👦🏻 播客采访：Koji
🥷 整理编辑：十字路口
🧑🎨 排版: Zeoooo
🚥 Claude Code 和 Codex 越来越强，AI 应用创业者还能做什么？
本周「十字路口」的嘉宾是 Treg 创始人 Jason Zhou 和 Founding Engineer 石天鑫。 创业 9 个多月，他们接连经历了方向调整之后，认为：新的创业机会，正在 Claude Code 和 Codex 的生态里长出来。
对一个创业团队来说，怎样找到值得做好的那一部分，又怎样借助模型的进步继续往前走？Treg 的故事，提供了一个正在发生的样本。
微信收听播客：
小宇宙收听播客：
🎬 视频播客已同步上线于 @Koji杨远骋 的视频号、小红书、哔哩哔哩、Youtube 等平台
🚥
👦🏻 Koji
先来一组快问快答，帮助大家了解 Jason 和天鑫。
二位的年龄？
🧑🏻💻 Jason
我是 93 年的，现在 33 岁。
👨🏻💻 石天鑫
我 94 年，32 岁。
👦🏻 Koji
MBTI 和星座呢？
🧑🏻💻 Jason
我是 INTJ，是很 i 的那种 INTJ，处女座。
👨🏻💻 石天鑫
我是 INTP，可能比 Jason 再 i 一点，白羊座。
👦🏻 Koji
求学经历是？
🧑🏻💻 Jason
本科在重庆大学读热能与动力工程，毕业后去澳洲读了交互设计。
👨🏻💻 石天鑫
在成都的电子科技大学毕业。
👦🏻 Koji
Jason 用一句话介绍一下，Treg 是什么？
🧑🏻💻 Jason
Treg 相当于 OpenRouter for data and tooling。你可以把我们想象成给 Agent 用的数据和 API 市场。
用 Claude Code、Codex 或者搭建 Agent 的时候，不需要去一个一个购买订阅，只需要用我们的一个 key，就可以 access 任何想要的数据或者工具。
👦🏻 Koji
二位在创业之前都做过什么？
🧑🏻💻 Jason
我之前在澳洲的一家 startup，叫 Relevance AI。三年多前我们就在做全自动销售、SDR 之类的产品，我在那边带产品和 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，当时在苹果中国短暂做过半年多的测试工程师实习。后来发现还是互联网更有意思，陆续在阿里、字节待了 10 年。
👦🏻 Koji
在 Treg 之前，你们这段创业虽然不到一年，但转型了非常多次。这几次转型分别在做什么样的事情，因为什么原因转型？
🧑🏻💻 Jason
一开始做的是 SuperDesign，相当于一个设计 Agent，可以帮你搭建前端设计、海报设计等等。
中间转型了一次，是今年 4 到 6 月，做了一个叫 Crewlet 的全自动增长 Agent。功能是把你的 business 告诉我们，就自动帮你做 SEO、发社媒，自动化获客。
这中间遇到了很多血的教训，最终才做了 Treg。差不多经历了这三次 pivot。
👦🏻 Koji
血泪的教训是什么？
🧑🏻💻 Jason
虽然转型了挺多次，但每次都学到了不少东西。
最初做 SuperDesign，其实是我们一个 weekend project。那时候我自己做 YouTube 频道，发现 UI design 相关的视频内容流量巨大，有大量的人想了解这方面的内容。
所以我们去做了 IDE 插件。如果你用 Cursor，那时候 Cursor 刚火起来，直接跟它说我要设计这个东西，它立刻出来三四版不同的版本供你选择。
我们把它做成开源项目发出来，几个月时间，GitHub 上做到了 6,000 多 star。
👦🏻 Koji
非常好的数字。
🧑🏻💻 Jason
并且完全是 organic 的。这也是我学到很重要的一点：开源在 AI 产品赛道是一个非常重要的 marketing 工具。
有了这个 traction，我决定辞职创业。但创业第一件事情，就是放弃了开源这条路。
👦🏻 Koji
为什么？
🧑🏻💻 Jason
那时候尤其是 IDE 插件这种形式，没看到很好的商业化路径。
还有最重要的一点，去年我们觉得插件形态意味着前置条件太重，用户必须是 Cursor、Claude Code 或 Codex 的使用者。我们想让更多人用，觉得做网页版路径更好，点开一个网页就能开始设计。
但没想到后面一年的变化是大家全都涌入了 Codex 和 Claude Code。
👦🏻 Koji
当时是怎么决定放弃 SuperDesign 的？和大家涌向 Claude Code、Codex 有关吗？
🧑🏻💻 Jason
有一定关联，但最主要的还是模型本身的前端能力越来越强。从 Gemini 3 开始，所有大厂都开始卷前端能力。
👦🏻 Koji
又是一个模型吞噬应用的故事？
🧑🏻💻 Jason
Gemini 3 出来以后，倒逼了 OpenAI 和 Anthropic 把前端能力迅速补齐。
