軟件應(yīng)用也可以 “3D 打印” 了。

訪談丨程曼祺

整理丨實習(xí)生裴雨桐

當(dāng) agent 構(gòu)造變得越來越簡單，會發(fā)生什么？agent 交易平臺 MuleRun 創(chuàng)始人陳宇森分享了他的觀察和創(chuàng)業(yè)實踐。

陳宇森是一名少年成名的連續(xù)創(chuàng)業(yè)者，22 歲從浙大畢業(yè)后創(chuàng)辦網(wǎng)絡(luò)安全公司長亭科技，5 年后賣給阿里云，現(xiàn)在他帶著對 AI agent 的理解重新出發(fā)。

MuleRun 基于這樣一個核心假設(shè)，當(dāng) Vibe Coding 大幅降低了應(yīng)用開發(fā)門檻，Claude Code 帶來 agent 創(chuàng)作新方法，大量非技術(shù)背景的人也能把自己的工作知識和流程封裝成一個個勤懇的 AI 騾子，實現(xiàn)個人工作的自動化。

這期內(nèi)容包含兩次聊天，分別發(fā)生在 25 年 12 月和 26 年 1 月上旬，不到 1 個月里，隨著 MuleRun Agent Builder 開始內(nèi)測，陳宇森和 MuleRun 的思路已發(fā)生了一些變化。

他認(rèn)為，未來的 market place 不再會是過去我們熟悉的貨架形態(tài)，而是在對話中觸發(fā)交易。MuleRun 的調(diào)整本身，也是當(dāng)前 AI 應(yīng)用瞬息萬變的一個縮影。

這期節(jié)目的后半段，我們也聊了一個創(chuàng)業(yè) 10 年，成立過 4 家公司，經(jīng)歷過成敗起伏的創(chuàng)業(yè)者，如何以「用心」避免陷入平庸和對抗自我懷疑。

以下是播客的文字整理，有部分精簡。

尋找方向、Agent 交易平臺的機會與難點

晚點：你的這次創(chuàng)業(yè)是什么時候開始的？為什么會想到做 Agent market place？

陳宇森： 我們是在 2024 年年底開始構(gòu)思這件事的。當(dāng)時我們看到一個明確的信號：Cursor 這類產(chǎn)品已經(jīng)找到了 PMF（產(chǎn)品市場契合點）。這表明，隨著大語言模型能力的提升，它開始在特定應(yīng)用領(lǐng)域（如編程）產(chǎn)生真正的生產(chǎn)力價值。

我們認(rèn)為編程是一項非常通用的能力，它是讓 AI 能做更多事情的橋梁——既然人類通過編程能實現(xiàn)眾多功能，那么如果 AI 能替代或輔助人類編程，很多事情就可以直接由 AI 完成。

我們在 4 月份上線了一個 Vibe Coding 產(chǎn)品，當(dāng)時也規(guī)劃了一些差異化的功能，比如讓模型更精通少數(shù)幾個框架，或在運行時調(diào)試方面做得更好。但后來發(fā)現(xiàn)，在 AI 應(yīng)用領(lǐng)域，如果做一個別人已經(jīng)做了且團隊同樣優(yōu)秀的產(chǎn)品，很難獲得流量和用戶。內(nèi)測后發(fā)現(xiàn)，用同樣的 prompt 在我們產(chǎn)品和頭部產(chǎn)品上跑，結(jié)果差不多，因為大家都依賴于 Claude 的 API 能力。

這一年下來，競爭格局并沒有發(fā)生明顯變化，沒有哪個產(chǎn)品通過獨特設(shè)計顯著超越對手。不過，近期 Anthropic 自己做的 Claude Code 以及 OpenAI 的 CodeX 進展非常迅猛，用戶數(shù)提升很快。Claude Code 確實讓我感覺到了更大的變化，因為它啟發(fā)了一種全新的 agent 創(chuàng)作范式。

晚點：具體是怎樣的創(chuàng)作范式？

陳宇森： 簡單來說，目前最強的 General Agent 就是 Claude Code。早期大家做 agent，往往是通過外掛方式來實現(xiàn) SOP 與大模型的結(jié)合，比如在 LangGraph 里寫一段代碼，或者純代碼化的方式，而不是僅僅在模型上加 prompt。

但隨著大模型能力進步，我們發(fā)現(xiàn)只要確保復(fù)雜任務(wù)不超出上下文窗口（避免產(chǎn)生大量幻覺），直接給模型足夠復(fù)雜的提示詞，它就能處理足夠復(fù)雜的事情。這雖然需要做一些 Context Engineering，但本質(zhì)上已經(jīng)是 “怎么用好大模型” 的問題了。

我們的底層假設(shè)是：當(dāng)大模型具備了編程能力后，理論上它可以在一到兩年內(nèi)，完成人類在電腦上能做的所有事情。

基于這個認(rèn)知，我們判斷目前 AI 做不好的，主要是那些沉淀在線下或人類大腦中的經(jīng)驗與知識。如果能將個人的線下知識、經(jīng)驗與大模型的理解和判斷能力結(jié)合，就能把個人的能力 80% 到 90% 復(fù)制到一個 agent 中。面臨同類問題的人，只需花點小錢使用這個 Agent，就能免去從頭操作的繁瑣，實現(xiàn) “花小錢辦大事”。這樣創(chuàng)作者能賺錢，使用者能提效，從而形成一個很好的交易生態(tài)。

