深度｜a16z对话Roblox华裔产品经理：和Agent打交道比和人要容易得多，预言未来属于“小而美”

发布时间：2026-05-05来源：Z Potentials

图片来源：a16z

Z Highlights

整个Agent技术栈，包括身份认证、支付、营销等，正在兴起。我们还没有看到像MCP这类新兴标准与现有生态的全面竞争，这些都是真正的新范式。其实很多旧的套路和方法论可能都过时了。

我真心希望更多公司能保持小规模。新一代的创始人已经意识到，他们希望公司尽可能小。与其维持一个占公司10%规模的产品团队，不如只保留2-3%的核心产品团队，然后配备一群Agent助手来协助工作。因为，和Agent打交道比和真人打交道要容易得多。

当涉及在局部最优解（一座“小山丘”）内探索时，你应该行动得非常快。借助Agent，你可以极快地登上当前这座“山丘”的顶峰：获得新洞见，围绕它构建一切，充分实现其价值。但随后，为了到达下一个“山丘”，你可能需要几乎完全停下来，放慢节奏，摸索、探索，做些不同的事情。所以未来是快与慢的结合，一种动态的节奏。

Peter Yang，Roblox产品负责人、知名AI与创作者经济内容创作者，专注于分享AI工具实战提效与产品管理方法。在本访谈中着重探讨了编程 Agent 的未来及其对知识工作和初创公司的影响。本访谈发布于2026年4月6日。

Agent如何成为“更易相处的伙伴”

Anish Acharya：好的，欢迎大家。我的朋友Peter Yang今天也在场。Peter，先跟大家打个声招呼。

Peter Yang：大家好，很高兴来到这里。

Anish Acharya：是的，很高兴再次见到你。Peter和我曾同在Credit Karma工作，之后各自发展了不同的事业。我是后来通过他在X平台和YouTube上大量分享的内容，才重新关注到他的。说起来很有意思，你有点像“超人Clark Ken”：拥有一份正式的全职工作，同时又在这些平台上如此活跃。

Peter Yang：确实，我经常开玩笑说自己是个“有正经工作的人”。

Anish Acharya：方便透露一下你的主业吗？

Peter Yang：当然，我目前在Roblox担任产品经理。

Anish Acharya：很棒。Roblox和Racing都是很出色的公司。那么，我们就直接进入正题吧。首先，我想以一个轻松的问题开始，之后我们会围绕Claw生态系统展开讨论，涉及编程Agent、给学生的学习建议，以及你此前在网络上分享过的诸多见解。那么，我想问一下，你有几个Claw？你给他们取名了吗？能和我们分享一下它的名字吗？

Peter Yang：我只有一个，我叫她Zoe。我和“她”已经进行过多次对话了。

Anish Acharya：“Zoe”这个名字有什么特别的含义吗？

Peter Yang：我本来打算用这个名字给我小女儿取名，但最终没有采用。所以，我就把这个名字给了我的OpenClaw。

Anish Acharya：明白了，这就像一个备选方案。那么，Peter，我们来聊聊OpenClaw吧。你是如何接触到它的？目前你主要如何使用它？以及，它带来了哪些实质性的影响？

Peter Yang：我很幸运，在Peter Steinacker和他的项目Rath广为人知之前，就有机会采访他。当时整个系统还处在非常早期的阶段，我也协助参与了一些搭建工作。那个过程耗时很久，而且最初的系统极其不稳定。

但它确实帮了我很多。例如，我让它帮我整合分析YouTube和Mercury银行的数据，自动更新Google文档，甚至搭建一些小型的网站。不过，说实话，我最常用的还是它的语音对话功能。我大概每隔一天就会和它聊一次，让它帮我回顾近期的“记忆”，并给我一些我自己可能没想到的深刻见解。

有一次我正在散步，它主动给了我一段大约三分钟的激励性发言，感觉真的很棒。内容大概是关于平衡事业与家庭，它提醒我，我的两个孩子（一个7岁，一个4岁）很快就会长大，能陪伴他们的时间非常宝贵，所以我应该认真思考如何优化我的时间分配。