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？
第二点确实跟 Claude Code、Codex 有关。它们虽然是 General Agent，但基础能力在变强，skill 生态也极其繁荣。很多人用 Claude Code 加上一些热门的前端设计 skill，就能做出非常好的效果。
今年早期我们非常焦虑，一直在想发展的场景到底在哪里。
碰巧那时候龙虾火到爆炸，大家都在用。包括今年 2 月到 6 月是个很魔幻的时间，我相信 Koji 遇到的创业者比我还要多，大量优秀的创业者都在那段时间转型，而且全都涌向了 AI Employee 赛道。大家都用了 OpenClaw，觉得 future is coming，未来的公司肯定都是这么运营的。
👦🏻 Koji
2 到 6 月大家蜂拥而上，最近大家又都不聊这个了。你们亲自参与了这个浪潮，想问下为什么到 6 月份停掉了？
🧑🏻💻 Jason
卷了几个月以后发现，这事比想象的要难。
做 Crewlet 的初衷，其实是 2 月多我看到了一个产品叫 Polsia。我看的时候他们 ARR 可能也就十几万美金，但体验让我大为震撼。
👦🏻 Koji
大为震撼？
🧑🏻💻 Jason
上一次有那种感觉还是第一次用 Cursor，它直接帮我 scaffold 整个 project。
Polsia 的概念是用 AI 帮你运营整个公司。愿景很大，体验也做到了极致。第一次 sign up 时我没给它任何信息，它看到我 Jason.zhou 的邮箱，推测出我是谁、在干嘛，马上生成了两三个创业 idea。我选了一个，它立刻把 landing page 搭建好了。
👦🏻 Koji
当时给你选了什么创业 idea？
🧑🏻💻 Jason
我还真不记得了。
👦🏻 Koji
当时你推荐之后我也去用了，它用我留下的邮箱线索去网上搜我的背景，推荐我做一个给播客主用的 AI 播客后台。我觉得很不错，当场充值让它帮我做。
🧑🏻💻 Jason
隔了两天我还问你充了多少钱，你说又充了几百刀，开了个 God Mode 是吧？
👦🏻 Koji
对，上帝模式。
🧑🏻💻 Jason
后面有继续跟进吗？
👦🏻 Koji
没有，没帮我赚到钱，只帮我花了钱。
🧑🏻💻 Jason
我那时候也是类似。它帮我建好网站，去找客户发 Cold Email，关键邮件还真有人回了。当时觉得很震撼，感觉确实可行。
但它的产品形态其实非常 dodgy，根本不像一个给正规业务用的系统。真有业务的公司，很难把内部的 Product Analytics、广告系统接进去。
我们当时想，不如做一个针对真实业务的 Agent，服务那些已经有了 business 和 funnel、想要 scale 它的创始人。
做完 Crewlet 之后才发现，Polsia 能在几个月内做到上百万 ARR，最聪明的一点在于：它口头上卖给你一个 AI 掌管全链路的宏大愿景，但真正能交付结果的，只有最初 setup 的那一步。它把那一步做到了极致。
👦🏻 Koji
从 0 到 1 帮你把网站和工具建起来？
🧑🏻💻 Jason
从 0 到 1 丝滑到爆炸。
但真正用了以后就会发现，它无法给你交付最终结果，没办法帮你赚钱。一旦进入实际业务，就必须交付商业结果，而交付结果极其困难。
👦🏻 Koji
Crewlet 当时做的是进入一个已有业务的公司，帮他们做全自动化的 0 人增长团队？
🧑🏻💻 Jason
是。
👦🏻 Koji
实际效果怎么样？
🧑🏻💻 Jason
我们把第一个客户预设为上一家公司 SuperDesign。创业公司获客需要什么？SEO、社媒内容营销、投广告。逻辑上非常通顺：看看广告数据，这个预算加一点，那个预算减一点；再加上挖掘客户，把能想到的获客动作都做了。
产品 launch 之后挺多用户想付费。当时产品还没 fully ready，放了个 pre-order 的付费墙，依然有不少人买了单。
但真正的问题在于，递交结果太难了。
👦🏻 Koji
为什么？如果该做的事情都做了，SEO 背后并没有太多不可逾越的魔法。
🧑🏻💻 Jason
有两个核心痛点。
第一，数据很难拿到绝对精准，工具市场极其分散。
第二，营销没有 silver bullet。真正有用的渠道，往往是因为你尝试了一个别人还没怎么做、但很适合你的方式，然后不断加码；一旦所有人都涌入，这个渠道就迅速失效了。这种动态变化的过程里，非常需要 human taste 的部分。
👦🏻 Koji
能不能举一个具体的例子？
🧑🏻💻 Jason
比如让 Agent 做 SEO。给它的工作流是抓取所有相关 keywords，看哪些流量高、竞争度低，然后去下注。
但实际上大部分 keywords 早就被抢光了。真正有价值的反而是那些当前流量并不高、但你预判一到三个月后会爆发的词。这种预判，现阶段的 Agent 很难完全自己去做。
👦🏻 Koji
后来怎么从 Crewlet 转型到 Treg？
🧑🏻💻 Jason
