低的东西，比如 Halloween costume，万圣节服装。
这类东西适合早期 agent 购买，因为用户不需要强烈的触摸、试穿、审美判断，也不承担太高的决策成本。就像早期电商一样，人们也不是第一天就在网上买昂贵沙发和床垫，而是先从更确定、更低风险的东西开始。
所以 Agentic Commerce 大概率会从辅助购买开始，而不是一步到位变成全自动购物。
但只要购买入口从商家网站转移到 AI 界面，互联网商业基础设施就得重做，商家怎么接入这些新入口，用户怎么安全授权 agent，支付凭证怎么不暴露，商家怎么识别合法 agent 和欺诈 bot...
很多人一听到它，脑子里直接跳到最极端的版本：一个 AI 完全了解我，不需要我说什么，就知道我要买什么，然后自动替我下单。
但如果只用这个版本理解 Agentic Commerce，很容易误判今天已经发生的变化。Stripe 的拆法更现实：它把 Agentic Commerce 看成一个光谱。
第一层，AI 只是减少购买摩擦。
这是最接近今天互联网的形态。人还是决策者，AI 只是帮你研究、比较、整理选项、填表、缩小范围。
比如你想买某个东西，AI 帮你比较几个型号、总结评价、自动填配送地址或优惠码。最后点不点购买，还是你决定。
这还不是完全自主的 Agentic Commerce，但它已经改变了购买入口：用户不一定先去商家网站，也可能先在 ChatGPT、Gemini、Meta 或其他 AI 界面里开始消费决策。
第二层，搜索变成自然语言描述。
比如找夏令营。传统方式是关键词加筛选器：地点、日期、预算、距离、年龄段，一项项筛。
AI 的方式是你直接说：我有小孩，需要某个预算内、某些日期、开车距离可接受的夏令营。
这里 AI 不只是帮你填表，而是在理解你的真实需求，把模糊约束变成可执行搜索。这比“搜索 + filter”更接近一个人类助理。
第三层，才是真正的授权购买。
这也是很多人心里 Agentic Commerce 的最低门槛：你给 agent 一些约束，比如预算、日期、品类、偏好，然后它代表你完成购买。
比如你说：帮我在 100 美元以内买一个适合 5 岁孩子的万圣节服装，周五前送到，不要太吓人。
到了这一层，人不再逐项比较、手动点击 checkout，而是把一部分决策权和执行权委托出去。这里才开始出现真正的支付基础设施问题：agent 能不能付款？付款权限从哪里来？商家怎么知道这是合法用户授权的 agent，而不是恶意 bot？
第四层，是环境感知式自动购买。
这是更远的 ambient version。你甚至不主动发 prompt，系统已经知道你的季节性需求、家庭情况、日程安排，然后提前帮你处理。
比如系统知道夏令营报名季到了，也知道你孩子的年龄、预算、地理范围、过去偏好，于是主动安排或建议购买。
第四层远远没有到来，单即使还处于前面几层，支付、信任、身份、商家集成也已经要变了，旧的交易流程都不再完全成立。
旧流程默认是：人打开商家网站，创建账号，选择商品，填写地址，输入银行卡，点击购买。
但在 Agentic Commerce 里，购买可能发生在 AI 界面里比如 ChatGPT、Gemini、Claude、Meta或者 Manus 里。
于是出现两个核心问题。
第一，agent 要理解商家的商品、库存、价格和 checkout 流程。
第二，信任链不能断。用户不想把卡号交给 agent，商家也不想让所有 bot 都能随便下单。商家想保留客户关系、交易控制和风控责任，不是完全被 AI 平台截胡。
Agentic Commerce 相对整个消费电商还很小，但增长很快，尤其集中在 commodities。这里的 commodity 不是大宗商品，而是标准化、低客单、容易判断、购买风险低的东西，比如 Halloween costume，万圣节服装。
这类东西适合早期 agent 购买，因为用户不需要强烈的触摸、试穿、审美判断，也不承担太高的决策成本。就像早期电商一样，人们也不是第一天就在网上买昂贵沙发和床垫，而是先从更确定、更低风险的东西开始。
所以 Agentic Commerce 大概率会从辅助购买开始，而不是一步到位变成全自动购物。
但只要购买入口从商家网站转移到 AI 界面，互联网商业基础设施就得重做，商家怎么接入这些新入口，用户怎么安全授权 agent，支付凭证怎么不暴露，商家怎么识别合法 agent 和欺诈 bot...
5 07
技术革命有两种，一种是 communication revolution，改变信息如何被分发。一种是 computation revolution，改变信息如何被处理。
互联网、云、移动互联网都属于前者，是信息分发。AI 是 computation revolution，这也是绝大多数即刻上的人没经历过的，然后 TA 们在那讨论共识与非共识🤔
互联网、云、移动互联网都属于前者，是信息分发。AI 是 computation revolution，这也是绝大多数即刻上的人没经历过的，然后 TA 们在那讨论共识与非共识🤔
16 03
当我们谈论共识与非共识时，意味着首先是没有太多的盲区，但我咋感觉老王的家办应该盲区挺多的呀
王慧文: 我提供三个标的以供讨论， Lovart、Genspark、Emochi， 这三个都属于我没看懂，（这是个中性表达） 同时增长很快， 且正面声音和负面声音都很鲜明， 历史上看， 有这种特征的公司都应该重视， 多花点时间研究， 比如：早年拼多多、早年瑞幸 有谁对这三个产品有深入认知或使用体验？
6 10