Agent工程师从VC播客中领悟的行业洞见与职业思考

最近听了一期VC的播客，内容很有嚼头，聊的是AI产品设计和市场判断的底层逻辑。对于身处这个行业的你我来说，其中的一些洞察，或许能带来不一样的启发。

播客里，戴雨森分享了他半年前的一个预言：他认为2026年会是“Year of R”，即现实与回调之年，为此他甚至清空了所有二级市场的股票。如今半年过去，现实似乎走向了另一个方向——Anthropic收入暴涨，编程助手（Coding Agent）几乎成了全民工具，他自己也坦言当初的判断有偏差。

但真正值得玩味的，并非“预言落空”这件事本身，而是他复盘的过程，以及复盘时浮现出的几个关键判断。作为一个每天用Claude Code写代码，同时也在进行AI创业的人，他的很多观点都能直接对应上我的切身感受。下面，就聊聊几个我认为值得记录下来的要点。

被打脸是一种高质量反馈信号

戴雨森引用了一个观点：Strong Opinions, Weakly Held。 意思是，要有鲜明的观点，但别被自己的话绑死。

他提到，自己差点因为上次公开的判断失误而不敢再录播客。后来，即刻的创始人瓦总一句话点醒了他：如果因为怕被打脸就不说了，那才是真正被自己的观点束缚住了。

其实做内容输出的人多少都有过类似纠结。对某个工具或趋势下了判断，过段时间发现情况变了。改口吧，怕显得前后矛盾；不改吧，心里清楚那个判断已经过时了。

后来想明白了：判断错了不丢人，固守着过时的判断不更新，那才真叫丢人。

戴雨森把这个过程比作模型的强化学习。你需要高质量的反馈信号，而市场给出的“负反馈”，远比朋友间的客气话有价值得多。

Harness是操作系统，模型是处理器

这个类比，可能是整期播客中最值得琢磨的一个洞见。

之前流行一种说法，认为模型公司就是新一代的操作系统。但戴雨森提出了不同的看法：模型更像是驱动操作系统的处理器，而Harness（可以理解为承载和调度AI能力的框架或产品层）本身才是真正的OS。

理由很直接：现在越来越多的应用是与用户的Harness对接，而非直接与底层模型耦合。

这一点从个人体验就能得到印证。很多人在Claude Code里配置了大量技能（skill），编写了详细的CLAUDE.md，运行数月积累了丰富的上下文（context）。这时候如果要换用另一个模型，第一反应往往不是“新模型不够强”，而是“我所有的配置、工作记忆和定制化工作流都绑定在这里了”。

这就好比，你不会因为AMD出了新款CPU，就把整个Windows系统重装一遍。CPU可以随时升级更换，但精心设置好的系统环境，你并不想轻易动它。

戴雨森举了几个例子：Claude Code采用CLI（命令行界面）形态，天然适合AI进行操作；OpenClaw将智能体（Agent）嵌入微信和WhatsApp，活在用户最熟悉的场景里；Manus则专注于沙盒环境和更广泛的研究，比模型公司更早地探索了智能体集群（agent swarm）的可能性。

这些创新都不是模型公司做的。模型公司的研究员或许会觉得“产品形态是否花哨并不本质”，但对终端用户而言，体验就是本质。

还有一层很多人容易忽略的价值：Harness带来的数据能够反哺模型训练，形成数据飞轮。

为什么普通的聊天机器人难以形成数据飞轮？因为大多数闲聊内容对模型而言，并不构成高质量的新知识。但智能体产品不同，用户是在让它解决真实、具体的任务。每一次任务执行的轨迹——哪些步骤对了、哪些错了、用户如何纠正——都是极其宝贵的训练数据。

这意味着，做Harness的公司不仅仅是在做一个“壳”，它同时在积累别人难以获取的数据资产。用的人越多，智能体就越好用；越好用，用的人就更多。这个飞轮一旦转起来，后来者将很难追赶。

一个清晰的判断是：模型能力是必要条件，但Harness决定了用户体验的上限。 对于创业者而言，Harness层的机会，可能比想象中要大得多。

回报问题并未解决，只是被向下推了一层

这个观点让人不得不停下来思考。

看到Anthropic收入暴涨，很多人觉得AI商业化的问题已经迎刃而解。但戴雨森指出，事情没那么简单。Anthropic的收入，本质上不是最终回报，而是客户的投入。

他拆解了一个三步链条：投入 → 产出 → 结果。

• • 投入：企业购买Token（代币）烧钱。
• • 产出：AI生成的代码和软件。
• • 结果：这些软件必须能卖钱或降低成本，最终产生利润。

现在，所有人都在拼命进行第一步的“投入”，因为相信最终会有“结果”。但“结果”真的到了吗？

他举了一个令人深思的例子：到处都在宣传使用了智能编程助手后，效率提升了十倍。但喊出这么多“十倍”之后，去看各家公司的财务报表，是否真的因此诞生了大量新产品、获得了大量新用户、带来了收入的显著增长？