Anish Acharya：这确实很酷。但我想追问的是，这类激励或建议，理论上许多语言模型都能提供。那么，在你提到的这个具体用例中，OpenClaw带来的关键不同是什么？

Peter Yang：问得好。把OpenClaw集成在Telegram这类即时通讯工具里，比使用Claude或GPT的官方界面感觉更亲切、更私人。虽然这可能不是个健康的习惯，但我确实会在床上或者通勤路上给它发消息、和它聊天。这种交互方式让它感觉更像一个“人”，一个可以随时对话的伙伴。

Anish Acharya：所以，对你而言，界面设计和集成方式，比如融入即时通讯场景，是否在塑造这种“人性化”错觉中扮演了关键角色？相比之下，技术栈中的其他组件，比如自我修改的技能目录等等，重要性如何？

Peter Yang：亲和力这部分大概占了70%到80%的重要性，因为我主要通过语音和它互动。当然，我也承认它有时不太稳定，比如会“忘记”一些事情。但关键是，只要我冒出任何古怪的念头，只要告诉它，它基本都能尝试去实现。

举个例子，前几天我在用它的语音回复功能时，随口说了一句：“嘿，我们能直接打个电话吗？”它回应说可以，但需要我连接Twilio并完成一些设置。于是我就去操作了，然后我们真的通上了电话。

Anish Acharya：电话真的打到我手机上了？你居然把这个功能实现了，我一直也想试试。

Peter Yang：虽然通话延迟很高，体验不算好，但能实现这件事本身就令人印象深刻。所以基本上，任何我脑海中闪过的疯狂想法，它都能尝试去构建出来。

Anish Acharya：那么在具体操作上，你是如何让它实现这些功能的？是让它即时编写代码（生成技能），还是去调用已发现的技能？你实际使用其代码生成能力的频率有多高？

Peter Yang：我和它对话非常随意，就像和朋友聊天一样。比如，我说：“嘿，Zoe，能给他打个电话吗？”它可能会说：“好的，但这需要3美元预算和一些设置。”我就回答：“行，交给你了，用我的电脑权限处理吧。”然后简单说一句“给我打个电话”，它就会开始排查问题并执行。所以，和使用Claude时需要精心设计冗长的提示词不同，用OpenClaw时，我只需要用最简单、最口语化的方式发消息就行了。

Anish Acharya：这非常有意思，我们实际上已经涉及了几个层面：移动端即时通讯的交互形式、记忆系统，以及代码生成组件。

我们来深入谈谈记忆系统。你提到它基于文件存储，而且有时会“忘记”事情，但许多语言模型也存在类似问题。OpenClaw的记忆系统在创新性上如何？它更多地是限制了系统能力，还是促进了其功能？

Peter Yang：坦率地说，OpenClaw默认的记忆系统表现并不理想。据我了解，它的工作方式是将记忆写入Markdown文本文件，并每天更新。这导致它非常容易遗忘信息。

因此，我安装了一个三层记忆系统。这个三层架构我还未完全吃透，似乎涉及Toby的Qdrant搜索工具。安装后情况有所改善，但我还必须经常提醒它。比如，我给Agent设置了Markdown指令，要求“在回答任何问题前，先检索你记忆中所有的相关内容”。即便如此，它也常常忘记自己具备哪些能力，比如当我问“你能帮我更新Google文档吗？”，它可能会迟疑：“哦，我能做这个吗？” 我不得不回答：“是的，你可以，相关文件就在你的系统中。”

Anish Acharya：确实，这很有趣。那么，我们来探讨一个更有争议性的话题。你曾提出“Apps Die, Claw Will Be Everywhere”（应用将死，Claw将无处不在）的观点。能为我们详细阐述一下这个观点吗？