Crewlet 做了一个多月，onboard 了一些用户，发现很难交付预期结果。
我们当时反思，步子是不是迈得太大了？我们还没真正验证过 0 人公司到底成不成立，仅仅因为尝试了 OpenClaw 和 Polsia，就盲目假设这是未来，假设模型在 6 个月内会进化得足够强。
我们决定先停下来，暂停新产品开发，回头尝试用 AI 去运营 SuperDesign。
SuperDesign 即使放了几个月不管，依然有 organic traffic 进来，也有一个优化空间很大的 conversion funnel。如果放在 Acquire.com 上，也是有人愿意接手并继续 scale 的生意。
如果能用 AI 验证它真的可以全自动化运营和增长，那就能跑出清晰的 playbook；如果不 work，也能让我们认清现实，去尝试别的东西。
👦🏻 Koji
验证的结论是什么？
🧑🏻💻 Jason
两个月里我们不断搭建各种 loop，得出了两个关键认知。
第一，全自动化在部分场景确实行得通，但在增长上极难成立。Support 和 Bug Fixing 确实可以全部自动化，但增长环节需要人来把控 taste 的地方太多了。
未来 6 到 12 个月内，0 人公司一定不是一个可能的场景，更需要解决的是人和 Agent 大量协同工作的场景。
第二，必须全面围绕 Claude Code 和 Codex 这个生态去做产品。
👦🏻 Koji
是怎么得出这个结论的？
🧑🏻💻 Jason
这中间我们做了很多 growth experiment，大部分试了感觉都没什么用。
真正改变增长曲线的，是天鑫有一天上线了一个 Codex plugin。插件一发布，增长曲线突然间就变了，涌入了海量用户。
👦🏻 Koji
当时是怎么得到这些用户关注的，在什么渠道宣发的？
🧑🏻💻 Jason
完全没有做任何宣发。
👨🏻💻 石天鑫
对，没有宣发，我觉得还是一个挺有趣的故事。
在 Codex 刚发布了 Work 以及 Codex Plugin Marketplace 的时候，并没有太多有意思的插件出来。SuperDesign 占了一个非常好的时机，我们几乎没有做什么，就是把原先的 CLI 加 skill 发布到了它的市场里面让用户能装。
那是个很早期的市场，ChatGPT 和 Codex 本身已经有比较巨大的用户基数，用户很容易看到你的插件。插件有一些吸引力的话，用户就会去使用并做转化。
还有一个很小的事情：我观察到当时的插件市场居然是按照字母顺序排的。我们只是把名字从 SuperDesign 改成了 01 SuperDesign，直接排到了第一个。
确实也没排几天，他们很快改了排序逻辑。但就是这么样的一个起步，让我们有了一些自己的量。
对我们的一个启发是：早期的这些工具和市场都值得尝试一下，因为你不知道哪一个尝试就获得了流量。
👦🏻 Koji
故事线是用 Crewlet 先去帮 SuperDesign 做增长，过程中意外发现 SuperDesign 的 Codex 插件增长极好。这又是怎么推导到 Treg 的？
🧑🏻💻 Jason
做了插件以后发现增长非常好，最主要的是发现来自于这个 segment 的用户 churn 也变低了。
我们意识到 Codex 跟 Claude Code 现在有海量的用户，但是原生体验没有很好。围绕把它们当作平台去给体验做增益，可能是个非常好的机会。有点类似于当初 Facebook 出来，Zynga 在上面做游戏，以及 PayPal 在 eBay 上面做支付。
回头看 Crewlet 那时候做的一大堆东西，最有价值或者可以迁移的，其实是工具那一部分。
Harness 每家有什么差别？没什么差别，都一样。但要让 Agent 完成真实的 go to market 工作或者任何 professional 工作，需要大量专业的数据和工具。
我们那时候内部做了一层中转服务，因为 Crewlet 需要给各种用户用我们连接的数据。我们觉得那部分其实非常有价值，决定单独剥离出来开放给用户。发了以后，反响感觉很好。
👦🏻 Koji
反响具体有多好？
🧑🏻💻 Jason
也就发了三周左右，具体数字不便透露，但营收已经是 SuperDesign 的好几倍了。
👦🏻 Koji
Treg 现在怎么收费？
🧑🏻💻 Jason
用户用 Treg 主要是需要调用一些 API 和数据，按 usage 来付费，没有任何月费形式，完全按用量计费。
👦🏻 Koji
现在付费最多的工具是什么样的场景？
🧑🏻💻 Jason
大部分很集中在 Go To Market 上面。
越来越多的人开始用 Codex 和 Claude Code 做原来在 SaaS 里面做的一些 Go To Market 工作。最主要集中在找客户，像海外找 B2B 客户需要买 Apollo、RocketReach 等一系列不同的 vendor。
在那个场景下，原来每个数据提供商在找人上只能提供一部分数据，并且每一个数据提供商也有月费，导致你往往只能选择一个。