晚點：基于 Claude Code 是目前最好的通用智能體這一前提，未來很多需求可以直接通過 agent 實現(xiàn)，市場更需要的是一個交易平臺，而不是去重復(fù)做 Claude Code 已經(jīng)做得很好的事情，可以這樣理解嗎？

陳宇森： 是的，這也是我們思路的演進過程。最初我們覺得市場缺乏一個好的 agent 交易平臺，所以想做一個框架中立的部署與交易平臺——無論你在哪里開發(fā)，都可以在這里部署和賺錢，因為賺錢是推動生產(chǎn)力發(fā)展的基礎(chǔ)。

但做到現(xiàn)在我們發(fā)現(xiàn)，要讓行業(yè)專家去創(chuàng)作 agent，哪怕是低代碼都顯得太復(fù)雜。能用低代碼的人，本質(zhì)上已經(jīng)具備了 coding 的能力。要讓普通人真正能夠 coding ，門檻必須降到只需使用自然語言，不需要理解參數(shù)、拖拉拽、循環(huán)或條件語句。最自然的方式就是直接描述需求和工作過程。

比如，HR 清楚每天的招聘流程，客服知道如何調(diào)取知識庫處理客訴和退換貨。只要他們把這些日常工作流程描述得足夠清晰，AI 就能高準(zhǔn)確率地完成。如果有成百上千的人每天都要做同樣的任務(wù)，他們就可以花錢讓比人類更高效的 agent 去做，創(chuàng)作者也能因此獲益。

晚點：既然 MuleRun 是一個雙邊交易平臺，一個 market place，平臺目前的供需雙方是怎樣的嗎？在供給端，一種是完全沒有開發(fā)經(jīng)驗的人，通過你們提供的環(huán)境直接用自然語言生成業(yè)務(wù)流程；另一種是傳統(tǒng)開發(fā)者把做好的 agent 上傳到平臺。這兩種供給現(xiàn)在都有嗎？哪種是更重要的呢？

陳宇森： 主要是第二種。目前我們平臺上的供給主要還是傳統(tǒng)的應(yīng)用。但真正讓我們覺得這個商業(yè)模式成立的前提，其實是 Vibe Coding 的普及。過去開發(fā)軟件成本很高，很難為幾十個人甚至一個人的小眾需求去定制軟件；但現(xiàn)在有了代碼能力強的大模型，我們完全可以為極少數(shù)人的需求開發(fā)應(yīng)用。

因為現(xiàn)在的供給還不夠豐富，無論是用戶的創(chuàng)作過程還是我們的上架流程都有些復(fù)雜。我們的核心假設(shè)是：未來的應(yīng)用生態(tài)會無比豐富且極度長尾?？赡芪医裉煊袀€奇怪的需求，只要另外十個人里有一個人把應(yīng)用做出來了，我就可以直接去用。當(dāng)這種長尾需求被大量滿足時，產(chǎn)品才算真正達到了 PMF。

目前我們雖然上線了交易功能，用戶增長也做得不錯，積累了挺多注冊用戶，但遺憾的是還沒有看到大規(guī)模的 PMF 發(fā)生。反思下來，核心問題在于供給豐富度不夠、上架門檻太高。目前平臺支持 n8n 工作流或 LangGraph 制作的復(fù)雜 agent 上線，但這仍依賴一定的人工審核，且創(chuàng)作門檻依然存在。

所以繞了一圈回到剛才的話題：Claude Code 是極強的通用智能體。對于大多數(shù)開發(fā)者或普通人來說，只要能向它描述清楚需求，再配合我們提供的一個足夠豐富的 skills market，就能大幅降低開發(fā)門檻。官方主要負(fù)責(zé)提供清晰的技能模塊，比如操作 Excel、控制瀏覽器或調(diào)用特定軟件，普通人只需描述需求并選擇對應(yīng)技能，Claude Code 就能將這些打包成一個容器或虛擬機，穩(wěn)定交付任務(wù)。整個創(chuàng)作過程的核心就是極大地降低開發(fā)門檻。

晚點：這聽起來有點像我們在電腦上做的一些自動化操作？比如手機上可以用蘋果的 “快捷指令” 做一個截圖自動化流程，截圖后自動按比例裁剪并上傳到云盤，電腦上就能直接看。你們在電腦上實現(xiàn)的是類似的功能嗎？

陳宇森： 非常同意，這是個好例子。我們團隊也有同事把內(nèi)部平臺的登錄憑證放在手機上，通過快捷指令調(diào)用 agent 幫他處理事務(wù)。但這還比較簡單。

對于稍微復(fù)雜的場景，則需要加入個人判斷。過去，軟件很難通過規(guī)則代碼去實現(xiàn)人的業(yè)務(wù)判斷；但現(xiàn)在，只要教會大模型怎么去判斷，它就能把這個步驟做掉。比如供應(yīng)鏈員工發(fā)現(xiàn)缺貨需要補貨，過去是基于個人判斷去操作 ERP 系統(tǒng)，現(xiàn)在大模型可以作為中間的 “膠水”，替代這些智力挑戰(zhàn)不大的判斷工作，實現(xiàn)全流程自動化。

