一个 AI 创始人的虚荣心、装，和愚昧之巅｜对谈 invoko.ai 创始人梦琪
摘要
- 梦琪对 AI 软件的结论从“做软件就是脑子进水”翻转为谨慎乐观：coding agent 抹平的是首版门槛，不是稳定交付、维护与品牌。 她估计过去一年做过 PR 的软件里，真正“能用、用起来不挂、顺畅”的不到 10%；新客户端做了 3 个月、前一晚上线第 49 版，仍有 bug。投资含义不是模型风险消失，而是护城河从 idea 和代码迁到“一万五千个细节”与持续修剪草坪。曲凯另指出，Manus、Jace、Genspark 等产品已经出现品牌效应。
- 她用半年亲历否定了自己融资时最确信的 vertical Agent 叙事：专业用户会把 Agent 一路提需求成 SaaS，而不使用产品的企业客户又会迫使团队变成 Agency。 sourcing 只占达人营销约 30%，其中 70%-80% 又由 API 数据质量决定；真正耗时的沟通和交付没解决，部分同行的 AI 产品就可能只剩给投资人看的“景观效应”。曲凯的追问更尖锐：所谓扩场景，往往是在延缓承认原方向不行。
- 这次 pivot 的核心不是换赛道，而是把创始人的目标函数从融资、豪华阵容和新概念，改回用户是否真的得到结果。 梦琪承认当初讲 RL、招科学家，是“追风口、装逼、满足虚荣心”，并称刚拿融资是“创始人的愚昧之巅”；她现在甚至主张大部分纯应用公司不需要算法岗。融资、估值和牛人团队都不是成功的充分必要条件。
- To C 转型跑出的不是独家 idea，而是把用户意图到结果的距离压到一个按钮：这让 Click 这类“替代品一抓一大把”的插件仍有人愿意用。 用户原本要截图、发给 ChatGPT、写 prompt、复制回来，现在按一下即可；她据此把消费软件的核心归为“体验”，并称这一代产品可能要把约 70% 精力放在交互与情绪价值上。商业上团队选择“健身房”式订阅，而非只服务每月 5 万美元级高消耗用户，目标是保住毛利。
- 真正的产品纪律来自高密度用研，而不是把 Conversation UI、GUI、TUI 或数字员工等热词塞进产品。 团队把每个决策拆成漏斗，每个问题在 Reddit 发约 40-50 个帖子和评论，验证痛点、付费意愿与优先级；这让一个自称每天能发散“八百个方向”的创始人变得克制。第一性原理被重写成“解决问题的最短路径”，最大牵引力只留给真正的衣食父母——用户。
- 被放弃的达人营销方向，反而在内部连续使用后以 skill 形态找到了结果交付：输出不是 dashboard，而是一张已经完成筛选、议价和排期的 Excel。 因为自有需求的 context 连续，团队每天补七八个沟通与指标细节，现有效果甚至超过此前五六个月 all-in 的 To B 产品；对外分享后也开始挣钱。这给 vertical AI 一条更窄但更可信的路径：先做内部数字员工，再向外溢出，而不是先卖平台。
- 她认为 AI 软件仍“大有可为”，依据不是技术领先，而是渗透率低、用户分层极深、商业竞争从不在一夜间完成。 旧金山活动里她估计只有约 40% 的人知道 Wispr Flow，其中可能又只有约 20% 会用或付费；大量企业连 workflow 都没真正部署，大厂拿走大部分利润后，应用“喝的汤”仍可能比过去 SaaS“吃的肉”更多。最大风险是产品寿命被压到一年多、规划周期缩到下个月，但“抖音出来，快手不会今天立刻给我死”。
精读
1. 软件融资热潮退去后，产品才开始接受真实验收
曲凯把当下定义为软件行业又一个低点，但与 2023 年、2024 年下半年的全行业低迷不同：2024 年具身智能仍然较热，2025 年具身智能和 AI 硬件迅速升温，今年具身智能甚至比去年更热，软件却比去年冷，资金和注意力明显分化。
他概括了过去两年的典型路径：字节背景、高 P、豪华团队，围绕 Agent 讲故事，产品出来前先融几轮；小产品不温不火后，再追随新概念不断 pivot。梦琪听完直说：“你一开始说这个就把我架在火上烤。”
梦琪把去年 5 月以后软件公司还能融到大钱归功于 Manus：“都应该给 Manus 磕一个。”但那批产品多是 To B Agent，产品形态变了，销售逻辑没变，“最后还是舔那些老登”，高估值并没有自动带来商业模式创新。
2. Coding agent 压缩了代码生产，却没有压缩软件交付