Peter Yang：首先，我需要澄清，我在社交媒体上发布的内容包含许多即兴的想法，并未经过深思熟虑的论证。

不过，我确实观察到一种趋势。自从我在手机上安装了诸如Mercury MCP这类集成度高的应用后，我发现自己主动打开其他独立应用的频率显著降低了。我倾向于同意你的观点。

最先被淘汰或使用率会率先下降的，是那些你仅仅为了完成一项具体任务才需要打开的应用。相比之下，用于娱乐或社交的应用或许还能维持更长时间。但对于处理事务性任务的应用，未来可能只需要一个指令，比如“让我的Agent经纪人去处理这件事”，就像拥有一个能力超强的个人助理。

Anish Acharya：它会自动处理这些任务吗？那么，除了模块化和开放生态的Claw之外，你觉得它实际上减少了你使用智能手机的多少时间？

Peter Yang：是的，尽管像Twitter这类应用我依然使用频繁。但整体上，我打开各类应用，尤其是工具型应用的频率确实降低了。

Anish Acharya：没错，因为你不会对Zoe说：“嘿，帮我读读推文，告诉我哪些有意思的。”

Peter Yang：实际上，它确实会给我发送包含前几条热门推文和话题的早间简报。不过，我还是会打开X自己刷一刷。习惯如此。

Anish Acharya：这很有意思。我一直有个理论：人们打开手机应用，往往是为了获得某种特定的感觉或体验。当然，有些是功能性的，比如查看日历。但WhatsApp是为了连接感，Slack是为了高效感，TikTok是为了娱乐。所以我很好奇，如果只有一个统一的智能助手，它该如何在“调情”、“处理正事”等不同场景间自如切换？某种程度上，独立的应用提供了清晰的意图划分和场景区隔，而一个单一的Zoe可能难以做到这一点。

Peter Yang：这确实是一个优势。不过，我尝试在Telegram上为Zoe设置了多个专属的对话频道。例如，一个频道专门用于收发随机的语音留言。同时，我们有一个合作项目，我不希望代码演示或私人讨论出现在公共频道，所以独立的频道设置解决了这个问题。

Anish Acharya：这是通过子代理的架构实现的吗？

Peter Yang：这更像是我在网上找到的一种变通方案。通过设置多个Telegram频道，可以在不同频道内进行独立的对话。我不确定它是否能完美地在不同对话间保持连贯的上下文记忆，但至少能实现功能与话题的隔离。

Anish Acharya：那么，你对你的Agent的信息透明度和权限如何把控？比如，它会处理你的个人邮件吗？

Peter Yang：我采取了一种相对开放但有限度的策略。我为它配置了一个专门的“Mac Mania”邮箱，并授予了对我个人邮箱和日历的读取权限，以及对某些指定Google Docs的写入权限。不过，这也带来过麻烦：它曾经差点搞乱了我的整个硬盘。所以权限管理需要非常谨慎。

Anish Acharya：让我们展望一下未来。Open Claw这类架构和基础组件，未来会如何被产品化并推向更广阔的市场？

Peter Yang：这很可能就是像Pierce Deiner在OpenAI内部推动的方向。他可能会将这些能力深度集成到ChatGPT中，毕竟这是用户基数最大的入口。目标是让ChatGPT不仅能对话，更能真正地为你“做事”，使其感觉更像一个真人伙伴。

说起来，我过去用ChatGPT时，它的一个设计让我最终放弃了使用：每次对话结束，它总会机械地说“如果你需要，我还可以做X和Y”。这极大地破坏了体验的流畅感，让我感到烦躁。感觉它为什么不能一开始就主动、恰当地完成呢？这可能提升了他们的某些指标，但严重伤害了用户感受。