半自動化和全自動化的區(qū)別是巨大的，因為 AI 可以 24 小時工作，還能復(fù)制成百上千份。所以我們認(rèn)為，Claude Code 目前的狀態(tài)已經(jīng)足以將創(chuàng)作 agent 的門檻降到極低。

晚點：Claude Code 是目前最強的通用智能體，它強大的能力足以極大地豐富 Agent 的供給。因此，現(xiàn)在是否是做 Agent 交易平臺的絕佳時機？

陳宇森： 是的，這正是我們一直在等待的、能夠讓創(chuàng)作變得足夠簡單的時機。Anthropic 的官方博客也提到，他們最初做 Claude Code 是為了輔助編程，但內(nèi)部員工發(fā)現(xiàn)它可以很好地處理查看郵件、電腦操作等各種通用任務(wù)。大家對通用任務(wù)的需求其實非常旺盛。

而要讓 Claude Code 把這些事情做得更好，核心就是為它提供足夠好的運行時環(huán)境，也就是 runtime。比如，不給它瀏覽器，它就沒法做網(wǎng)頁操作；給了它，它就能自己去執(zhí)行。就像近期英偉達發(fā)布的能幫人打游戲的 AI 一樣，只要你給 Claude Code 一個 Windows 環(huán)境，并講清楚游戲操作的技能，理論上它也能幫你打游戲。所以在擁有足夠好的運行時環(huán)境和清晰的技能設(shè)定下，理論上現(xiàn)在的 Claude Code 已經(jīng)可以做電腦上的任何操作。

晚點：所以你們目前在做的核心是否就是這兩件事：為模型提供足夠好的運行時環(huán)境和清晰的 Skills，同時配合一套交易系統(tǒng)？

陳宇森： 對。這套系統(tǒng)聽起來似乎誰都能做，但真正做好需要花很多時間。我們的創(chuàng)作者只需編寫需求描述、prompt 或 SOP，我們就能將其連接成各種各樣豐富的 agent。

我們認(rèn)為目前市場上有一個沒有被充分商業(yè)化的點：一個足夠好的 prompt 是具有極大商業(yè)價值的。現(xiàn)在很多 AI 博主的做法只是免費分享，比如之前 Nano Banana 生圖模型火爆時，那個生成 “桌面手辦模型” 的絕佳 prompt，最早想出來的人雖然無從考證，但他分享出來后引發(fā)了極大的傳播。

晚點：“降低門檻” 在你們產(chǎn)品的優(yōu)先級里排在第一位嗎？

陳宇森： 是的，它是非常強的優(yōu)先級，幾乎就是第一優(yōu)先級。因為在模型能力不斷提升的情況下，要想做成雙邊市場，核心依然是解決供給豐富度的問題，而供給豐富的前提就是極致降低創(chuàng)作門檻。

前面提到的 Nano Banana 就是個很好的例子。當(dāng)時大家都想做桌面手辦圖，但自己實現(xiàn)需要能訪問大模型，還需要懂得使用搜索引擎去找到那段關(guān)鍵的 prompt，這個門檻把很多人擋在了門外。于是就有人在閑魚上幫人代做，一次收 5 塊錢。

圈內(nèi)人覺得理所當(dāng)然的新技術(shù)，對大多數(shù)普通人來說依然存在極高的使用門檻。如果你能提供一個足夠便捷的使用方式，他們是愿意買單的。這就是我們正在做的事情的商業(yè)價值。

晚點：這個受眾基數(shù)確實很大。我之前遇到過一件有意思的事：在餐廳吃飯時，一個十幾歲的服務(wù)員聽到我們聊 AI，就跑來問我們。他說他在一個群里，跟著別人用 AI 給人 P 頭像賺錢——其實就是利用免費工具套個濾鏡。這種需求其實一直都在。

陳宇森： 是的。幾年前生圖模型還沒和語言模型結(jié)合得這么好時，比如早期的 Stable Diffusion 或 Midjourney，寫 prompt 就像寫代碼一樣，格式嚴(yán)格，不像自然語言。那時候就有朋友靠幫人生成特定風(fēng)格的卡通頭像，一次也能賺 10 塊錢。所以在技術(shù)門檻還不夠低的時候，做一個連接 AI 能力和普通人之間的 “翻譯中介” 是能賺到錢的。

最近 Gemini 3 的核心工程師在接受采訪時，解釋了為什么模型會這么強。他說大模型的 Scaling Law 還遠沒有撞墻，智力還能繼續(xù)提升；更有意思的是，哪怕現(xiàn)在大語言模型的智力停止演進，我們距離 “榨干” 它現(xiàn)有的能力，可能還有一到兩年的時間。

所以大家常說 2025 年是 agent 元年，2026 年會迎來應(yīng)用大爆發(fā)。目前的模型能力已經(jīng)能夠支撐做出很多不一樣的東西，只是整個行業(yè)，無論是創(chuàng)業(yè)公司還是大廠，還沒有把它的能力上限完全挖掘出來。在這個前提下，我們依然有非常多事情可以做。