Treg 把所有 vendor 集中到一起以后，用户可以根据场景和行业，用到最合适的一个 endpoint 去找客户。
👦🏻 Koji
这些工具服务商为什么愿意被 Treg 整合？这可能会分流他们原本的收入。
🧑🏻💻 Jason
很多垂直领域的 vendor 缺乏触达终端用户的渠道。
比如找人这方面，原来的方式是去 Clay 这样的平台。Clay 背后的数据大部分也不是他们自己的，背后有一大堆数据提供商，这些供应商本来的收费形式就是按 API 和用量收费。Clay 本身也是整合了一套数据去转卖。
👦🏻 Koji
除了找人，Treg 其他比较主要的场景是什么？
🧑🏻💻 Jason
还有 SEO、AEO 相关的，我们整合了基本上所有能找到的帮你找 SEO ranking、AI visibility 的数据源。
再有就是社媒 UGC 相关的，做生图、生视频的 endpoint 也都整合在一起了，可以把整一条链路都完成。
👦🏻 Koji
Claude Code 和 Codex 就算不接 Treg，原本也能做这些事情。接入这些工具或数据确实能变好，但有没有可能慢慢地也不需要你们这一层了？
🧑🏻💻 Jason
我觉得可能分成两种。
一种是模型本身的知识，但具体的业务工作需要的一些数据都是实时的，并不是 Claude Code out of box 就知道这些事情。
第二点，它当然也可以用浏览器去做 AI 自动化拿数据，但很多数据其实是拿不到的。比如找人不是谷歌一搜就能搜到的；比如做社媒，很多平台是会把这部分给关掉的。
👨🏻💻 石天鑫
现在有各种各样的 Agent Harness，每个人都会选择自己的。我观察到一个很有意思的现象，我有一个朋友用 Kimi 的原因是因为 Kimi 接入了 Wind 万得的股票交易数据，这个数据对他本身很重要。
未来各家的 Agent Harness 可能会因为自己接入的数据或者独特性吸引到相关的用户，这是完全可能的。
Treg 在做的是类似的事情，提供一个中立的市场，让各家 Harness 都可以享用到同样的工具。比如你即使想从 Claude Code 切到 Codex，之前积累的工具调用和数据也都留在这里，获得了跨平台调用的能力。
👦🏻 Koji
如果这个成立的话，为什么价值最终是 Treg 的，而不是最强的数据供应商自己直接去对接模型公司？Treg 在中间会不会只是他们还没对接上时的一个阶段性价值？
👨🏻💻 石天鑫
我们站在一个中立的点上，最终达成的效果是想让用户用比较高性价比的价格获得最满意的数据。我们更像一个 Costco，去找到市场上最好的一些数据提供商展示给用户。
🧑🏻💻 Jason
这里最主要的一个区别是，Koji 你的假设是这个行业有一个头部的提供商可以解决最好的方案。但现实中每个场景都有几十个不同的提供商，每家强的点都不太一样。
比如找人的场景，企业找到合适的人需要各种各样不同的信息。SEO、AEO 市面上的数据提供商有很多家，每家涵盖的数据平台不太一样，价格也不太一样。
👨🏻💻 石天鑫
Jason 最近在宣发关于我们 UGC 做视频的功能。现在视频模型不断涌现出来，比如 Seedance，比如 MiniMax 的 H3，效果都很好。但是普通大众想要体验到的话，去办包月会员价格比较高，并且可能是一个短期、一次性的需求。
通过我们接入的上百种 AIGC 相关的模型，把每一个模型擅长什么、不擅长什么封装成 skill，希望用户可以用我们的平台，配合自己比较强大的 Codex 或者 Claude Code Agent Harness，做出想要的 UGC 视频。
🧑🏻💻 Jason
因为积累了大量用户数据，Treg 中间其实会有一个数据飞轮在，以此去推出更多服务。天鑫最近做了很多关于让 Agent 去给每个服务做评分、让我们积累大量有意思数据的机制。
👨🏻💻 石天鑫
我们很多产品的真正用户其实并不是一个人了，而是这个人的 Agent，它才对我们的产品有最真切的体感。
我们在系统里随机挑选一些用户，让 Agent 给我们反馈。系统日常会不断看这些反馈，简单的 bug 直接修掉，有趣的 feature request 我们就会收到并考虑加进来。
这个数据飞轮也是作为应用创业类的 AI 团队可能会采取的一个方案：既然我们没有办法训练自己的模型，总要让一些数据去反哺自己的产品。
Treg 作为 AI 工具市场，有点像大众点评。我们可以在某些时间让 Agent 用户给每一个 API 调用做评价，比如觉得 API 返回的数据有用还是没有用？有用的话是哪个字段起到了作用？当然是脱敏的反馈。
数据沉淀下来之后，我们自然可以得到一个很有意思的图表：在某一个领域，每一个 API endpoint 在有用度和性价比上的得分是什么样的。有的是客观数据，有的是 Agent 的主观数据。