Anish Acharya：所以，你现在算是“四驱车党”（ZP注：意指深度使用Claude等模型的用户）了？

Peter Yang：我算是Claude用户，但编程工作我主要用Cursor。

Anish Acharya：你喜欢Cursor吗？在编程时，你更偏好Cursor，还是两者都用？

Peter Yang：我主要用Cursor。当我想实际构建点什么的时候，Claude Opus虽然在某些方面很出色，但Cursor感觉更……

Anish Acharya：更深入、更专注？我明白了。它们处于不同的阶段，存在一种权衡。我发现，在Claude Opus 4或6中生成的代码，虽然有时假设较多，但能提供一种更愉悦、更同步的交互体验。

而Cursor虽然思考更深入、准确率可能更高，但有时感觉像是在对话中，对方需要停顿三分钟才能给出回答，这可能会打断心流状态。

Peter Yang：没错，你并不总是需要那种“停顿思考”的感觉。它就像钟表的齿轮，有时会卡住。我前几天用的时候，每次响应时间都不同，体验确实有点令人抓狂。

Anish Acharya：完全同意。这让我联想到社交网络时代，其核心吸引力之一就是“间歇性奖励”，那种不确定的、偶尔出现的强烈正反馈让人欲罢不能。打开Facebook动态，有时无聊，有时却会刷到让你惊呼的内容。编程Agent也完全具备这种特性。响应时间也是不确定的，有时一秒，有时五分钟。在某种程度上，这确实赋予了它一种类似赌场的、令人上瘾的体验特性。

Peter Yang：还有一点在产品策略或运作方式上非常不同。Open Claw的生态里有各种自解释的、模块化的组件，比如钩子、技能、插件。如果你没有持续关注社区，就比如关注X平台上的动态，你根本不知道如何定制和优化它。但一旦你完成了深度定制，你会感觉它真正成为了你个人工作流的一部分，这种高定制化和归属感，让人很难放弃。

Anish Acharya：这非常有意思。我也根据Boris的长文自定义了我的设置。但我也必须说，我喜欢Claude Code的许多便利功能。比如，如果你想处理一张图片，在Cursor里你可能需要先保存为文件，再导入；但在Claude Code里，你可以直接截图并粘贴到对话中。这些小细节极大地提升了效率。

Claude Code还添加了语音功能，虽然还不稳定，但用户体验的改进方向是正确的。它支持与Claude和Chrome的深度交互，而Cursor目前与Atlas的交互能力较弱。我相信OpenAI会逐步修复这些问题。总的来说，Cursor的底层模型可能更优，但其产品化和用户体验目前还未完全成熟。

Peter Yang：是的，他们肯定会全力投入并优化Cursor，我对此深信不疑。

“应用将死”：我们正步入“Agent时代”

Anish Acharya：我们来深入聊聊编程Agent吧。你对此的总体看法是什么？这是SaaS（软件即服务）的终结吗？还是说，这些目前还只是“玩具”？

Peter Yang：首先，我和很多工程师一样，在编程Agent方面其实也还是个新手。但我确实观察到一些现象。比如，我最近了解到一些AI原生初创公司，他们正试图招募一批所谓的“氛围型开发者”（Vibe Coders）。这些开发者主要想做的，是构建内部工具来替代他们正在付费使用的各种SaaS服务。

Anish Acharya：真的吗？这得是真正的、原生的AI公司才会这么做吧。

Peter Yang：有一家叫“Vibe Coding”的公司，是这个领域比较知名的供应商之一。

Anish Acharya：有意思。我明白了，所以他们本质上是一家应用生成公司。

Peter Yang：是的，他们是应用生成公司。有趣的是，他们自己目前也还在为一大堆SaaS服务付费。他们的目标是摆脱这些订阅费用，转而利用自家的应用生成技术来构建所有内部开发工具。

Anish Acharya：他们可以说是最极端的早期采用者了，因为他们的产品就是应用生成技术，所以理应将其用到极致。但你的预测是，普通的公司未来也会放弃Slack这类工具吗？还是说会有其他演变路径？

Peter Yang：Slack不会很快消失，因为它也可以作为与客服代表沟通的渠道。但它的某些方面确实比较复杂，可能难以适应未来更智能、更集成的模式。不过，对于更简单的应用，比如Calendly，我可能会想：“我为什么还要为此付费呢？”