同樣的技術(shù)變化，MuleRun 與競品不同的做法

晚點：關(guān)于競品，市場上在做類似事情的其他玩家目前處于什么狀態(tài)？

陳宇森： 早期在 agent 或 workflow 領(lǐng)域，大家都在卷創(chuàng)作工具，最知名的三家是 n8n、Dify 和 Coze 。當(dāng)時他們產(chǎn)出了大量形態(tài)類似 Chatbot 的產(chǎn)品，但輸入輸出的維度還不夠豐富。

這幾家優(yōu)秀的創(chuàng)業(yè)公司或大廠團隊有著不同的發(fā)展現(xiàn)狀。Dify 目前更專注商業(yè)化，尤其是 ToB 市場，他們在日本和美國都做得不錯。因為大公司內(nèi)部的軟件無法對外暴露，Dify 能夠幫助他們在安全的內(nèi)部環(huán)境中運行工作流。 Coze 早期的核心邏輯是低代碼和 Chatbot，但他們變化很快，近期的發(fā)布會顯示他們也在轉(zhuǎn)向類似 Vibe Coding Agent 的方向，即放棄拖拉拽，直接通過自然語言需求生成應(yīng)用，這是一種我們非常尊重的變化。

不過， Coze 目前是一個封閉生態(tài)，編輯好的應(yīng)用很難部署到其他地方，而 n8n 和 Dify 是可以在我們的環(huán)境中運行的。至于字節(jié)跳動，按照他們的習(xí)慣，未來大概率也會做一個完整的大閉環(huán)。雖然目前市場上大家對產(chǎn)品的思考和優(yōu)先級不同，路徑選擇也各異，但殊途同歸，所有人都想打造一個屬于新時代的 App Store，最終要看誰的選擇能跑到最后。

晚點：螞蟻集團現(xiàn)在做的 “靈光” 和 Agent market place 有什么關(guān)系？

陳宇森： 螞蟻的 “靈光” 可以理解為高配版的 “馬卡龍”，本質(zhì)上是我們對生產(chǎn)關(guān)系的選擇不同。靈光的邏輯是 “自己做給自己用”，并將其視為社交網(wǎng)絡(luò)的一部分；而我們秉持的是 “做出來給別人用” 的交易市場邏輯。

這就像攝影的發(fā)展史：早期數(shù)碼相機極其昂貴，拍照只是一種記錄；但智能手機普及后，基于照片這種載體長出了 Instagram 和 Snapchat 等完全不同的產(chǎn)品。Vibe Coding 產(chǎn)生的新事物也是如此，不同平臺對其定義和應(yīng)用路徑做出了不同選擇。我們將平臺上的 agent 純粹視為解決工作痛點的生產(chǎn)力工具。如果發(fā)展得好，我們可以被視為一家全球最大的勞動力外包公司。

晚點：平臺正式上線三個月了，你剛才提到并沒有涌現(xiàn)出想象中那么多的 PMF，你們原本的預(yù)想是怎樣的？

陳宇森： 我們原本的預(yù)想是切入一些非常 niche 的場景，希望每個場景能有幾十到一百個 DAU，每天用它來解決特定問題。但雙邊市場的冷啟動非常困難：沒有用戶時，創(chuàng)作者不愿意來部署產(chǎn)品；沒有優(yōu)質(zhì)供給時，用戶來了也留不住。

目前我們?nèi)〉昧艘欢ㄟM展，在某些場景下發(fā)現(xiàn)了幾個或十幾個強需求的用戶。接下來的核心任務(wù)是深挖這些具備機會的單點場景，并極大地豐富供給。只要能把這個核心指標(biāo)跑通，后續(xù)的規(guī)?；瘮U張將不會有太大阻礙。

晚點：在啟動階段，官方會自己做很多 agent 放上來熱場子嗎？

陳宇森： 就像蘋果應(yīng)用商店一樣，官方必須提供計算器這類基礎(chǔ)工具。我們平臺上也有官方制作的基礎(chǔ)產(chǎn)品，比如 General Browser Operator。早期我們沒有投入大量精力做官方 agent，是因為我們選擇了 “框架中立” 的路線，需要耗費大量工程精力去兼容各種產(chǎn)品的部署方式，團隊確實做不過來。

現(xiàn)在回過頭看，如果最初幾個月多花時間去做一些看準(zhǔn)場景的官方 Agent，效果可能會更好。不過隨著新的創(chuàng)作范式（Claude Code + Runtime + Skills）的到來，如果我們能充分擁抱它，僅靠我們自己團隊也能在一個月內(nèi)上架非常多好用的 agent。

晚點：你們現(xiàn)在的團隊規(guī)模是多少？

陳宇森： 我們現(xiàn)在有 50 個人左右，規(guī)模不算小，整體成本也不低。

晚點：你們提到在工作和生產(chǎn)場景中需要 “大量 SOP 加少量大模型” 來實現(xiàn)高成功率。這在你們平臺的產(chǎn)品上是如何體現(xiàn)的？是通過上架審核來控制嗎？