到今年二三月，梦琪几乎回答不了三个问题：产品与 Claude Code 有什么区别、Claude Code 亲自做这件事怎么办、Claude 生态里有人做一个 skill 来竞争怎么办。她一度因此认定“做软件的就是脑子进水了”。
她转述 OpenAI 的一位 post-training 同事：去年年底内部还不太用 coding agent，今年 2 月约 80% 的代码已由 agent 编写；但工程师没有更轻松，因为同时被要求完成更多事情。能力提升与工作量提升同步发生。
梦琪随后提出反证：过去一年大量软件做过 PR，真正“能用、用起来不挂、顺畅”的不到 10%。许多人说 General Agent 只是沙箱、自己早想过，但 Manus 出来一年多后，工程质量和稳定性仍只有少数产品做到。曲凯认为 Manus、Jace、Genspark 等产品也已经形成一定品牌效应，用户未必愿意不断试第三个。
3. 躲开“第十八个 Manus”并没有自动造出正确的 vertical
公司成立前首先决定做 General Agent 还是 vertical Agent。团队看到市场上已有“第十八个 Manus”，觉得 General 太拥挤，于是坚定选择 vertical；梦琪当时觉得逻辑自洽、自己“英明神武”，后来却发现最确信的决策往往错得最彻底。
她最想做 sourcing Agent：品牌找达人、公司找候选人、企业找专家、找客户，底层都像是在“找对的人”。团队选择达人营销作为第一个落点，希望验证 sourcing 能否跨场景迁移。
曲凯的打断值得保留：今天真正同质化的不是产品，而是叙事；sourcing 已经“满大街都是”，类似故事讲了几年，却始终少有产品交出好结果。换句话说，没人想到的 idea 并不稀缺，能兑现的产品才稀缺。
4. 专业用户会把 Agent 一路提需求成 SaaS
产品上线两个月后，团队面对两类完全相反的反馈。创始人说“我什么也不想按，你给我结果”；专业营销人员却要求每一步可审计、指标可定义、筛选可控制，必须确认中间过程才允许 Agent 继续。
团队选择先蒸馏专家经验，再把“高认知能力”卖给非专业用户；又做一两个月后，产品却越来越像行业里八年前开始创业的 SaaS。自己没有高质量数据，只能调用别人清洗后的 API，再做一套近似界面，梦琪的评价是“纯属脑子有病”。
她后来理解这是结构性结果：如果问专业剪辑师需要什么 Agent，对方会持续提需求，直到产品长得像 Adobe 才停手。专业用户需要严谨控制过程，于是产品必然走向 SaaS 化；最终产品甚至不如传统 SaaS 在右侧加一个 AI bar。
5. Sourcing 选中了 AI 最容易做、却不是价值最高的 30%
重新拆解工作后，团队发现 sourcing 只占达人营销约 30%，真正浪费时间和人力的是后续反复沟通。更糟的是，sourcing 效果有 70%-80% 取决于 API 数据质量，团队选择了价值链里 AI 的 low-hanging fruit，却跳过了高价值环节。
公司原本希望替代 Agency：Agency 给客户交付什么，Agent 就交付什么。但一旦组织围着专业用户的过程型需求旋转，就很难端到端交结果；而公开拒绝用户需求又显得“政治不正确”。
曲凯追问为什么不把小场景先做透，梦琪先答“拓展纯是为了多挣钱”；再追两轮后，曲凯指出，团队其实已认为 sourcing 不够好，只是用扩场景延缓对旧方向的否定。梦琪保留了一个区分：它不是零与一的“不成立”，而是价值强度“不够 strong”。
横向扩成找达人、候选人、客户也被否决。梦琪用面粉和鸡蛋作比：同样原料能做大饼加鸡蛋和意大利面，却没人进一家店同时点两份；这些需求难以 cross-sell，同时拥有全部需求的 Founder 又不亲自用产品。团队于是纵向做深 GEO、Reddit 等增长环节，但到 12 月仍开始怀疑 vertical Agent 整体是否成立。
6. Vertical Agent 的结构性终点往往是 Agency 与“景观产品”
梦琪观察到的第一个困局是：客户不使用产品，公司又必须挣钱，于是只能派人服务，vertical Agent 在过渡期被迫成为 Agency。更极端的同行把 Agent 做给投资人交作业，真正收入来自人工服务，连内部服务人员都不用产品——产品只剩“景观效应”。