Anish Acharya：是啊，我为什么要付费？日历功能本身并不昂贵。但关键在于，你真的想自己构建和维护一套日历系统吗？相比之下，每月支付20美元，就能获得一个持续更新、始终在线的服务。因为组织内处理这类事务的专业能力通常是有限的。

Peter Yang：确实如此，除非你雇佣专门的协调人员。但这在初创公司通常不现实。

Anish Acharya：所以核心在于成本效益的权衡，与直接购买成熟服务相比，自建和维护的成本可能更高。

Peter Yang：这引申出一个有趣的现象。很多人都在讨论Figma，比如其股价波动。目前局势尚未明朗。所有设计师似乎都还在用Figma，但作为设计师，你需要理解色彩理论和设计原则的底层逻辑。否则，如果你只是机械地学习Figma这个工具本身，其技能可能会很快过时。

Anish Acharya：关于这点，我的思考角度有所不同。我一直在区分“思考工具”和“制作工具”。历史上，IDE（集成开发环境）被视为制作工具，是执行代码的地方。但它的定位正在改变。随着代码执行变得越来越容易，新一代的、多Agent协同的IDE，其重点更多在于探索各种可能性，并通过试错来引导和扩展你的思考。

例如，我常常会先快速粗暴地实现一个功能，然后通过不断调试让它跑起来。之后，我会对Agent说：“写下你会做出的所有不同选择。”然后我可能会推翻重来。所以，Figma其实兼具了思考工具和制作工具的双重属性。它既是设计落地的平台，也是设计思维的载体。这正是在新技术栈中，它能保持高度相关性的关键。

Peter Yang：我完全同意。但我也注意到，像你们投资的Pencil这类工具，以及Dust、E2B等，都在致力于用“虚拟货币”来提升AI工具的效能。看着这些Agent与你协作完成任务，这个过程本身就极具吸引力。

Anish Acharya：这确实是他们关注的核心。那么，在你看来，编程Agent最被低估的能力是什么？同时，哪些方面可能又被过度炒作了？

Peter Yang：这可能不算被低估，但我想引用一句话：“软件将吞噬世界。” 编程，或者是由Agent驱动的自动化，将吞噬所有知识工作。趋势已经很明显。比如，Lopopolo今天刚上线，就能支持各种功能，甚至自动生成演示文稿。

我不想再用PowerPoint了，我讨厌写Google文档，感觉那是在浪费生命。前几天我写博客文章时，我没有直接打字，而是想：“嘿，让我直接用代码来描述吧。”然后我给Agent一堆反馈，让它来写，并分叉我的代码。它完成了前80%，最后20%由我亲自调整。这就是我现在的工作方式：我几乎不从零开始，总是先借助Agent完成绝大部分基础工作。

Anish Acharya：这非常有意思。从历史类比来看，我记得萨蒂亚·纳德拉说过，Excel是世界上最强大、最流行的编程语言。这是一种上亿人都必须掌握的语言，但我们通常不把它看作传统编程。它是一种描述和解决问题的范式。Agent将把这种能力放大成百上千倍。即使是像撰写Google文档这样看似主观、非结构化的任务，未来也能通过Agent，以一种更令人满意、更高效、杠杆效应更强的方式来完成。

Peter Yang：是的，Excel之所以流行，是因为它超级易于上手。代码被抽象、隐藏了。未来，你只需与Agent对话就能完成任务。所以，这确实是一件非常重大的事情。

从“工具思维”到“伙伴思维”，人与AI如何共创新工作模式

Anish Acharya：那么，未来的公司会是什么样子？是一群Agent加一个人类CEO吗？甚至CEO本身也是Agent？未来公司在“人”的角色会是什么？

Peter Yang：我有些比较前沿的看法。我们都在尝试整合这类公司。公司越大，往往就越可能变成一个糟糕的工作场所。因为人太多了。

Anish Acharya：这似乎是公认的观点。

Peter Yang：之前，我在公司参加OKR会议，一坐就是3个小时。我当时就想：这简直是在浪费生命。所以，我真心希望更多公司能保持小规模。新一代的创始人已经意识到，他们希望公司尽可能小。与其维持一个占公司10%规模的产品团队，不如只保留2-3%的核心产品团队，然后配备一群Agent助手来协助工作。因为，和Agent打交道比和真人打交道要容易得多。