陳宇森： 我們不會限定創(chuàng)作者的工作思路，如果有人能用一小段 SOP 或 prompt 就讓任務(wù)穩(wěn)定運行，那說明他很厲害。但作為交易平臺，我們的底線是交付極高的任務(wù)完成率。比如一個任務(wù)跑 100 次或 1000 次只能錯 1 次；如果跑 10 次錯 5 次，這就是不合格的商品，必須下架。

為此，我們一直在開發(fā)復(fù)雜的 benchmark 和評估監(jiān)控系統(tǒng)，持續(xù)檢驗 agent 的有效性。同時，平臺也會引入用戶評論反饋和退款機制。這些聽起來不性感的 “苦活”，恰恰能沉淀出極具價值的輸入輸出數(shù)據(jù)，幫助我們更好地洞察 agent 的演進方向。

這其實與 Anthropic 開發(fā) Claude Code 的底層思考一致，也就是《苦澀的教訓(xùn)的邊界》中所提到的：很多確定性的事情，比如比較 9.11 和 9.2 的大小，就應(yīng)該交給代碼去執(zhí)行，大模型的任務(wù)是判斷何時調(diào)用代碼并提取結(jié)果，而不是把冗長的上下文塞進提示詞里讓模型自己去瞎猜，那樣極不穩(wěn)定。

晚點：隨著模型能力的不斷提升，你認(rèn)為 “大量 SOP 加少量大模型” 這個策略會持續(xù)有效嗎？

陳宇森： 如果能夠瞬間完成人類所有任務(wù)的強 AGI 真的實現(xiàn)了，那我們可能確實就沒有存在的空間了，因為全人類都可以直接躺平。但我們判斷這種形態(tài)的 AGI 短期內(nèi)不會出現(xiàn)。在它出現(xiàn)之前，我們平臺的價值極其巨大。而且，由于人類的大量知識依然沉淀在個人的大腦和線下環(huán)境中，模型廠商很難在邏輯上瞬間獲取這一切，同時人類也會不斷涌現(xiàn)出全新的需求。

退一步講，哪怕未來出現(xiàn)了超級大模型，只要我們的供給足夠豐富，我們依然可以成為那個入口級的 agent：用戶提出需求，我們在數(shù)以百萬計的供給中精準(zhǔn)匹配解決方案。在那一天到來之前，我們只需要專注做好當(dāng)前階段的事情。

晚點：在現(xiàn)在的階段，你們要做框架中立的產(chǎn)品，提供好的運行時環(huán)境和清晰的 skills，這其中的難度是什么？遇到過哪些問題，又是怎么解決的？

陳宇森： 大方向其實很容易想到，但要考慮：如果未來要并行啟動很多實例，啟動時間、穩(wěn)定性如何？創(chuàng)作時讓用戶定義什么、不定義什么？這涉及產(chǎn)品設(shè)計的復(fù)雜性，是讓每個創(chuàng)作者可以定義它的環(huán)境，還是更暴力地所有東西塞在一起只做選擇？這個選擇涉及鏡像變更與否，有很多小細(xì)節(jié)。

但大邏輯上，Anthropic 已經(jīng)把謎底寫在謎面上了：Claude Code 是非常強的通用 agent，就應(yīng)該讓它做很多事情。但怎么讓它服務(wù)每一家不同的產(chǎn)品、做不同的事情，大家的選擇會不一樣。把一個東西做出來很簡單，但把它做好，細(xì)節(jié)太多了。

晚點：怎樣算 “做好”？

陳宇森：樸素的標(biāo)準(zhǔn)：簡單、穩(wěn)定、好用。

晚點：長期來看，如果未來 AI 外包平臺能滿足大量長尾的分散需求，那獨立的 General Agents 還有多少生存空間？這感覺就像淘寶這種平臺的體量最終超越了絕大多數(shù)獨立的消費品牌。

陳宇森： 完全同意。在中國的電商市場，獨立站的模式很難成立，因為平臺能以更低的成本匯聚并分發(fā)流量。我們認(rèn)為同樣的邏輯也適用于 AI 領(lǐng)域：未來大量垂直的 AI 應(yīng)用，如 AI 招聘、AI 繪圖、AI 營銷等，最好不要獨立發(fā)展，而是應(yīng)該長在一個統(tǒng)一的大平臺上，由我們?nèi)ツ圻@股強大的生產(chǎn)力。

但 General Agents 和我們是兩個不同層面的生態(tài)，互相之間不存在嚴(yán)重的擠壓。General Agents 還涉及 memory，比如一個深度使用 ChatGPT 的人很難遷移到其他產(chǎn)品，因為模型已經(jīng)充分了解了他的習(xí)慣和偏好，能提供高度匹配的建議。這兩者服務(wù)于不同的用戶心智和需求場景，會各自長期存在。

時隔一個月：Agent Builder 內(nèi)測開啟、交易平臺不會再是貨架式

以下內(nèi)容，是 1 月晚點與宇森的第二次訪談。

此時， MuleRun Agent builder 已開始內(nèi)測，我們更詳細(xì)地聊了 Caude code 開啟的 skills，MuleRun 如何做 Agent builder，為何貨架式的 Marketplace 可能不再適用。

