# 新的创业机会，正在 Claude Code 和 Codex 周围长出来｜对谈 Treg 十字路口Crossing · 2026-10-18 · 51 min · https://www.xiaoyuzhoufm.com/episode/6ad2412d0e4e410a05be01a7?utm_source=rss ## 逐字稿 Koji 本周《十字路口》的嘉宾是Jason Zhou和石天鑫。Jason是Trig公司的创始人，石天鑫是他们的创始工程师。Trig是面向Claude Code和Codex工具的OpenRouter。欢迎二位。 Jason Zhou Hello，大家好。 石天鑫 Hello。 Koji Jason，你们创业已经9个多月了。这期间转型了三四次，表面上看，似乎一直在找方向；但我觉得背后其实和绝大多数当下的AI应用创业者一样，都是在尝试回答同一个问题：当基础模型越来越强，AI应用公司究竟应该如何创造独立、差异化的价值？我们今天的话题就从这里展开。开始之前，先来快问快答，帮助大家了解一下Jason和天鑫。请问二位的年龄？ Jason Zhou 我是93年的，现在33岁。 石天鑫 我94年，32岁。 Koji MBTI和星座呢？ Jason Zhou 我是INTJ，而且是很I的那种INTJ，处女座。 石天鑫 我是INTP，可能比Jason还要I一点，白羊座。 Koji 你们的求学经历是什么？ Jason Zhou 我本科在重庆大学读热能与动力工程，毕业以后去澳洲读了交互设计。 石天鑫 我毕业于成都的电子科技大学。 Koji Jason，用一句话介绍一下Trig是什么。 Jason Zhou Trig相当于面向数据和工具的OpenRouter。你可以把我们想象成给Agent使用的、最大的一个数据和API市场。如果你用Claude Code、Codex或者搭建Agent，不需要一个一个地购买订阅，只需要用我们的一个Key，就可以访问任何想要的数据或工具。 Koji 那二位在创业之前都做过什么？ Jason Zhou 我之前在澳洲的一家创业公司Relevance AI工作。三年多前，我们就在做全自动销售、SDR之类的东西。我在那边负责产品和AI团队，去年年底出来创业。 石天鑫 我大学学的是嵌入式系统，在苹果中国短暂做过半年多的测试工程师实习。当时我发现互联网可能更有意思，后来陆续在阿里、字节待了10年。 Koji 刚才一开始就提到，你们在做Trig之前，创业虽然不到一年，却转型了很多次。可不可以讲讲从一开始到现在这几次转型分别在做什么，以及为什么转型？ Jason Zhou 可以。我们一开始做的产品叫Super Design，相当于一个设计Agent，可以帮你搭建很好的前端设计、海报设计等等。后来转型了一次，今年大概4月到6月，我们做了一个叫Crewlet的产品，是一个全自动的增长Agent。你把你的业务告诉我们，我们就自动帮你做SEO、发社交媒体内容等等，帮你自动化获客。这中间我们也遇到了很多惨痛的教训。最近做的这个工具叫Trig，这应该算是三次转型。 Koji 这些教训是什么？ Jason Zhou 虽然我们转型了挺多次，但每次都学到了不少东西。一开始做的Super Design，相当于一个设计Agent。最初可能只是我们的一个周末项目，因为那时候我在做自己的YouTube频道，发现UI设计相关的视频内容流量很大，有很多人想了解这方面的内容。于是我们做了一个IDE插件。如果你用Cursor——那时候Cursor可能还是最火的编程Agent——就可以直接跟它说：“我要设计这个东西。”它会给你做出三四个不同的版本，你可以从中选择。后来我们把这个项目开源了，几个月内在GitHub上获得了6000多个Star。 Koji 哇，这个数字非常好。 Jason Zhou 而且完全是自然增长。这也是我学到的一点：开源是AI产品赛道里非常重要的营销工具。有了这个增长之后，我们决定辞职出来创业。创业后做的第一件事，就是没有继续走开源这条路。 Koji 为什么呢？ Jason Zhou 因为那时候尤其是IDE插件这种形态，我们没怎么看到比较好的商业化路径。更重要的一点是，去年我们觉得，如果产品是插件形态，就意味着用户必须先使用Cursor、Claude Code或Codex。我们当时觉得这是个问题，想让更多人用，所以觉得做网页版可能更好，用户直接去网页上就可以开始设计。没想到接下来一年，大家全都涌入了Codex和Claude Code。 Koji 所以当时决定不继续做Super Design，和后来大家开始用Claude Code、Codex有关吗？ Jason Zhou 有一定关联，但最主要的原因之一是模型本身的前端能力越来越强。从Gemini 3开始，各大厂商都开始卷前端能力。 Koji 所以这又是一个模型吞噬应用的故事。 Jason Zhou 是，你也很难预测，对吧？