第二个困局仍是 To B。她称在中国做 To B 已近似“贬义词”；赴美调研一个多月后，又认为华人在美国做 To B 的天花板明显。曲凯并不把它归因于中美对立：“就像一个印度人来中国做 To B 也很难。”
曲凯追问为何不走 Pro C，梦琪承认团队混淆过 Pro C 与 OPC：OPC 是趋势，不是现实；现实里 OPC 很少，能挣钱的更少，“他没挣到钱，凭什么给你钱？”而信息 access 能力最强的 Pro C 又可能直接把 Claude Code 用得很好，留给中间产品的空间未必很大。
7. AI 订阅大致分成“高耗能大户”与“赌你不来”的健身房
梦琪把可选生意归为两类。第一类是高 ARPU 的 token 生意：维护少数每月消费 5 万美元以上的“大 R”用户；她研究 Lovable 后认为其用户量没有外界想象得多。
第二类是“健身房”：收订阅费，赌用户不天天来，或者至少不把 token 打满。credit 留出毛利后，高竞争又使毛利难以特别厚，因此单纯效率工具很难获得夸张的超额利润；梦琪明确说团队已经选择了这一类，而不是服务极少数无限消耗者。曲凯补充，很多 AI 公司客单价高，一两万名 Power User 也可能足够支撑业务。
To C 学习过程中，Steam 给了她另一种可能：番茄钟、GTD、习惯培养和 ADHD 工具可以做成陪伴式、游戏化产品，用户每天默认打开，却很难定义它究竟是游戏还是生产力工具。软件创造成本下降后，“品类会被模糊化，你的上限就是想象力”。
8. 停掉 To B 不是因为没订单，而是赔率与模型红利都不够
到 2 月，团队让 To B 产品进入“低功耗经营”，只保留少量维护人力。梦琪认为，如果只是继续做 To B，她凭过去客户资源和行业关系就能做，既不需要融资，甚至“不应该创业”。
她把不够 excited 的机会比作站在棋盘上方挑格子：盘完逻辑后发现某个机会适合自己，与“老娘今儿就干这事儿……你爱给给，不爱给滚蛋”完全不同。创业应追求高赔率，也不该成为证明自己牛不牛的证明题。
更现实的问题是，To B Agent 没有充分吃到模型跃迁。新模型最大的帮助可能只是内部 coding agent 提升开发效率，却没有让客户问题的解决效果增长 10 倍、20 倍；团队此前“左脑用太多了”，每天推导概念，却没有认真感受自己究竟想做什么。
9. RL 的漂亮故事，最终暴露的是创始人虚荣心
曲凯回看她创业初期的 RL、算法和新技术叙事，再对照后来近似传统 SaaS 的产品，追问这是不是一个“逐渐堕落”的过程。梦琪的回答更直接：性感逻辑落地后可能本来就不性感，而当初追逐它主要是“追风口、装逼、满足虚荣心”。
她确实招到过后来进入美国 research lab 的科学家，但现在的“暴论”是：大部分纯应用公司不要招任何算法工程师，“快放人家去训模型吧”。应用业务根本用不上，招聘更多是在给投资人展示豪华阵容，或为下一轮融资增加筹码。
当时的 RL 逻辑听起来极顺：增长内容天然有曝光、engagement 等反馈信号，便于构造 reward。曲凯指出，基础模型厂商随便改一改带来的收益可能比创业公司训练更大；梦琪也承认，现在听别人讲这套故事会觉得可笑。刚融到钱时却觉得自己最会造概念，那正是“创始人的愚昧之巅”。现实则要求“撅着屁股一个个去交付”。
10. 旧金山之行让她既对 vertical Agent 去魅，也对刷流水去魅
在最焦虑的阶段，梦琪去旧金山待了两个多月，只想确认究竟是自己能力和想象力不足，还是 vertical Agent 本身存在问题。她与多家公司交流后，判断大家面对的是类似的结构性困境，而不只是单个团队执行失败。
这趟调研还让她对美国创业生态“彻底去魅”：最简单的是“我给你 5 万美元月付，你给我冲流水”；更复杂的是六人甚至十人组成交易网络，循环购买彼此产品，让背调和 audit 很难识别“跑流水”。
她也终于理解为何每到月底，许多人突然格外热情、频繁约饭——需要找人冲当月收入。团队因为付款麻烦没有参与，更重要的是她觉得“不太 make sense”，不愿给自己埋雷，希望尽可能维持道德标准。
梦琪由此总结：如果创业只服务虚荣心，目标函数清楚、约束条件又少，融资、牛人和漂亮客户 logo 都容易实现；但如果目标是让自己内心承认“我干得真好”，事情反而困难得多。