晚點：上次提到，MuleRun 主要提供清晰的 skills 和良好的 runtime?，F(xiàn)在 skills 是非常熱門的實踐，agent 里的 skills 究竟是什么？實質(zhì)是一些文檔嗎？

陳宇森：skills 的核心在于幫助 agent 處理復(fù)雜任務(wù)時進行分層加載，本質(zhì)上它是 Context Engineering 的一部分。過去處理復(fù)雜任務(wù)需要編寫很長的提示詞，而長文本壓縮容易導(dǎo)致模型丟失信息。通過 skills 機制，agent 一開始不需要讀取所有內(nèi)容，而是先查看所有 skills 的元數(shù)據(jù)信息，了解它們分別能解決什么問題。當(dāng)遇到特定問題時，agent 再決定加載并讀取特定的 skills。

skills 大多數(shù)是文檔，但有時也附帶工具、預(yù)先寫好的程序或 API。例如，當(dāng)遇到特定問題時，skills 會指示 agent 直接調(diào)用某段代碼或 API 獲取結(jié)果，而不是讓大模型自己去推理和處理。因為大模型的上下文窗口非常寶貴，輸入過長會導(dǎo)致其產(chǎn)生幻覺且邏輯能力下降。在調(diào)用時，agent 何時讀取哪個 skill 完全由模型自行判斷。

這正是 agent 與傳統(tǒng)軟件最核心的區(qū)別：傳統(tǒng)軟件的邏輯是寫死的，依賴大量的條件判斷分支來解決特定問題；但在現(xiàn)實世界中，許多問題無法完美分類，此時就需要大模型充當(dāng)決策者，一邊分析問題，一邊審視系統(tǒng)內(nèi)現(xiàn)有的 skills，動態(tài)匹配并深入讀取最合適的 skill 來解決問題。

晚點：既然 MuleRun 平臺致力于提供清晰的 skills，這些 skills 是官方編寫的嗎？

陳宇森：官方肯定會編寫一些高頻常用、且需要與我們平臺的運行時環(huán)境高度配合的 skills。目前網(wǎng)絡(luò)上 skills 的編寫門檻不高，數(shù)量龐大，比如僅在 GitHub 上就能抓取到數(shù)萬個。因此，我們目前的核心工作是建立一套高可信度的 skills 評價系統(tǒng)。

當(dāng)用戶提出一個特定任務(wù)，例如挑選餐廳，或轉(zhuǎn)換 PDF 格式，而網(wǎng)上有多個相關(guān) skills 時，我們需要通過算法分析并推薦最優(yōu)選。同時，我們還要進行嚴(yán)格的安全審計，防止惡意的 skills 獲取用戶環(huán)境的控制權(quán)。作為一個好用的交易市場，我們需要在底層做大量的優(yōu)化與篩選工作，確保最終提供給用戶的 skills 在同類中表現(xiàn)優(yōu)異且絕對安全無害。

晚點：你們主要關(guān)注哪類 skills 的優(yōu)化？

陳宇森：在具體方向上，我們會重點優(yōu)化瀏覽器操作和網(wǎng)頁自動化相關(guān)的 skills?，F(xiàn)在許多工作都在瀏覽器內(nèi)完成，如果能自動協(xié)助用戶完成這些任務(wù)，將產(chǎn)生巨大的價值。我們不僅自己研發(fā)，也會積極優(yōu)化社區(qū)中優(yōu)秀的 skills，使其與我們的運行時環(huán)境及工具完美結(jié)合。

晚點：你們的基建更多是關(guān)注長尾需求，這是否意味著過去那種集中式、高成本的軟件開發(fā)模式將發(fā)生改變？如何看待未來軟件的組織形態(tài)和商業(yè)模式？

陳宇森：過去的軟件開發(fā)成本高昂，必須服務(wù)成千上萬人的共同需求才能支撐其商業(yè)模式。但現(xiàn)在的 AI 開發(fā)就像 3D 打印一樣，你可以專門為自己或三五個朋友的少數(shù)特定場景需求去開發(fā)一款 agent，而且體驗非常完善。門檻的降低使得開發(fā)的組織形態(tài)變得極其分散。展望未來十年，如果不進行自我革命，傳統(tǒng)軟件公司很可能會被 AI 公司全面取代。

未來的軟件甚至可能是 “日拋型” 的，即代碼僅為執(zhí)行特定目的而精準(zhǔn)生成，執(zhí)行完畢后即刻銷毀。雖然這種絕對的 “一次性代碼” 狀態(tài)在短期內(nèi)難以完全實現(xiàn)，但目前創(chuàng)建一個受眾小卻能讓特定人群感到好用的 agent，已經(jīng)是一件極具價值的事情。

當(dāng)然，這種長尾且分散的 AI 模式本質(zhì)上是一種制造業(yè)，每一次執(zhí)行都在消耗算力和 token，對能源的需求極大。只要 AI 能力還存在顯著的層級差距且未形成完全壟斷，token 的成本在短期內(nèi)很難大幅降低。但由于 AI 作為先進生產(chǎn)力能全面滲透并重組人類社會的勞動力，其未來的需求幾乎是沒有上限的，這甚至可能會倒逼人類加速發(fā)展可控核聚變或太空數(shù)據(jù)中心等前沿科技。