Gemini 3出来以后，倒逼OpenAI和Anthropic开始补足前端方面的人才。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。第二点确实和Claude Code、Codex有关。它们是通用Agent，基础能力变得越来越强，Skill生态也发展得非常好，很多人用Claude Code再加上一些比较火的前端设计Skill，也能做出不错的效果。 所以今年早期我们还是挺焦虑的，不知道我们的发展前景和应用场景到底应该是什么样。那时候刚好OpenClaw火到爆炸，大家都在用。我觉得今年2月到6月是一段很魔幻的时间。我相信Koji遇到的创业者比我还多，那段时间大量优秀的创业者都转向了AI employee赛道，因为大家都用了OpenClaw，觉得“the future is coming”，以后大家肯定会这么运营公司。其实每个创业者的经历都差不多。 Koji 为什么到6月又停了？你说2月到6月是一段魔幻的时间，我的体感也是，最近大家都不聊这个了。你们也亲自参与了这股浪潮，为什么到6月就停下来了？ Jason Zhou 做了几个月以后，发现这件事比想象的难。这是我觉得最核心的原因。我们也参与了这个过程，做的产品叫Crewlet。最初我们其实没想做AI employee这样的产品，直到2月左右我看到一个叫Posia的产品。那时候它的ARR可能只有十几万美元，但它的体验让我非常震撼。 Koji 非常震撼。 Jason Zhou 我上一次有那种感觉，应该是第一次用Cursor，它帮我搭建了整个项目。Posia如果观众没听过的话，可以把它理解成一个帮你运营整个公司的AI。它的愿景很大，产品体验也做得非常极致。我记得第一次用的时候，我注册了账号，也没有给它任何信息。它看到我的Jason Zhou邮箱，就知道我在做什么，然后马上给我生成了两三个创业想法。我选了一个之后，它马上就帮我搭好了落地页。 Koji 它给你选了什么创业想法？ Jason Zhou 我还真不记得了。 Koji 因为你当时推荐我之后，我也去用了。它拿到我的邮箱地址后，就用这一点线索去网上搜我是谁、有什么背景，然后推荐我做一个什么样的零人公司。它推荐我做一个给其他播客主用的播客工具，也就是一个AI播客后台。我说：“这个不错，你帮我做。”当时我确实很快就充值，让它帮我做了。 Jason Zhou 对，我记得那天隔了两天还问你充了多少钱，你说又给它充了几百美元，开了一个什么God Mode，是吧？ Koji 对，God Mode，上帝模式。 Jason Zhou 我还挺好奇后面你有没有继续跟进。 Koji 没有。反正没帮我赚到钱，只帮我花了钱。 Jason Zhou 我那时候也差不多。它还帮我做好网站，帮我找客户、发Cold Email。关键是那些邮件竟然还有人回复。那时候我觉得很震撼，感觉这件事确实能做成。但用过它的人也会知道，它的产品形态看上去非常不靠谱，不像是给真正有业务的公司用的东西。而且你真的有业务，它也不允许你把内部系统、产品分析、广告系统接进去。 所以我们那时候想，不如做一个类似Posia的Agent，但面向真正有业务的公司：用户已经有一个业务，但想把它规模化。后来我们做了Crewlet，我才发现Posia最聪明的地方，也是它能在几个月内做到十几个ARR的原因。它听上去像是在卖一个愿景——让AI掌管公司的所有链路——但它真正交付的结果只有帮你搭建业务，而它把那部分做得特别好。 Koji 从零到一，帮你把网站和工具建起来。 Jason Zhou 是。它把从零到一做得特别丝滑。但你真的用起来之后，就像Koji说的，它没法给你交付结果，也没法帮你赚钱。它只是把前面搭建业务的部分做得极致丝滑，这是我们真的做了之后才发现的。因为你一旦真正进入业务线，就不只是简单地搭建业务了，你还要交付结果，而交付结果这件事非常难。 Koji 所以Crewlet当时做的，就是进入一家已有业务的公司，帮他们组建一个全自动、零人的增长团队。 Jason Zhou 是。 Koji 那这件事做得怎么样？ Jason Zhou 我们把第一个客户想象成上一家公司Super Design，就想：创业公司需要什么？获客需要SEO，对吧？可能也需要内容营销、社交媒体，也需要广告。广告听起来很合理，你只要看一下广告数据，自动增加一些预算、减少另一些预算，逻辑上也很通顺。我们把这些都加进去了，所有能想到的获客相关工作都做了。 后来我们发布了产品，其实有挺多用户愿意付费。那时候产品还没准备好，我们就直接放了个付费墙，让用户预购这个Agent，还是有不少人付费预购。但问题是，你真的要交付结果时，我们发现这太难了。 Koji 为什么？如果该做的事情都做了，SEO背后好像也没有太多魔法，对吧？ Jason Zhou 我觉得主要有两点。首先，数据不一定能拿得很精准，因为工具市场其实很分散。营销没有一个万能方案，不是你沿着一个方法做就可以了。