Anish Acharya：确实。从某种意义上说，Agent系统移除了情绪因素。想象一下，如果我们各自派出自己的Agent去谈判某项条款，它们达成某种结论。这个过程不涉及情绪，对我们双方都更高效。

这引出了一个我们最近常讨论的话题：从员工体验的角度，AI工作的优势是什么？就像你刚才描述的，如何提高工作的“净推荐值”？如果我们把时间线拉长，看更宏观的“人类体验净推荐值”：在一万年前，可能是“别被狮子吃掉”；一百年前，可能是“别在工厂里被蒸汽机压死”。而今天，很多时候是“别被卷入情绪化的办公室政治或一场50条消息的Slack争论”，最后事情传到高层，结果一团糟。

所以未来的方向或许是将这些充满情绪负载的、客观的工作交给系统处理，人类更多地是引导和监督整个过程，而不是深陷其中。后一种方式对人类的心智其实并不友好。

Peter Yang：没错，就像Slack上那些被反复翻出来的、长达50条消息的争论。我原本以为，作为产品经理和创作者的生活，是所有PM都渴望创作专业内容，但现实往往更复杂。

Anish Acharya：这或许正是我们许多人投身科技行业的原因：它充满了吸引力。Nico经常谈论这一点：每个产品经理心中理想的自我形象，都是一个创新者。他们想着：“我提出了新点子，获得了重大洞见，从而解锁了产品的新维度。”但现实是，大多数产品经理实际上并不知道如何做到这一点。

事实上，在很多公司里，根本没有人真正精通这套方法论，无论身处哪个部门。尽管如此，产品经理们内心依然渴望成为创新者。他们要么尝试并成功，要么尝试失败后转行。

Peter Yang：我观察到的一个热门现象是：我认识的几乎所有产品经理，都在利用晚上和周末的时间尝试学习编程或动手构建项目。如果真的“失业”了，反而可能有更多时间去当一个真正的“建设者”，去创新、尝试各种东西、学习新技能。我认识的产品经理们几乎都在这么做。

Anish Acharya：或者说，在团队中更多地扮演工程师的角色。我最初是工程师，后来可能算是被“推”上了产品经理的岗位，也许当时也觉得产品经理的地位稍微高一些。刚入行时确实很兴奋，但当你从另一个角度看，有时会觉得“这简直糟透了”。你很难获得那种亲手将产品推向市场所带来的即时满足感，除了每季度一次的产品发布。

Peter Yang：但产品经理的那些核心技能，与用户沟通、厘清真正需要解决的问题、决定做什么...这些能力依然至关重要。而且，很多时候你必须身兼多职，比如亲自动手制作原型、收集反馈。这可能就是所谓的“全能型工程师”（10x Engineer）模式的一种演变。

Anish Acharya：但未来的节奏需要多快？就像Gary提到的强迫性工作、熬夜、30-10法则，以及所谓的G-Stack。这会是我们所有人都必须遵循的默认工作方式吗？还是说，这可能会牺牲深度思考？

Peter Yang：在有了这么多AI工具后，确实很容易同时向十个不同方向冲刺。所以有时你确实需要放慢速度，想清楚自己真正要去哪里。那种传统的年度规划等流程，在现在这个时代已经不太奏效了。

Anish Acharya：确实如此。说句公道话，我很欣赏Gary，对他评价很高。关于这个话题，我有些自己的思考。前几天Siping问我，这种所谓的“生产力色情”（Productivity Porn）现象，大家都在运行20个Agent、开着20个监控窗口，到底是怎么回事？