晚點：你們在 1 月中旬開始內(nèi)測的 Agent Builder，其設(shè)計思路是什么？它是如何幫助普通用戶更簡單地開發(fā) Agent 的？

陳宇森：agent 的本質(zhì)是一個可交互的大模型 API，并在其中構(gòu)建了 Agent Loop 和 Context Engineering 。Agent 在處理任務(wù)時不是一步到位的，而是需要多次循環(huán)交互，并在此過程中謹(jǐn)慎管理有限的上下文窗口，以防模型智商下降。同時，還需要為其配備工具，使其能夠操作瀏覽器或調(diào)用外部接口。

我們的 Agent Builder 思路是站在巨人的肩膀上，在目前市面上表現(xiàn)極佳的基礎(chǔ) agent 的基礎(chǔ)上進行封裝，為其構(gòu)建優(yōu)質(zhì)的 skills 和運行時環(huán)境，并提供易用的云端編輯與架構(gòu)工具。普通用戶無需編寫復(fù)雜的代碼或提示詞，只需通過自然語言交互定義任務(wù)，系統(tǒng)就會自動協(xié)助配置所需的 skills 和環(huán)境，讓完全沒有技術(shù)背景的人也能輕松在云端構(gòu)建屬于自己的 agent。

晚點：在基礎(chǔ) Agent 之上做一層易用性封裝，可能在部分技術(shù)人員看來顯得沒有太多技術(shù)含量。你如何看待這種降低使用門檻對產(chǎn)品的價值？

陳宇森：雖然從短期技術(shù)角度看這層封裝似乎較淺，但技術(shù)出身的人往往容易忽略 “降低門檻” 對一款產(chǎn)品的巨大商業(yè)價值。以 DeepSeek 為例，它之所以能引爆全網(wǎng)，并非僅僅因為技術(shù)上顯著領(lǐng)先于 OpenAI 的 o1，而是因為它在可觸達性、價格親民以及直觀展示思維鏈方面做得更好，大眾體驗得到了極大提升。純粹追求技術(shù)先進性固然重要，但如果不重視用戶體驗的進步，產(chǎn)品思路就會顯得狹隘。

我們發(fā)現(xiàn)，過去讓用戶通過復(fù)雜的 n8n 或 LangChain 框架去開發(fā)和部署 agent 門檻實在太高，許多擁有獨特領(lǐng)域知識的專家根本不具備代碼能力。因此，我們致力于打造這套免除復(fù)雜配置的工具。內(nèi)測幾天來效果非常顯著，比如我們完全不懂技術(shù)的運營同學(xué)，現(xiàn)在已經(jīng)能通過自然語言交互，讓 agent 自動操作瀏覽器去完成 KOL 的背景調(diào)研和數(shù)據(jù)篩選，并直接將結(jié)果同步到釘釘文檔中。這種極低門檻的工具極大地豐富了供給端，激發(fā)了大眾的創(chuàng)造力。

晚點：隨著產(chǎn)品思路的轉(zhuǎn)變，你們目前對 “貨架式” 的 Skills 交易市場，也就是 market place 模式有什么新的思考？未來的產(chǎn)品形態(tài)會發(fā)生怎樣的變化？

陳宇森：幾個月前我們執(zhí)著于做貨架式的交易市場，現(xiàn)在反思來看確實有些逆潮流而動。貨架電商模式對新用戶來說選擇難度太大，用戶進入平臺后往往一頭霧水，如果隨便試用兩個沒有獲得好效果，就會直接流失。

當(dāng)前的應(yīng)用入口已經(jīng)迭代到了第三代，即對話式的交互形態(tài)。因此我們正在進行調(diào)整，未來的核心入口將轉(zhuǎn)變?yōu)閷υ捠浇缑?。表面上它看起來像一個超級通用 agent，但底層連接著龐大的創(chuàng)作者生態(tài)。用戶只需陳述想解決的問題，系統(tǒng)就會自動匹配到某位創(chuàng)作者預(yù)制好的、最適合處理該任務(wù)的 agent 來執(zhí)行，原來的貨架市場則會被降級為二級入口，供目標(biāo)明確的用戶自行挑選。

不過，我們現(xiàn)在還沒有想清楚如何讓提供優(yōu)質(zhì) skills 和 agent 的創(chuàng)作者獲得合理的收益分配，目前是以免費分享為主還是交易為主，還在持續(xù)探討和測試中。

晚點：在你們測試 Agent Builder 的同時，Anthropic 也發(fā)布了基于 Claude Code 且?guī)в薪换ソ缑娴?Claude Coworker。相比之下，你們的產(chǎn)品與它有何異同？

陳宇森：Claude Coworker 的發(fā)布完全在預(yù)期之內(nèi)，因為 Anthropic 在 agent 能力上本就處于全球最前沿。它的核心優(yōu)勢在于龐大的桌面客戶端裝機量，它將原本需要在終端命令行里運行的 Claude Code 封裝成了圖形界面，降低了普通人的使用門檻，并能直接讀取本地文件和日歷等強相關(guān)上下文。