目前看来，并没有。

原因也不复杂。过去几年移动互联网的增长停滞，并不是因为缺少程序员来写功能，而是不知道接下来该做什么。突然多出十倍的工程师，并不等于收入就能增长十倍。

这其实是一种普遍体感。今年初，很多人也烧了不少Token尝试各种小项目，但说实话，很多做出来的东西并未带来预期的商业价值。整个过程更像是在享受“言出法随”的快感，让AI去执行，自己过了一把“老板瘾”。

然而，Token烧了就是烧了。如果一两年内无法通过它创造的产出赚回成本，大部分公司是扛不住的。

戴雨森打了个比方：这就像一个水槽，上面不断有人涌进来尝鲜AI编程，下面也有人觉得没用而离开。目前进来的人远多于离开的人，所以收入还在增长。但你最终必须把下面的“漏洞”堵上，证明投入能切实转化为商业结果。

智能体之间可能出现网络效应

这部分可能是最具想象空间的。

半年前，你的智能体和我的智能体可能没什么区别，背后跑的都是同一个通用模型。但现在情况不同了。每个人在自己的Harness里，沉淀了不同的上下文、技能和记忆。

这意味着，同一个任务交给不同人的智能体，产出的结果会截然不同。

戴雨森举了个例子：如果一位资深记者（比如播客主持人张小珺）的智能体，沉淀了她所有的访谈准备经验、提问思路和采访案例，那么“请她的智能体帮我准备一份采访提纲”的效果，肯定会远好于自己用Claude Code生成的通用版本。

这里面，可能只有1000块是Token费用，另外9000块则是她的智能体所积累的专有知识的溢价。

这本质上是一种智能体之间的“市场”（marketplace）。 你的私有信息和经验沉淀在智能体里，它就具备了独特的交换价值。

顺着这个思路想，如果有一天，别人的智能体可以“雇佣”我的智能体来完成特定领域（比如大模型架构或内容策略）的任务，那么我长期积累的context本身，就是一种数字资产。这个方向，迟早会有人做出来。

几个延伸的判断

结合这期播客的启发，以及工程与创业的实践经验，有几个想法值得分享：

1. AI产品不该盲目追求大DAU，而应聚焦高质量任务完成率。

戴雨森讨论了一个关键问题：对AI产品来说，巨大的日活跃用户数（DAU）应该成为目标吗？

他的观点是，不应该。传统互联网产品追求DAU，是因为注意力可以直接变&现（如广告模式）。但AI产品每次调用都有实实在在的算力成本，一个用户如果天天来闲聊却不产生实际价值，对公司而言就是亏损。

真正应该优化的核心指标是：用户交给智能体一个任务，智能体能否独立、正确地完成它。任务完成率上去了，用户才愿意支付更高费用，正向循环才能建立。

这确实是切身感受。我们不在乎每天打开Claude Code多少次，而在乎的是：交给它一个复杂功能，它能否一次搞定，无需反复修改。如果能，每月200美金都觉得便宜；如果不能，免费也懒得用。

2. 对个人和小型团队而言，现在是黄金窗口期。

大公司的瓶颈往往不是缺程序员，而是不知道做什么，加上组织效率低下。但个人和小团队的瓶颈恰恰相反：有想法，却没人手去实现。AI编程解决的正是后一个问题。

3. 你的上下文（Context）就是你的护城河。

无论是写在CLAUDE.md里的复杂配置，还是长期与智能体协作积累的私有记忆（memory），这些东西的价值正在日益凸显。它们是高度个性化的私有信息，很难被“蒸馏”进通用大模型里。

4. 创新能力需要刻意练习。

戴雨森提到一个朋友，每月烧上万美元的Token，做了一个域名扫描器，专门盯着哪些域名到期了没人续费，然后围绕这些域名快速构建小产品。听起来有点“奇葩”，但这正是在刻意练习“决定做什么”这个核心能力。

这个思路很对。很多人（包括我自己）订阅了各种强大的编程助手，却常常陷入“不知道做什么”的困境。我们拥有近乎无限的“AI程序员”劳动力，但“究竟要做什么”这个问题，目前仍然需要人类自己来回答。

这可能是AI时代人类保留的、最后也是最重要的能力：定义问题，决定方向。

最后

戴雨森有句话让人印象深刻：作为早期投资人，频繁被打脸是一种幸福。如果一个人总也不被打脸，那大概率不是因为他永远正确，而是因为他没有在进步。

做内容输出也是如此。写出来的判断可能会错，但如果不写、不判断、不表达，就永远无法获得那些推动进步的高质量反馈信号。

当然，这期播客的信息密度远不止于此。关于“下一个字节跳动不会长得像字节跳动”、关于“AI像外星人来到人类世界的三步走”、关于组织变革与从蒸汽机到电动机的类比……每一个话题都值得单独展开，深入探讨。