真正有用的东西，往往是你做了很多尝试之后，发现某种方式没多少人做、又比较适合自己，于是不断加码。但当每个人都在做这件事时，这个渠道好像又没那么有效了。所以在这种动态变化的过程中，很需要人的判断力。 Koji 可以举一个具体的例子吗？ Jason Zhou 比如我们让Agent做SEO，大概的工作流是：找出所有和我们相关的关键词，看看哪些流量比较好、竞争又没那么激烈，然后选择那些关键词去做。 Koji 嗯。 Jason Zhou 但实际做了以后，我们发现大部分关键词早就被抢得差不多了。真正有机会的，是那些流量现在不高，但你判断未来一个月或三个月会变火、流量会变大的关键词。这部分很难让Agent完全独立去做。 Koji 所以后来就没有继续做Crewlet。从Crewlet到Trig又是怎么转型的？ Jason Zhou Crewlet大概做了一个多月，我们接入了一些用户，后来发现很难交付结果。我那时候觉得，我们是不是之前步子迈得太大了？我们还没有验证零人公司到底是不是未来，好像只是因为当初试了OpenClaw和Posia，就假设它一定是未来，模型一定会在6个月内足够强。 所以我们想，不如先停下来，不做产品开发，回去用AI的方式运营Super Design。上一家公司Super Design虽然有几个月没管，但仍然有自然流量进来，转化漏斗也有很大的优化空间。我觉得这是一个如果放到Acquire.com上就会有人买、再继续做大的生意。如果我们能用AI验证它真的可以全自动化运营并且增长，那我们就能了解这套方法到底是什么；如果不行，也能非常清楚地知道这不是一条好路，应该去做别的事情。 Koji 当时验证的结果怎么样？ Jason Zhou 花了大概两个月，不断搭建各种Loop。我们学到几点。第一，全自动化工作确实有一部分可以做，但增长相关的应用场景反而很少。比如客服确实可以全部自动化，修复Bug也可以自动化；但增长非常难自动化，因为需要人介入和测试的地方实在太多。 所以我们当时的第一个结论是，未来6到12个月，零人公司不是一个可行的场景。更需要解决的是在人和Agent大量协作的场景里怎么做这件事。第二个非常重要的结论是，一定要围绕Claude Code和Codex生态做产品。 Koji 你们是怎么得出这个结论的？ Jason Zhou 这中间我们做了很多增长实验，试了不少东西，感觉都没什么用。真正改变增长曲线的是有一天石天鑫上线了一个Codex插件。插件一上线，我们的增长曲线突然就变了，大量用户涌进来。 Koji 这么神奇。当时是怎么得到这些用户关注的？你们在哪个渠道宣传的？ Jason Zhou 没有做任何宣传。 石天鑫 对，没有宣传。我来分享一下这件事，我觉得挺有趣的。Codex刚发布Work和Codex插件市场的时候，还没有太多有意思的插件出来。那时Super Design正好赶上一个很好的时机，我们几乎没做什么，只是把原先的CLI和Skill发布到了它的市场里，让用户可以安装。 因为那是一个很早期的市场，而ChatGPT和Codex本身已经有很大的用户群，用户很容易看到你的插件。如果插件有吸引力，他们就会使用并转化。还有一个很早期的小细节：我观察到当时插件市场的排序居然是按字母顺序排的。我们只是把名字从Super Design改成“01 Super Design”，就排到了第一个。确实只排了几天，他们很快就改了排序策略，开始按自己的逻辑排序。但这个起步让我们有了一些流量。 这件事给我的启发是，早期的工具和市场都值得尝试，因为你不知道哪一个尝试会带来流量。 Koji 这条故事线是，你们先用Crewlet帮Super Design做增长，然后在这个过程中发现Super Design的Codex插件增长很好。到这里了，接下来又是怎么转到Trig的？ Jason Zhou 做了插件之后，我们发现增长非常好，最重要的是，这部分用户的流失率也变低了。后来我们发现，Codex和Claude Code现在有海量用户，但体验还不够好，所以围绕它们这个平台去改善体验，可能是一个很好的机会。 有点像当初Facebook出来之后，Zynga在上面做游戏，或者PayPal在eBay上做支付。所以我们当时大概有了这个设想：服务于Claude Code、Codex生态，做东西会很有意思。 后来我们回过头看Crewlet做过的东西，发现最有价值、最容易迁移的可能是工具这一部分。各家的Harness差别不大，但如果要让Agent做真正的Go-to-market工作或其他专业工作，就需要大量专业数据和工具。我们当时在内部做了一层中转服务，因为Crewlet要给各种用户提供数据连接。我们觉得这部分很有价值，于是决定把它单独拿出来给用户用。发布之后，反响确实很好。 Koji 发布之后反响有多好？ Jason Zhou 我们发布了大概3周，具体数字就不分享了，但它3周的收入已经是Super Design收入的好几倍。 Koji 现在怎么收费？ Jason Zhou 用户用Trig主要是调用API和数据，所以按使用量付费。我们没有月费，完全按用量收费。 Koji 现在付费最多的是哪类工具或场景？ Jason Zhou 大部分集中在Go-to-market。越来越多人用Codex和Claude Code做原来在SaaS里做的一些Go-to-market工作。最主要的是找客户，比如在海外找B2B客户，需要买Apollo、RocketReach等不同供应商的服务。 但在这个场景下，每个数据提供商原来只能提供一部分找人数据，而且每家也都按月收费，导致用户往往只能选一家。 Koji 嗯。 Jason Zhou 但我们把所有供应商集中到一起之后，用户就可以根据自己的场景和行业，选择最合适的端点来找客户。 Koji 这些工具为什么愿意被你们整合？被整合意味着他们自己的收入有可能减少。 Jason Zhou 很多垂直领域里有大量供应商，但他们没有很好的方式接触终端用户。比如找人的领域，像Clay这样的产品，背后的数据大部分也不是他们自己的，而是来自一大批数据提供商。这些数据提供商本来就是按API用量收费的。Clay就是一个很好的例子，他们自己也整合数据，再转卖给用户。 Koji 除了找人，其他比较主要的场景还有什么？ Jason Zhou 还有SEO、AEO相关的。我们整合了基本上所有能找到的SEO排名、AI可见度数据源。还有社交媒体、UGC相关的，以及生成图片、视频的端点，都整合在一起，可以完成整条链路。 Koji Claude Code和Codex没有接Trig，或者没有接你们背后的这些工具时，也能做这些事情，对吧？现在只是你们接了这些工具和数据，让它变得更好。但有没有可能以后慢慢就不需要你们这一层了？ Jason Zhou 我觉得可以分成两种情况。第一种是模型本身的知识。但你看具体的业务工作，需要的数据都是实时的，不是说Claude Code开箱即用就知道这些事情。第二种是它当然可以用浏览器做一些自动化、拿一些数据，但有很多数据它其实拿不到。比如找人，不是你在Google上一搜就能搜到的；做社交媒体时，也有很多平台会把这部分限制掉。 石天鑫 我觉得很有意思。现在有各种各样的Agent Harness，每个人都会选自己喜欢的。我有个朋友用Kimi，是因为Kimi接入了一个叫Wind的万得股票交易数据。这说明数据对他本身很重要。 我觉得未来各家的Agent Harness有可能因为接入的数据有独特性而吸引相关用户，这完全有可能。而Trig做的也是类似的事情：提供一个中立的市场，让各家的Harness都能用同样的工具。这样，比如你想从Claude Code切换到Codex，之前积累的工具调用和数据也都留在这里，我们就提供了跨平台调用的能力。 Koji 如果这个模式成立，为什么价值最后会属于Trig，而不是最强的数据供应商直接对接模型公司？你们在中间提供的，会不会只是它们还没对接上时的阶段性价值？ Jason Zhou 我们站在一个中立的位置，最终想让用户用比较高性价比的价格，获得最满意的数据。我们更像Costco，去找到市场上最好的一些数据提供商，再展示给用户。 最主要的区别是，很多人会以为一个行业有一家头部供应商，就能提供最好的方案。但现实中，每个场景都有几十个不同的供应商，而且各有各的优势。比如找人，企业要找到合适的人，需要各种不同的信息。SEO、AEO相关的数据提供商也有很多家，每家覆盖的数据平台不同，价格也不一样。 石天鑫 我觉得有一个比较有意思的例子，就是Jason最近也在宣传的UGC视频功能。我理解现在视频模型不断涌现，比如Seedance、MiniMax Hailuo，效果都很好。但普通大众想体验的话，办包月会员价格比较高，而且这可能只是短期的一次性需求。 通过我们的平台，我们接入了上百种AIGC相关模型，也把每个模型擅长什么、不擅长什么这样的Skill放进来。我们希望用户可以用我们的平台，配合自己比较强大的Codex或Claude Code Agent Harness，做出他们想要的UGC视频。 Jason Zhou Trig积累了大量用户数据，这中间其实会形成一个数据飞轮，然后我们可以借此推出更多服务。石天鑫最近还做了很多机制，让Agent给每个服务评分，帮助我们积累有意思的数据。 石天鑫 我觉得现在很多产品真正的用户已经不只是人了，还有这个人的Agent，所以Agent对我们的产品有最直接的体感。我们有一些机制，会随机挑选用户，让他们的Agent给我们反馈。系统会持续查看这些反馈，简单的Bug就直接修复，有意思的功能请求我们会收到，再考虑加进去。Trig本身也有这样一套机制。 我觉得数据飞轮也是AI应用创业团队可以采取的一种方案。既然我们没法训练自己的模型，总要让一些数据反哺自己的产品。Trig作为一个AI工具市场，有点像大众点评。我们可以在某些时候让Agent用户评价每个API调用，比如返回的数据有没有用，有用的话是哪个字段起了作用。