把这样的数据加工展示给接下来的其他用户，让他们的 Agent 在使用时选择最合适的工具。需要数据精确性可以去挑最贵、最好的端点；如果要广度且价格便宜，可以选择评分高、性价比高的模型。
👦🏻 Koji
这几次转型下来，你们最大的感受是什么？
🧑🏻💻 Jason
最大的感受是之前在做 Agent 的时候，自己想要涵盖的东西太多了，可能把 Harness 也做了——因为那时候还不是很清晰到底应该用 Claude Code SDK 还是自己做。
往往 Infra 那边也会去做一些，甚至有人做自己的沙盒，把 Memory 那边也做了。你做的每一层都有一个对应的公司在不断优化和迭代。
我们最近的几次迭代更多是把一部分做好，嵌入到 Claude Code 和 Codex 这个生态里。
我那天还跟 YouWare 的 founder 聊，今年之前好像各个工种用的工具都不太一样，设计师有 Figma，做 marketing 用的是另外一种 email sequencing 工具。但是今年以后，大家所有的工具都变成了 Claude Code 和 Codex。它是一个比较大的平台跃迁，还是有挺多想象空间的。
👦🏻 Koji
说到这里，我会想到另外两个类似的产品或创业公司。
一个是叫 Ego 的浏览器，最大的卖点是用 Codex、Claude Code 去操作它做 Computer Use 的时候效率极高。
另一个是 ChatCut，他们发的 Codex plugin，在 Codex 里面剪视频。如果不装插件，一个 prompt 下去剪出来的是视频成片，要改的话必须把成片再改成另外一个成片，没有任何中间状态。但如果装了 ChatCut 的 plugin，剪出来的是看得见编辑器的中间状态，可以看到一个视频被剪成了 3 个音轨或 10 个片段，可以在上面稍微做拖拽来进行人工微调。
👨🏻💻 石天鑫
我们做 SuperDesign plugin 的时候参考了 ChatCut，当时它的接入体验和使用体验是最丝滑的一个。
👦🏻 Koji
但我觉得它是不是和 SuperDesign 有一个本质的不同？前端毕竟是代码，出来的代码可以再去改代码。但视频出来一个成片，如果没有中间状态，改起来非常困难，每改一次要等 10 分钟、20 分钟才能再渲染一个新视频出来，而且烧非常多 token，所以很需要一个可以拖时间轴的中间状态。
🧑🏻💻 Jason
我是 Hyperframes 的重度用户，那中间状态我不想人去修改，我还是让人给一些 feedback，打包在一起让 Agent 去操作。
👦🏻 Koji
现在真的人去改时间轴还是少的，更多是人在给 Agent 提要求怎么改。原来 Agent 只能重新生成一遍视频，现在 Agent 可以去操作 ChatCut 给的各种接口，其实可以省很多时间。
🧑🏻💻 Jason
可以，我试一下。
👨🏻💻 石天鑫
Codex 和 Claude Code 虽然在开发者眼里已经非常火了，但让广大大众用上这样的 Agent 工具，是未来几年内会不断发生的事情。
这个时候我们的小船，一个很艰难的创业公司，如果能在浪潮下借助他们的一些力气获得增长，是比较容易的。
之前在 Crewlet 的时候，遇到的很大问题是模型成本非常高。想要用户长期用 0 人公司的方式去运营，非常耗 token，如果作为一个创业公司，以向 AI 模型公司买 token 再卖给用户的方式去运营，压力非常高。
而使用 Codex 和 Claude Code 这样工具的用户，本身在享受着非常大的红利：可以用 200 刀的 Coding Plan 去获得价值 6,000、7,000 刀的 API token 使用。作为用户和小型创业公司，都要想好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
今年增长最快的是 Apify，还有一家叫 DataForSEO。DataForSEO 是 SEO 数据的提供商之一；Apify 是给 API 的 marketplace，可以去上面找长尾爬虫端口。这些公司存在很长一段时间了，但今年莫名其妙会有大量的增长。
另外在设计领域，paper.design 也是一个增长很快的产品。
👦🏻 Koji
Paper 有遇到和你们后来一样的问题吗？Gemini 3 之后大家的前端能力都提升了，Paper 在中间提供的价值变弱了吗？
🧑🏻💻 Jason
跟我们调整了以后是一样的：在原有熟悉的工作流里面、在 Codex 里面提供一个画布，让你对比不同的设计，手动作微调。
👦🏻 Koji
天鑫有补充吗？在这个生态里面还看到些什么？
👨🏻💻 石天鑫
比如专为 Agent 做搜索的 Exa，已经做到 C 轮了，证明为 Agent 做好搜索工具有很大的场景。
像 Composio 或者 Firecrawl，做网页抓取、帮用户做 OAuth 授权以及工具集成的工具，最近也获得了比较大的增长。
🧑🏻💻 Jason