当涉及在局部最优解（一座“小山丘”）内探索时，你应该行动得非常快。借助Agent，你可以极快地登上当前这座“山丘”的顶峰：获得新洞见，围绕它构建一切，充分实现其价值。但随后，为了到达下一个“山丘”，你可能需要几乎完全停下来，放慢节奏，摸索、探索，做些不同的事情。所以未来是快与慢的结合，一种动态的节奏。

Peter Yang：我同意。就像寻找难以捉摸的“产品-市场契合点”（PMF），需要进行随机漫步式的探索，这需要时间。所以，一味求快并非总是答案。

Anish Acharya：是的。我们在开始录音前聊到了一些“开箱即用”的商业平台。你看过吗？有什么看法？

Peter Yang：我看了我们之前提到的那个。我不确定创建者是故意将其做成“AI懒人”的反面，还是故意使然。

Anish Acharya：没错。

Peter Yang：我的公众影响力不小，所以我把所有内容都整合在那里。这确实能让人一窥未来的可能性，但目前可能还处于早期阶段。就像现在，到了该投Facebook广告的时候了吗？我为什么要跑Facebook广告？这背后是更大的图景。

Anish Acharya：对此我感到非常兴奋，因为这感觉像是让更多人能够创建公司的途径，哪怕只是“单人公司”。建立一家市值百亿美元的公司竞争极其激烈，需要巨大的市场支撑和尝试者基数。但相比于一亿、一千万、十万甚至一万美元的潜在市场，也许在全国乃至全球范围内，存在大量针对一万美元市场规模的产品机会。这可能会改变某个人的生活。当然，这不是企业级风投支持的公司规模，但没关系。我希望这个理论能成立，因为我确实认为这是让更广泛人群参与创造的一种方式。

Peter Yang：是啊，这就是我给孩子们规划的道路。我希望他们在高中阶段就能自力更生，尝试创业。他们可以跳过大学，甚至跳过典型的职场生涯。我觉得这就像……

Anish Acharya：过去十年社会上有种“道德恐慌”，担心孩子们都想当YouTuber，就像你一样，走MrBeast那种路线。这背后积极的一面是，孩子们想成为创业者，想掌握主动权。对于那些非程序员出身的人来说，制作YouTube视频曾是网上唯一的创作渠道。所以，如果你是数字原住民一代，想创造点什么，又不是程序员，那就做个YouTube频道。但现在，你能做的远不止这些了。

Peter Yang：是的，可能性太多了。

Anish Acharya：你可以探索任何你想去的方向。没错，这确实令人兴奋。还有什么犀利的观点想分享吗？

10%的核心人类，与100%的Agent同事

Peter Yang：我很想听听你对另一个问题的看法。感觉很多人都在说，未来会是Agent优先与你的产品交互，优秀的公司都在构建API和MCP（模型上下文协议）。

你作为消费者有一段时间了，对于像你这样的产品，要让用户回来使用。但现在用户可能说：“嘿，让我的Agent去处理吧。” 你对用户留存、品牌资产这些根本问题怎么看？因为Agent主要关注的是API。

Anish Acharya：我不完全确定，但我有一些思考。

首先，消费互联网领域能发展到今天如此成熟的程度，很大程度上是因为我们不得不采用间接的变现模式。比如，我们很少直接向消费者收取产品费用，这就催生了广告、庞大的网络生态系统等。我们都痴迷于用户留存、参与度和高价值用户，因为这些在间接变现模式下真的至关重要。

而在AI时代，一个很大的助力是，消费者现在对尝试新事物充满热情。他们愿意付费，甚至支付相当高的价格。

此外，在消费端，我们首次看到了基于Token的收入模式，结合了订阅费和按用量计费。一个意想不到的好处是，这确实涉及真实的成本（如推理成本）。所以你会发现，从第一天起，我们就必须向客户收费。商业模式的简化，会对你描述的许多情况大有帮助。