11. Click 验证了最小 To C 需求，49 个版本又打碎“一周可做”的幻觉
To B 完全停掉前，团队先让部分成员试水 To C，因为“团队的士气和信心是不可再生之物”。创始人不能反复消耗所有人的信任；梦琪宁愿逐步过渡，也不愿某天突然宣布大家押注一个未经验证的新方向。
最早跑出的 Click 只是浏览器插件：在大量 tab 间调用信息，并让 AI 跟随光标完成 writing。一个南非用户反馈，自己终于能沉浸写文档，因为可直接 @ 某个 tab 或 Gmail 上下文，不再让碎片信息持续占满大脑；这也击中了梦琪自己的 ADHD 体验。
Click 只能留在浏览器，无法覆盖 Lark、Slack 等桌面窗口，团队于是扩成客户端。梦琪的原则是“应用公司都是套壳的”，关键是不要套上一代能力，因此选择“坚定套 Claude Code”。组织也更适合 To C：成员性格“刚烈”、会和客户抬杠，而 To B 的现实是“被包养就不要谈独立人格”。
听起来简单的客户端实际做了 3 个月，前一晚才上线第 49 版；3 月底、4 月份公测时虽能打开运行，梦琪仍认为基本不能用，早期用户“倒了血霉”。她把软件形容为“一万五千个细节”：多解决一个，体验就好一点，这反而让她不再害怕 coding agent。
12. 消费产品的价值就是缩短“我想做”与“已经完成”的距离
梦琪起初看不起 Click：功能只有几个按钮，替代品“一抓一大把”。用户反馈改变了她的判断——idea 无需独一无二，只要缩短用户意图到解决方案之间的距离，就已经创造价值。
过去用户想让 AI 改写眼前内容，要先截图、发给 ChatGPT、解释任务、写一句 prompt、复制结果回来；Click 把全部步骤压缩成按一下按钮。按钮本身已经编码了意图和预设，不要求用户再次描述自己想做什么。
翻译插件提供了同一证据：即使大模型足够强，用户仍愿意安装专门插件，因为确定性入口比打开通用模型更近。当产品承载更多意图时，真正难题才变成如何编排功能、保持产品平衡，同时不让信息复杂度压垮用户。
她用出行选择归纳 To C：为什么有人打优享、不坐特约快车或拼车，偶尔又选首汽约车？答案是“体验”。只要体验比直接用 ChatGPT、Claude 更好，应用就有生存价值；她估计这一代产品可能要把约 70% 精力放在交互上，包括速度、舒适度和交互本身提供的情绪价值。
13. 情绪价值与 Reddit 用研被做成了产品基础设施
为突破生产力与情绪价值之间的墙，团队请了多位美国设计师参与打磨。梦琪不是想做只会安慰人的产品，而是先可靠解决问题，再让用户感到产品“在乎你”；否则只是一个“提供情绪价值但不靠谱的下属”。
隐私是客户端最直接的情绪障碍：用户看到大量权限会害怕，既不知道数据存在哪里，也不可能阅读冗长协议。团队用漫画解释数据如何存储，并尽可能调整隐私策略，让隐私说明更容易被用户理解。
她认为中国这一批创业者与旧金山团队相比，用研通常不够；面对不同文化的 C 端用户，仅靠自己的直觉风险很高。Reddit 数据挖掘能给静态结论，却不能随着团队的思考路径动态追问，因此还必须主动进入讨论。
团队把每个产品决策拆成漏斗，每一层设计对应帖子和评论；每个问题约发 40-50 个帖子，再回收反馈。直接提产品往往流量不好，于是更多只讨论需求和痛点，由此判断是否刚需、是否付费、付多少钱以及旧产品哪里不好。
14. 第一性原理不是使用最新交互，而是先把钉子砸进去
梦琪自称 ENFP，过去恨不得每天提“八百个方向”，把所有流行能力都装进产品。Reddit 用研的作用之一，就是迫使她克制：需求很多不等于每个需求都该进入当前版本。
To B 阶段，团队曾迷恋 Chat UI、GUI、Conversation UI、TUI 和数字员工：用户贴上产品链接，系统自动分析需求、配置员工，再由 chat 触发 GUI。团队觉得自己“没有人比我更懂 AI”，用户的反馈却只有一句：“你吃饱撑的，你先解决我问题好不好？”
她现在愿意花约 70% 时间确认问题是什么、需求是否真实、什么路径最短，再判断新概念能否帮助解决；顺序不能反过来。创业近一年后，最大的牵引力不再来自同行、投资人或员工，而是“真正的衣食父母”——用户。