有很多传统看来算 Infra 的公司，在 Agent 时代服务的不仅是 toB，更多是 toB 加上一大堆 Claude Code 和 Codex 用户，因为 Agent 知道怎么调用这些 API。
今年之前大部分用户都是针对开发者的，现在用量基本接近 50/50，一半是开发者，一半是终端用户。终端用户可能是原来的白领，不知道怎么编程，只知道接了 Firecrawl 以后 Claude Code 抓网页更高效一些，不需要管 API 怎么调用，接了以后就开始用。
👦🏻 Koji
还有一个是叫 Vibe Island。大家现在在 Claude Code 或 Codex 里面跑很多线程，经常大脑混乱，到底哪个线程跑完了，哪个在等着 review。
它做的事情是把 MacBook 的灵动岛用起来。每次有任务完成的时候，把灵动岛稍微展开一点点，有一个很可爱的像素小人形象和声音，让你在灵动岛操作，设计得非常漂亮。
这是在 AI Hacker House 办的一个周日黑客松上的冠军产品，后来发布在 X 上面蛮火爆的，卖了非常多份，是一个付费工具。
🧑🏻💻 Jason
我们俩都付费了。
👨🏻💻 石天鑫
是的。
👦🏻 Koji
另外一个是 Jason 介绍给我的津晶做的产品 Orca，叫 ADE，也就是 Agent 的 IDE。
大家现在同时用 Claude Code、Codex 甚至更多，它帮你同时管多个工具。为什么有时要同时用两边？因为要薅两边的羊毛。如果 Codex 的 quota 用完了，可以平滑地把做到一半的任务直接转移到 Claude Code 去做。
很多用户认为它的体验做得很丝滑，界面很有审美。它现在已经有 8 万 GitHub star 了，增长非常快。
🧑🏻💻 Jason
他们的用户据我所知已经不是同时跑 10 个 session，有些是同时跑 50 个、100 个 session。
在看到这种用量的情况下能提供怎样新的人和 Agent 的交互，这可能是 Codex 跟 Claude Code 团队还没集中处理的场景。
👦🏻 Koji
在刚开始聊的时候就提到，你们创业虽然不到一年，但一直在转型。Jason 也说从 2 月份 OpenClaw 出来之后，感觉所有的应用创业者在未来 4 个月一直在转型。这个感受是什么？
🧑🏻💻 Jason
对我来说，创业一段时间收益最大的，反而是没有做产品、用 SuperDesign 作为试验的那两个月。没有做任何开发，就想如果用 AI 去运营这家公司未来会怎么样。
那两个月时间帮我梳理了对未来一些判断的确信，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有意识到的东西，体验到了，觉得那一定是未来，然后把这个做产品化铺出来。
👦🏻 Koji
那两个月你看到的未来有些可能会发生、有些不会发生，可以分别讲一下吗？
🧑🏻💻 Jason
比较确定的两件事情：
第一，6 到 12 个月 0 人公司不成立。我们需要做的是人和 Agent 协同工作的场景，这是我们需要去解决的。
第二，Codex 跟 Claude Code 生态是个巨大的机会。做 Crewlet 和 SuperDesign 时是自己搭一套 Harness，那两个月我们让团队不要有任何包袱，假设是一个新的团队会选择市面上什么最好的工具。
那时候很本能地选了 Claude Code 和 Codex，用完以后体验比原来自己做的 Agent 好太多了。在这个过程中包括发 plugin，让我们慢慢意识到这个生态是个巨大的机会。
这两件事情足以帮我们坚信哪个东西更值得做，哪个不值得做。否则很有可能还在迭代 Crewlet，在想是不是 skill 做得不够好、prompt 调得不太行，还是方向不太行。
在创业遇到太多不确定性的时候，pivot 是非常痛苦的。但如果你有一些相对的确定性，会好很多。
👦🏻 Koji
在 Polsia 那个时候，包括做 Crewlet 的时候，流行过一两个礼拜的词是 Loop Engineering。你们现在怎么看这个东西？
👨🏻💻 石天鑫
我很喜欢 loop 这个词，听上去很有吸引力，让事情能自动化完成。
但如果把创业分两块，一部分是创新，一部分是运营，创新显然是靠 loop 完成不了的，否则我说你帮我造一个创业公司它就造出来了，此时显然达不到。
但在运营这块，loop 还是有很多踏踏实实可以做的事情。运营一家公司是一个非常复杂的系统，我很喜欢一本书叫《系统之美》，讲如何搭建系统让它稳定健壮地跑下去。里面有很多讲究，比如搭建开环或闭环的反馈。
Loop 在 Agent 领域是一个很有效的工具。创业之前我没想过会需要处理大量被黑客攻击的事情。像 SuperDesign、Treg 一旦有了激励机制，比如邀请新用户赠送 credits，就会有黑客不停攻击。
如果现在 4 个人的团队每天花精力折腾这些会非常痛苦。但如果有一个 loop 长期帮系统做监控、找风险行为，在小的漏洞直接堵住，能做得不错且稳定，会节省公司很多精力。