这些反馈会透明地沉淀下来。 这样我们自然就能得到一张有意思的图表：在某个领域里，每个API端点在有用度和性价比上的得分。有些是客观数据，有些是Agent的主观数据。我们可以加工这些数据，展示给之后的用户，让他们的Agent在使用时选择最合适的工具。比如需要数据精确性，就可以选最贵、最好的端点；如果需要覆盖面广、价格便宜，就可以选评分高、性价比也高的工具。 Koji 几次转型下来，你们最大的感受是什么？ Jason Zhou 我们最大的感受是，之前做Agent时想涵盖的东西太多了，可能连Harness也自己做。那时候还不清楚到底应该用Claude Code SDK，还是自己做。很多团队可能连推理也自己做，甚至有人自己做沙盒，也把记忆系统做了。 但你做的每一层，都有一家公司在不断优化和迭代。我们最近几次迭代，更倾向于把一部分做好，嵌入Claude Code和Codex生态里。我那天还和一个UI工具的创始人聊，今年之前不同工种用的工具不太一样：设计师用Figma，做营销可能用邮件序列工具。但今年以后，大家所有的工具好像都变成Claude Code和Codex了。这是一次比较大的平台迁移，还是有很多想象空间的。 Koji 说到这里，我想到另外两个类似的产品或创业公司。一个叫Eagle，是一个浏览器，最大的卖点是用Codex、Claude Code操作它做Computer Use时效率很高。另一个是ChatCut发布的Codex插件，你可以在Codex里剪视频。如果不用ChatCut的插件，输入一个Prompt，剪出来的就是成片；要修改的话，就得把成片再改成另一个成片，没有中间状态。 但装了ChatCut的插件后，剪出来的是一个可以看到的编辑器中间状态。比如一个视频被剪成了3条音轨或10个片段，你可以在上面稍微拖拽，做一些人工微调。 石天鑫 我们做Super Design插件时参考了它。我觉得它当时的接入体验和使用体验都是最丝滑的。 Koji 但我觉得它和Super Design有个本质区别。比如我做了一个前端，毕竟是代码，出来的代码我还能继续改。但视频不是这样：生成一个视频之后，如果没有中间状态，修改起来就非常困难。 石天鑫 嗯。 Koji 我每改一次，都要等10分钟、20分钟才能再渲染一个新视频出来，还会烧很多Token，所以就很需要有一个中间状态，可以拖时间轴之类的。 Jason Zhou 我是Hyperframe的重度用户。我发现有了那个中间状态之后，我不想自己去改，还是会让Agent来改。我可以给它一些反馈，然后把这些反馈打包起来，让Agent操作。 Koji 现在应该是这样的。真的自己去改时间轴的人还是比较少，主要还是人告诉Agent要怎么改。以前Agent只能重新生成一遍视频，现在它可以操作ChatCut提供的各种接口，确实能省很多时间。 Jason Zhou 可以，我试一下。 石天鑫 Codex和Claude Code在开发者眼里已经很火了，但我觉得未来几年，广大用户也会逐渐用上这样的Agent工具。如果我们这个艰难创业的小团队能借助这股浪潮获得增长，我觉得会容易一些。 我之前在快手时也遇到过一个很大的问题：模型成本其实非常高。你想让用户长期用零人公司的方式运营，实际上会消耗很多Token。作为创业公司，如果我们向AI模型公司买Token再卖给用户，压力会非常大。而使用Codex和Claude Code这类工具的用户，正在享受很大的红利：他们可以用200美元的编程套餐，获得价值6000到7000美元的API Token使用量。我觉得用户和我们这些小型创业公司都要想清楚，怎么利用这样的机会。 Koji 还能想到什么服务这个生态的产品或工具吗？ Jason Zhou 今年增长最快的公司里，有一家叫Apify，还有一家叫DataForSEO。DataForSEO算是SEO数据提供商之一。Apify则是一个API市场，你可以在上面找一些长尾爬虫的端点。这些公司已经存在很久了，但今年突然有了大量增长。 设计领域里，Paper也增长很快。 Koji Paper遇到过和你们后来一样的问题吗？比如Gemini 3之后大家前端能力都提升了，Paper提供的价值是不是变弱了？ Jason Zhou 其实它和我们转型之后的做法一样，提供一个画布，让你对比不同设计，也可以手动微调，而且是在Codex里面原来熟悉的工作流中完成。 Koji 天鑫在这个生态里还有什么补充吗？ 石天鑫 据我了解，有一家叫Exa的公司，专门为Agent做搜索，已经做得很大了，应该到C轮了。这证明了为Agent做好一个搜索工具，可能也是一个很大的应用场景。 还有像Composio、Firecrawl这类做工具的公司，提供网页抓取、帮用户做OAuth授权，以及各种工具，它们最近也获得了很大的增长。 Jason Zhou 很多传统上算基础设施的公司，在Agent时代服务的不只是B端，也服务大量的Claude Code和Codex用户，因为Agent知道怎么调用这些API。