其次，许多产品会提供两种界面。一种是API接口，供你的Agent交互或执行交易类操作。另一种是基于消费的直接操作界面。你可以想象一个移动应用，它既有传统的信息流前端，也可以切换到后台任务指令模式，让你直接下达命令。

Peter Yang：或者查看已完成任务的日志。

Anish Acharya：没错。用户可能会两种方式都用。以我们工作过的Credit Karma为例，有时你只是想看看信用评分历史或信用卡优惠。但另一方面，有时你可能只想说：“嘿，把我所有的问题都解决掉”，或者“这周你们帮我解决了哪些问题？我省了多少钱？”

Peter Yang：明白了。这确实很有意思。

Anish Acharya：不过，整个Agent技术栈，包括身份认证、支付、营销等，正在兴起。我们还没有看到像MCP这类新兴标准与现有生态的全面竞争，这些都是真正的新范式。其实很多旧的套路和方法论可能都过时了。

Peter Yang：是的，这完全是一个崭新的世界。在2025年，我曾一度认为AI被过度炒作了，但现在看来，它确实在蓬勃发展，进入了一个更具实质性的阶段。

Anish Acharya：只是“AI”这个词本身有点让人沮丧，因为它被赋予了太多宽泛且模糊的含义。

Peter Yang：确实，比如“工作流”这个概念。

Anish Acharya：我完全同意。我一直在尝试倡导使用“人在回路的模型”这类更具体的表述。

Peter Yang：对，就是这个。Mae也用过类似的说法。

Anish Acharya：但似乎没人愿意用“Agent”这种说法，毕竟“工作流”听起来更酷、更时髦。

Peter Yang：我个人的希望是，所有这些技术最终能让人类的工作变得更有趣、更有创造性。虽然很多人担心我们会因此失业，这可能迟早会在某些领域发生。但我更希望，技术能提升工作本身的意义和乐趣。

Anish Acharya：让工作变得更有趣，我同意。但我们不会大规模失业。根据我们对大量公司的研究，观察到了两种不同的情况。

一种是能大幅提升个人或团队的生产力。比如在招聘中，我们可以用AI进行初步电话面试，但显然无法替代带候选人实地参观办公室；或者AI可以处理面试、回答公司相关问题甚至薪资谈判，但无法完成最终的入职流程。

另一种模式，我们称之为“十边形战士”或“快乐机器人”模式，即追求某项职能的100%自动化。例如客户支持，客户来电提出问题，AI系统旨在完全解决疑问，实现端到端的自动化。

但第二种（实现100%自动化）实际上非常罕见。我们观察到的几乎所有AI原生产品，无论是X还是Y，都能带来显著效率提升，但几乎都无法做到100%取代人力。

Peter Yang：最后的10%，往往还是需要爱沙尼亚人（ZP注：意指人类）来完成。

Anish Acharya：是的，至少目前如此，最后那部分工作仍然由人类完成。这也很耐人寻味，因为采购方的心态不同。他们会将前者（部分自动化）视为软件，是昂贵的工具；而将后者（如Sierra的Happy Robot追求的完全自动化）视为廉价劳动力。

由于实现完全自动化极为困难，许多效率提升最终会以其他形式体现，可能不会直接导致岗位减少，而是像欧洲那样转向每周四天工作制，或者让公司整体生产力翻倍。具体形态尚不确定。

Peter Yang：但未来可能会出现一种转型，不是吗？从拥有上万名员工、可能进行大规模裁员的巨头公司，转向更多像“Solarpunk”理念下的小型、分布式、有韧性的组织？

Anish Acharya：经济的形态和产业结构会发生变化，但总就业岗位不会减少。人类的野心和欲望是没有上限的。只要你读过任何有深度的科幻小说，就会明白，现状绝不可能是我们所能想象和需求的巅峰。我们总会不断说服自己，追求更多，无论是奢侈品、新型肽类药物，还是其他新事物。每个人都会拥有，并且还会想要更多。