很多时候 loop 不能一开始建得太复杂，短小精炼的 loop 会更加有用。比如一个 loop 只干监控 DB 找到安全风险，有的 loop 只帮代码做整理，每次做的事情都很小，小到不太容易出错。
当你 build 了十几个这样的小 loop 之后，自然形成了一个复杂的系统，帮系统去拥有一定健壮性。比如某一个 loop 发现了一个 bug 发上去了，线上监控的 loop 会找到并提示你。这些小的 loop 之间的配合，才是让它们真正跑下去的比较好的方法。
👦🏻 Koji
最近两三个月，你们和 AI 配合工作的方式有发生什么变化吗？
🧑🏻💻 Jason
最大的区别是同时跑的 session 比原来多得多，尤其在 Fable 这些模型发了以后，基本上会同时开 5 到 10 个不同的 session，它自己完成的质量已经很高了。
第二点是原来我可能是纯本地的，最近像 Grok Bot 做完以后，有了非常丝滑的 Cloud 加本地 Hybrid 体验，随时可以交换 context。
👨🏻💻 石天鑫
之前更多是打开一个一个 session 在里面跟不同的 Agent 对话，但对一个人来说处理瓶颈是有上限的。
我在 YouTube 上看到资深工程师 Kun 的分享，他做了一个叫 Firstmate 的工具。意思是你作为船长，只需要跟大副布置任务，他去跟别的 Coding Session 聊。虽然我后来没有直接用这个项目，但把这个思想学下来了。
比如用类似 Herdr 这样新一代 terminal 管理工具，让 Agent 之间互相聊，或者有一个主要的 Agent 做大副的工作，去转达任务给别的 Agent。
👦🏻 Koji
你们现在用得更多的是 Claude Code 还是 Codex？有明显的偏好吗？
🧑🏻💻 Jason
我几个月前都是 Claude Code 的重度用户，很难把我从上面迁移出来。直到最近 Astra 模型出来以后，我就换成了 Codex。主要是模型确实很强。
还有一部分是因为团队宣发很多时候会用 Hyperframes 去做一套宣发视频，在 Astra 下面做得好很多。
有一次我直接把视频给它，真的是 One-Shot 1:1 完全复刻出来了。震惊的点在于做视频是需要素材的，那个模型甚至聪明到在原视频里面截图并裁剪到合适样式，在新的视频里做出来。
👨🏻💻 石天鑫
我更倾向两个都用。它们没有产生绝对性的领先优势，可能 Fable 某天强一点，Astra 又立刻反超。保持长期都用，有些事情让两个模型同时干，挑选一个更好的版本。
在这个时代你需要长期用着世界上最好的模型，去感受它们的差异和带来的优势。
👦🏻 Koji
Claude Code 和 Codex 之外，还在用哪些产品？
🧑🏻💻 Jason
Grok Bot 用得挺多的。OpenClaw 出来以后没有什么别的产品真的拿到大众使用，Grok Bot 要说有太多创新其实也没有，但它把沙盒云端的体验做到极致丝滑。
我们把所有的 loop 全都搬到 Grok Bot 上了，稳定性真的很好，随时可以查看。
还有一点，Grok Bot 买了 Cursor。用了 Grok Bot 以后，我意识到这个事情有多 make sense。Cursor 做得最好的一点是它的沙盒，保证每个 Coding Task 都有一个对应的沙盒。这在本地跑很难实现，本地最多开不同的 worktree，测五六个不同环境很难。
我在 Grok Bot 开始做很多 coding 工作，尤其是简单的前端修改和 bug fix，直接点开就可以测试。PR 里面也有链接，随时可以点进去在沙盒环境里测试。
👦🏻 Koji
除了 Fable 5.1、Astra，还会用 DeepSeek、Kimi、智谱或 MiniMax 的模型吗？在什么场景可能会用？
🧑🏻💻 Jason
之前 SuperDesign 迭代有尝试用 Kimi 作为主模型，设计能力还是很强。
MiniMax 我们也有接，不是它的 coding 模型，用的是生视频模型 H3，质量很高，价格很好。
DeepSeek 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
国产模型尤其在前端领域其实都非常强，比如 Kimi，比如 MiniMax。
我个人很喜欢 DeepSeek 的 4.1 Flash，效率高，速度非常快。我之前一直有个想法把 SuperDesign 自己的第一道 Agent 换成 DeepSeek，目前看在大量情况下 Claude 更稳定一些，所以还没有把生产上真的切过去。
🧑🏻💻 Jason
这礼拜很火的 Jev 模型蛮有意思的。别的模型要么拼价格，要么拼某个场景的能力。但 Jev 速度足够快，场景非常简单，导致它有一些原来不太可能做到的场景，现在只有这个模型可以做到。
👦🏻 Koji
目前在你们的工作里面，有什么地方可以用到 Jev 吗？
👨🏻💻 石天鑫