今年之前，这些公司大部分用户都是开发者，但现在他们的用量大概接近一半是开发者，另一半是终端用户。 这些终端用户可能是原来的白领，不知道怎么编程，只知道接入Firecrawl之后，Claude Code就能更高效地抓网页。他们不需要管API怎么调用，接入之后就开始用了。所以现在有一大批Codex和Claude Code的重度用户。 Koji 还有一个叫Vibe Island的产品。大家现在会在Claude Code、Codex里面跑很多线程，有时候脑子就乱了：到底哪个线程跑完了，哪个线程在等我Review？ 它做的事情是把MacBook的灵动岛用起来。每次有一个任务完成，就会把灵动岛稍微展开一点，还有一个很可爱的像素小人和声音，让你可以在灵动岛上操作。这是一个设计得非常漂亮的软件，也是我们在AI Hacker House的一次周日黑客松里的冠军产品。后来它在X上发布，应该挺火的，卖了很多份，因为它是一个付费工具。 Jason Zhou 我们俩都付费了。 Koji 是的。另外我还想到Jason介绍给我的一位朋友晶晶，她做的产品叫Orca，O-R-C-A。它也被称为ADE，也就是Agent的IDE。现在大家会同时用Claude Code、Codex，甚至更多工具，Orca就是帮你同时管理这些工具的。 为什么要同时用两边？因为你想薅两边的羊毛。Codex的Quota用完了，可以把没完成的任务、做到一半的任务，平滑地转移到Claude Code继续做。我理解这是Orca比较大的卖点之一。也有很多用户认为它体验很丝滑，界面也很有审美。它也是一个服务这个生态的工具，现在已经有8万GitHub Star，增长非常快。 Jason Zhou 据我所知，他们的用户已经不是同时跑10个Session了，有些人可能同时跑50个、100个Session。我觉得有意思的地方是，在看到这种用量的情况下，他们能提供什么新的人和Agent交互方式。这可能是Codex和Claude Code团队还没有集中处理的场景。 Koji 刚才一开始我们就在聊，你们创业不到一年，一直在转型。Jason也说过，从2月OpenClaw出来之后，感觉所有应用创业者都在之后4个月里纷纷转型。你们对此有什么感受？ Jason Zhou 对我来说，创业一段时间之后，收益最大的反倒是那两个月我们没有做产品开发，而是把Super Design当作实验，试着用AI运营公司。那两个月帮我梳理并确信了对未来的一些判断：哪些值得做，哪些不值得做。 很多创业公司都是看到了一些别人还没意识到的东西，自己体验到了，就觉得那一定是未来，然后把它产品化。 Koji 所以那两个月里，你看到了一些可能会发生、一些不会发生的事情，可以分别讲讲吗？ Jason Zhou 有两件事比较确定。第一，未来6到12个月，零人公司不成立。我们需要解决的是人和Agent协同工作的场景。 第二，要围绕Codex和Claude Code生态做产品。做Crewlet时，包括Super Design在内，我们都自己搭了一套Harness。那两个月我们让团队不要有任何包袱，就假设自己是一个新团队，去选市面上最好的工具。那时候我们很自然地选了Claude Code和Codex，用完之后发现体验比自己做的Agent好太多了。在这个过程中，包括发布插件等等，我们慢慢意识到这个生态是一个巨大的机会。 我觉得这两件事足以让我们后来更确信哪些东西值得做，哪些不值得做。否则我们很可能还在迭代Crewlet，还在想是不是Skill做得不够好、Prompt调得不太行，或者是方向不对。创业时遇到太多不确定性，确实很难做决定，那时候转型非常痛苦。但如果有一些相对确定的判断，我觉得会好很多。 Koji 我记得当时Posia[?]流行的时候，包括你们做Crewlet的时候，也有一个流行了一两个礼拜的词，叫Loop Engineering。你们现在怎么看这件事？ 石天鑫 首先我很喜欢Loop这个词，听起来就很有吸引力，好像能让一件事情自动化地完成。但如果把创业分成创新和运营两部分，我觉得创新显然不是Loop能完成的。否则我可以说“帮我造一个创业公司”，它就能造出来，但显然现在还做不到。 运营这部分，我觉得Loop还是有很多踏踏实实能做的事情。我理解运营一家公司其实是运营一个非常复杂的系统。我以前很喜欢一本书，叫《系统之美》，讲的是怎么搭建一个系统，让它能够稳定运行、健壮地生存下去。这里面有很多讲究，比如需要搭建开环或闭环的反馈；我觉得Loop在Agent领域就是一个很有效的工具。 创业之前，我也没想到创业这么难。比如我没想到有一天要处理大量黑客攻击。Super Design和Trig这样的创业项目，一旦有了邀请新用户、赠送Credits之类的激励机制，就会有黑客不停攻击你。作为一个只有4个人的创业团队，如果每天还要花精力处理这些事情，会非常痛苦。