梦琪把旧做法比作向用户炫耀雕花、钛合金锤子，用户只关心钉子有没有砸进去；更尖锐的比喻是 AI 像秋裤，创业者以“我是你妈”的俯视感逼用户穿上，用户却根本不冷。曲凯指出，从客户角度看，Token 消耗可能比实习生还贵，而传统 SaaS 已经足够；梦琪也说这是当时的感受，AI 的经济价值未必足够高。
15. 被放弃的达人营销，因内部连续使用才真正变成数字员工
给新 To C 产品做增长时，团队不得不重新使用过去的达人营销能力，并把它做成内部 skill。每天新增七八个指标或沟通细节，一点点补全 corner case；梦琪认为现在的效果可能已超过此前全员 all-in 五六个月的 To B 产品。
这次“交付结果”不再是抽象口号，而是一张 Excel：合作对象、报价、砍价结果、价值判断、内容检查、拍摄日期和上传日期都已完成。表交付后，Agent 的使命即告结束，不要求客户操作中间流程。
内部产品更容易变好，是因为 context 连续完整；外部客户的需求则是离散的，今天讲两句、明天没空、一周后再补三句。团队用自身真实工作不断磨 skill，再分享给朋友，反而有人觉得“这东西真的还挺好用”，并开始产生收入。
同样的逻辑被用于产研：软件开发被简化为发起问题、解决问题、验收问题三步，注意力集中在两端；multi-agent 负责规划 P0、P1 和分发，各成员的 coding agent 执行。梦琪称它像“新时代的 Jira”，但没想清界面形态，只确定“一定不是 chat”，因此不会急着发布。
16. 模型缩短了产品寿命，但低渗透与维护成本仍给应用留下空间
模型发展是所有软件创始人共同的最大牵引力，迫使大家反复 pivot。一个客户端可能要打磨 3-6 个月，寿命却也许只有一年多，真正挣钱只剩六个多月；规划因此从明年缩到下个月。梦琪甚至曾在 Palo Alto 的 Blue Bottle 调试失败后气得捶桌，邻桌反因她情绪如此强烈而主动询问产品。
她引用做客服 Agent 的 Bret Taylor 的比喻：软件像草坪，修剪成本可能比最初铺设更高。个人用 Claude Code 做完小工具后，创造的快乐已经结束，维护和 corner case 才是痛苦；未来 AI 或许能自己发现、自己维护，但她把这明确保留为可能性，而非既成事实。
旧金山田野调查让她看到另一面：她逢人询问 Wispr Flow、Tablets 等产品，约 40% 的人知道，其中可能又只有约 20% 会用或付费。她还提到另一项随机询问是否使用 ChatGPT 的调查，强调不能把用户都假设成典型 early adopter；应用未必要自称万能 AI，只需解决尚未解决的问题。
她曾因技术歧视坚定选 Agent、不选 agentic workflow，后来承认多数企业把 workflow 用起来就已解决大部分问题。Harness 出现后，梦琪感到信息过载；她反对把动态竞争压成几秒钟的“AI 行业番茄、AI 行业红果”，因为世界高度分层，大厂吃掉大部分利润后，应用喝到的汤仍可能比过去 SaaS 的肉更多。
17. 真正完成 pivot 的不是新品发布，而是创始人终于相信自己的产品
团队没有做“全球首款”式大宣发，一部分因为需要低调，也因为梦琪觉得多数发布只换来一波流量和低留存，像花钱给市场交作业。更深层原因是她不满意、也不相信旧产品；如今即使新产品还丑、还有问题，她仍愿意倾尽全力，因为“这就是我的 spark”，要做的是简答题，不再是证明题。
回到是否应离开字节的问题，她的官方答案是仍会创业，因为“meant to be”；非官方答案则承认 3、4 月曾想掀桌，觉得做软件毫无意义。现在的状态恰好相反：“我要是做不出来，别人也做不出来；这个行业但凡有一个人做出来，那一定是我。”
曲凯把今天与十几年前对比：当时天使轮可能按 1000 万人民币估值投 100 万，产品上线、有数据后再融下一轮。梦琪自称在当前周期拿到钱既幸运又“臭不要脸”，但她已确认融资、估值、大牛团队都不是充分必要条件；创业很难被还原成科学变量，只能“手上有什么牌，把什么牌打好”。
她最终想做的不是只看问题的效率工具，而是既解决问题，也在乎用户是谁、心情如何、处于什么关系中：“DAU 对我来说不是一个数字，它背后都是人。”曲凯把这一年概括为从务虚走向务实；两人的落点则是，好的创业者仍需保留理想主义，只是不能再用抽象概念代替落地。