今天刚开始接触 Jev，第一眼看目前的感觉非常亮眼。
Treg 为我们产生很多数据，之前很难让大语言模型做的事情，首先是追求快的时候。比如每一个 endpoint 进来要去调度它，如果等几百毫秒就很浪费时间了。这个时候一个快速的 System 1 直觉模型在，可以做很好的路由。
另一方面当有比较大规模的数据需要过滤的时候，比如 2,000 条、3,000 条的过滤，召回出来想做一遍清洗展现给用户，如果有一个直觉模型能一条一条直接对比出来，做召回引擎会非常不错，比现在的其他 LLM 速度快很多，质量也并不差。
👦🏻 Koji
你们最近看到那篇文章了吗？DeepSeek 的一个研究员写的《我不得不把我的才华埋葬在昨天》。
👨🏻💻 石天鑫
对我来说，前 10 年的工作生涯作为一个程序员、前端开发工程师，擅长的就是写 React 跟写前端。但从去年开始，你可以很清晰地知道这个技能对于你来说意义不是那么大了。除非做到可能世界前几百个人，可能有继续做下去的动力；如果做不到那个程度，很快这个技能就用不上了。
当时我仔细思考了一下接下来几年或者 10 年究竟要做什么，义无反顾地加入了 SuperDesign 这个团队，开始跟 Jason 他们至少在做一些有意思的事情。
👦🏻 Koji
可以稍微展开讲讲这个决策的过程吗？
👨🏻💻 石天鑫
很多人现在面临人生的十字路口，之前走的路有可能接下来走不通或者不存在了，你在这个十字路口做什么样的事情，可能会对人生造成比较大的改变，是一个比较重要的决定。
事实来说对于程序员，在这个技能点上再也写不过 AI 了。但有更多可以做的尝试值得去探索，对我来说可能就是加入一家创业公司，去做更有挑战、更有意思的事情。
🧑🏻💻 Jason
以后更多是跨领域的能力被完全释放出来。
我创业之前是一个很奇怪的经历，虽然是设计师，但我其实从来不喜欢调 pixel，比较喜欢用产品经理的角度看东西，也会自己写前端代码。反倒是这样的人比较容易被释放出来。
👦🏻 Koji
你们创业不到一年，转型那么多次，刚才聊到这过程中好多时候都感觉非常焦虑，好不容易做的一个产品不到一个月就要宣判死刑。这个过程中有想过放弃的时候吗？
🧑🏻💻 Jason
有，肯定有。
做 Crewlet 那段时间确实挺挣扎的，不确定的东西太多了，每天都在想下一步该怎么做。想了半天好像想不出特别好的答案，但也得往前走。
那时候我自己 pivot 的过程中，一般是想在这个方向上我现在能想到做什么真正改变我们处境的事情。如果我想不到，那我觉得可能得换方向；但如果能想到有哪些东西可以尝试，我们就继续做一下。
很多时候会想要放弃。我自己本来做 YouTube 频道，说实话想要过个小康生活还是比较容易的，肯定会有想要放弃的情况。但是一般来说，度过了之后想到一个新的方向，发现非常 promising，那时候拿到的刺激是非常大的。
👦🏻 Koji
万物之中，希望之美。
🧑🏻💻 Jason
尤其是发现自己在不断学习、在进化的这个过程，我觉得会是很好的。
👨🏻💻 石天鑫
我也体验过一些比较崩溃的时间。做一件事情长期看不到增长，又不断面临打击，比如有一天醒来突然发现被人盗刷了 4,000 刀 credits，觉得天都塌了。
但比较好的一点是我们团队一直在寻找别的方向和机会，每一次至暗时刻到来的时候，总能找到一些看上去有曙光的地方，然后朝这个方向努力。有这样的机会，就觉得还没那么难受，或者说走不下去了。
并且有的时候一件事情如果 fail fast——如果你知道它真的要失败了，不如让它快速失败掉，换一个新的东西去尝试，反而可能会得到一些意想不到的惊喜。
👦🏻 Koji
前两天见一个朋友，他说他在寻找一种创业者：相信 AGI 会到来，并且相信这个 AGI 是由模型的进化带来，但同时他还在创业的人。二位觉得你们是这样的人吗？
🧑🏻💻 Jason
AGI 到来，模型是必要条件，但到这里的路径有太多了。
我们团队每个人都是 AI 重度用户，包括我自己，因为要做内容，市面上看到最新的东西基本都会试一遍。保证自己沉浸在最新的 frontier 到底在哪里，会让你有比较好的直觉，知道后面 6 到 12 个月最大的机会在哪里。沿着那个去做，我觉得会没有那么悲观。不然所有东西都直接由模型做了，也没什么机会了。
👨🏻💻 石天鑫
我是觉得，即使 AGI 到来了，做有性价比的事情依然很有用。
即使有一个万能的模型存在，它也需要自己的工具，需要找到它需要的数据。如果它花 1,000 刀 token 最终获得了一个数据，但我们能够让它 100 刀就能得到，它可能会直接选择我们。
所以给模型做一个合适的工具，找到自己的定位，在此基础上不停打磨效果，也是很重要的。
👦🏻 Koji
在整个 AI 应用一片哀鸿遍野的时代，这期播客录完之后突然充满了乐观积极向上的气氛。感谢 Jason 和天鑫带给我们的信心，祝福你们的创业越来越顺利，天天向上。谢谢二位，今天先到这里。
🧑🏻💻 Jason
感谢。
👨🏻💻 石天鑫
谢谢。