但如果有一个Loop长期帮你监控系统、寻找风险行为，并且直接堵住一些小漏洞，我觉得它可以做得不错而且稳定，能节省公司很多精力。 很多时候，Loop一开始不能建得太复杂，短小精炼的Loop反而更有用。比如一个Loop只负责监控数据库、寻找安全风险；另一个Loop只负责整理代码。每次做的事情都比较小，小到不太容易出错。 另一方面，当你搭建了十几个这样的小Loop之后，它们自然会形成一个复杂的系统，让你的系统变得更健壮。比如某个Loop发现一个Bug并提交了，但你还有线上监控的Loop，它会找到问题并提示你。我觉得这些小Loop之间的配合，才是让它们真正跑下去的好方法。 Koji 最近两三个月，你们和AI协同工作的方式发生了什么变化吗？ Jason Zhou 最大的区别是，同时跑的Session比以前多得多。尤其是Fable这些模型发布以后，我基本上会同时开5到10个Session，因为它们自己完成任务的质量已经很高了。 第二，以前我可能完全在本地工作，但最近尤其是Grok Bot做完之后，我觉得它的云端加本地混合体验非常丝滑，可以随时交换Context。这也是我变化比较大的地方。 石天鑫 我也很像。以前可能是一个一个地打开Session，然后在里面和不同Agent对话。但一个人的处理能力也是有上限的。 我在YouTube上看到一位叫Kun的资深工程师分享了一个工具，叫Firstmate。意思是你作为船长，只要给大副布置任务，大副就会去和其他编程Session沟通。我觉得挺有意思。后来我虽然没有直接用这个项目，但把这个思路学了下来。比如我会用类似Herder[?]这样的新一代终端管理工具，让Agent之间互相沟通；或者安排一个主要Agent做大副，去转达任务给其他Agent。 Koji 你们现在用Claude Code多，还是Codex多？这两个有明显更喜欢哪一个吗？ Jason Zhou 几个月前我还是Claude Code的重度用户，很难把我迁移出来。直到最近Astra这个模型出来以后，我就换成了Codex，主要是它的模型确实很强。 还有一部分原因是，我们团队做宣传时经常用Hyperframe做宣传视频。我明显感觉它在Astra下面做得好很多。有一次我很震惊，直接把一个视频给它，它就一次性、一比一地完全复刻出来了。比较震撼的是，视频里需要一些素材才能做出来，但它甚至聪明到能从原视频里截图、裁剪到合适的样式，再放到新视频里。 石天鑫 我更倾向两个都用，因为我觉得这两个还没有绝对的领先优势。可能Fable某天强一点，Astra又马上反超。所以我会长期都用，也会把一些事情同时交给两个模型做，再挑一个更好的版本。我觉得这也是一种不错的体验。 在这个时代，你就是需要长期用着世界上最好的模型，感受它们的差异和带来的优势。 Koji Claude Code和Codex之外，你们还在用哪些产品？ Jason Zhou Grok Bot用得挺多。我觉得Grok Bot是个很好的例子。OpenClaw出来之后，也没有什么别的产品真的获得大众使用。但你要说Grok Bot有很多创新吗？其实也没有，只是把沙盒云端体验做得非常丝滑。 我们把Trig和Super Design的所有Loop都搬到Grok上了，因为它的稳定性真的很好，我随时都可以查看。还有一点是，Grok Bot其实收购了Cursor。我用了Grok Bot之后，才意识到这件事有多合理。Cursor做得最好的一点就是沙盒：它可以保证每个编程任务都有对应的沙盒。这个如果在本地跑，很难实现。我本地最多开几个独立Workspace，但很难在本地同时测试五六个不同环境。 所以我现在也开始在云端做很多编程工作，尤其是简单的前端修改和Bug修复。我直接点开就可以测试，而且PR里也有一个链接，随时可以点进去，在沙盒环境里测试。 Koji 除了GPT-5.1和Astra，你们还会用DeepSeek、Kimi、智谱或MiniMax的模型吗？什么场景会用它们？ Jason Zhou 之前做Super Design时，我们尝试过用Kimi作为主模型，因为它的设计能力很强。MiniMax我们也接入了，但不是它的编程模型，而是它的生成视频模型Hailuo，质量很高，价格也不错。DeepSeek有很多人说很好，但我自己用下来，体感一直没有特别好。 石天鑫 我觉得国产模型，尤其是在前端领域，其实都很强，比如Kimi、MiniMax。我个人很喜欢DeepSeek 4.1 Flash，效率高，速度也非常快。 我之前一直有个想法，就是把Super Design自己的第一层Agent换成DeepSeek。但目前看，Claude在大量场景下可能还是更稳定，所以我们还没有真的在生产环境里切换。 Jason Zhou 这里面有个很火的Jeff模型，我觉得还蛮有意思。其他模型可能更多是在比价格，或者比某个场景的能力；但Jeff速度足够快，应用场景又非常简单，所以有一些原来不太可能实现的场景，现在只有这个模型能做到。 Koji 对你们来说，目前工作里有什么地方可以用到Jeff吗？ 石天鑫 我今天才刚开始接触Jeff，第一印象非常亮眼。我理解Trig会为我们产生很多数据。以前很难让大语言模型做的一件事，就是快速处理。比如每一个端点的请求进来时，如果调度它要等几百毫秒，就很浪费时间。这时候有一个快速、像System 1直觉一样的模型，就可以做很好的路由。 另一方面，当我们需要过滤大量数据时，比如过滤2000条、3000条，召回结果之后要清洗一遍再展示给用户。如果有一个直觉型模型能一条一条直接对比，我觉得可以做出很好的召回引擎，比现在其他LLM快很多，质量也不差。 Koji 你们最近看到那篇文章了吗？《我不得不把我的才华埋葬在昨天》，是DeepSeek的一位研究员写的。 石天鑫 对我来说，我前10年的工作生涯可能就是做程序员，或者说前端开发工程师。我比较擅长的也就是写React、写前端。但从去年开始，你就能很清楚地知道，这项技能对你的意义没那么大了。除非你做到世界前几百名，否则可能很快就用不上这个技能了。 所以当时这件事对我的影响是，我认真思考了一下接下来几年、甚至10年究竟要做什么，然后义无反顾地加入了Super Design这个团队，至少开始和Jason他们做一些有意思的事情。 Koji 可以稍微展开讲讲这个决策过程吗？ 石天鑫 我理解，第一点是，当时或者现在，很多人面临的都是一个人生的十字路口：你之前走的路可能接下来走不通了，甚至这条路可能会消失。但你在这个十字路口要做什么，可能会对人生造成比较大的改变，所以这是一个重要的决定。 对程序员来说，你再也写不过AI了。在这个技能点上，你就是比不过AI。但我觉得还有更多值得探索的尝试，比如对我来说，就是加入一家创业公司，去做更多有挑战、有意思的事情。 Jason Zhou 我觉得以后更多是你的跨领域能力可以被完全释放出来。我自己创业之前的经历也比较奇怪。虽然我是设计师，但我从来不喜欢调那些Pixel。我更喜欢从产品经理的角度看东西，也会自己写一些前端代码。我觉得这样的人反而更容易发挥出来。 Koji 你们创业不到一年，转型了这么多次。刚才Jason也聊到，这个过程中很多时候都很焦虑，觉得好不容易做出来的一个产品，不到一个月就要宣判它死刑。这个过程中有想过放弃吗？ Jason Zhou 有，肯定有。对我来说，做Crewlet那段时间反倒确实挺挣扎，因为不确定的东西太多了，每天都在想下一步该怎么做。想了半天，好像也想不出什么特别好的答案，但你也得往前走。 我一般会想，在这个方向上，现在有什么事情能真正改变我们的处境？如果想不到，我觉得可能得换方向；如果想到了有哪些事情可以尝试，我们就继续做。当然有很多次会想放弃这个东西。尤其是我自己本来做YouTube频道，说实话，想过上小康生活还是比较容易的，所以中间肯定会有想放弃的时候。 但一般来说，每次度过这种情况、想到一个新方向，再发现这个方向很有希望，那时候得到的刺激就非常大。 Koji 嗯，万物之中，希望最美。 Jason Zhou 尤其是你发现自己在不断学习、不断进化，我觉得这会是很好的体验。 石天鑫 我也很能共情。我确实经历过一些比较崩溃的时刻，比如一件事情长期看不到增长，又不断遇到打击。有一天醒来，突然发现被人盗刷了Credits，比如一下损失4000美元，你会觉得天都塌了。 但比较好的是，我们团队一直在寻找其他方向和机会。所以每次至暗时刻到来时，我们总能找到一些看上去有曙光的地方，然后朝着那个方向努力。有这样的机会，就不会那么难受，也不会觉得走不下去。 有时候，如果一件事情Fail Fast，知道它真的要失败了，不如让它快速失败，然后换一个新的东西尝试，反而可能会得到一些意想不到的惊喜。 Koji 前两天我见了一个朋友，他说他在寻找这样一种创业者：相信AGI会到来，也相信AGI是由模型进化带来的，但同时还在创业。你们觉得自己是这样的人吗？ Jason Zhou AGI要到来，模型是必要条件，但达到AGI的路径有很多。说实话，我们团队每个人都是AI重度用户。我自己要做内容，基本上看到市面上最新的东西都会体验一遍，所以你能保证自己沉浸在最新的技术前沿里，知道Frontier在哪里。这会让你对未来6到12个月最大的机会有比较好的直觉。沿着这个方向去做，我觉得就不会那么悲观；不然如果所有东西都直接由模型来做，你也就没什么机会了。 石天鑫 我觉得即使AGI到来了，做性价比高的事情依然很有用。即使有一个万能模型，假设它存在，它也需要工具，也需要找到它需要的数据。 如果它花1000美元的Token最终得到一份数据，而我们能让它花100美元就得到，它可能就会选择我们。所以我觉得给模型做合适的工具，或者找到我们自己的定位也很重要，然后在此基础上不断打磨效果。 Koji 很好，感觉这期播客录完之后，突然充满了乐观、积极向上的气氛。很感谢Jason和天鑫带给我们的信心，也祝福你们创业越来越顺利、天天向上。 Jason Zhou 感谢。 Koji 谢谢。