而我們的產(chǎn)品更側(cè)重于云端環(huán)境。云端的好處在于權(quán)限嚴(yán)格受控，我們可以為特定的云端 agent 創(chuàng)建獨立的賬號體系，它只能在限定權(quán)限內(nèi)執(zhí)行特定任務(wù)，這在面向工作和效率相關(guān)的場景下更具安全性和可控性，而本地端則需要用戶賦予極高的信任。

晚點：你如何預(yù)判未來的市場競爭格局？

陳宇森：在未來的市場競爭中，像 Manus、字節(jié)的 AnyGen 等大概率會向通用 agent 方向深耕。我們堅信，引導(dǎo)用戶去開發(fā)簡單的 AI 網(wǎng)頁或小游戲價值較為單薄，真正的核心壁壘在于利用我們極低門檻的框架，讓各行各業(yè)的專家將那些大量存在于線下、尚未數(shù)字化的 SOP 和領(lǐng)域知識轉(zhuǎn)化為高價值的專業(yè) agent，這是我們一直以來創(chuàng)業(yè)的核心驅(qū)動力。

創(chuàng)業(yè)十年的反思：痛苦帶來韌性，在低谷重新找回「用心」

以下內(nèi)容，回到 12 月的那次聊天，宇森分享了他從大學(xué)開始，起起落落的創(chuàng)業(yè)故事和個人成長。

晚點：你最近有嘗試那個很流行的 ChatGPT 提示詞嗎？讓它基于對你的了解，告訴你一個關(guān)于你的 “殘酷真相”。

陳宇森： 它說我目標(biāo)模糊、行動保守，容易在瑣事和自我驗證上內(nèi)耗。我覺得不完全準(zhǔn)確，因為很多問題是帶著目的性問的，不代表真實狀態(tài)。

不過它說我不夠聚焦，倒讓我想到第二段創(chuàng)業(yè)同時做兩家公司的經(jīng)歷——一家游戲公司，一家數(shù)據(jù)安全公司。那大概是年輕人都會有的階段，覺得自己無所不能。游戲公司后來關(guān)掉了，安全公司還在運營，但這幾年企業(yè)軟件和安全賽道整體都不好做。

晚點：你從 20 歲浙大畢業(yè)后就開始創(chuàng)業(yè)，2014 年到 2019 年做了長亭科技，后來賣給了阿里云。這次創(chuàng)業(yè)為什么沒有選擇 AI 安全，而是走了完全不同的方向？

陳宇森： 目前 AI 產(chǎn)業(yè)整體還處于相對早期的階段，與其去做 AI 的安全防御，不如直接投身到 AI 浪潮的核心本身。從個人追求來看，我也非常希望能夠拓寬自己人生的廣度。

回顧之前跨界做游戲的經(jīng)歷，我確實顯得操之過急了。當(dāng)時因為融到了比較充裕的資金，我們一上來就想做一個在玩法和題材上都有創(chuàng)新的中大型 PC 游戲項目。其實游戲行業(yè)有句名言，一個人做出來的前十款游戲大概率都是垃圾，必須踏踏實實從底層做起。當(dāng)時我們?nèi)狈ξ粗I(lǐng)域的敬畏心，總覺得自己學(xué)習(xí)能力強，第一次出手就能做成大事。

這種自信心爆棚的心態(tài)，很大程度上來源于第一次創(chuàng)辦長亭科技時的順利。當(dāng)時我們團隊的技術(shù)實力在國內(nèi)那一批年輕人中是最頂尖的，做的是自己最擅長的事情，加上商業(yè)化迭代也很成功，被收購時我們的收入規(guī)模在同類創(chuàng)業(yè)公司中名列前茅，這很容易讓人產(chǎn)生一種無所不能的錯覺。

晚點：當(dāng)時為什么選擇將長亭科技賣給阿里云，而不是繼續(xù)獨立發(fā)展？

陳宇森： 做出這個選擇主要基于對行業(yè)和資本兩個層面的判斷。

首先，當(dāng)時各大云廠商的發(fā)展非常迅猛，阿里云、騰訊云、華為云發(fā)展很快，云廠商的銷售在基礎(chǔ)設(shè)施層面會直接吃掉客戶需求，跟大的云廠商深度合作是一個選擇。二是 2018 年已經(jīng)看到融資環(huán)境開始惡化，要走到上市可能還需要一兩輪融資，時機判斷上覺得不如在高點做一次合并。

晚點：從大學(xué)時藍蓮花戰(zhàn)隊在各種頂級安全比賽中奪冠，到后來創(chuàng)業(yè)過程中的起起伏伏，這些經(jīng)歷對你現(xiàn)在的心態(tài)產(chǎn)生了怎樣的影響？

陳宇森： 大學(xué)時我們?nèi)ゴ蚓W(wǎng)絡(luò)安全比賽，不管是解題模式還是高強度的紅藍對抗模式，我們在國內(nèi)外都拿到了頂級的成績，那種突破極限的正反饋是非常震撼的。

后來第一段創(chuàng)業(yè)經(jīng)歷雖然也會遇到跑銷售吃閉門羹之類的困難，但只要看長線的數(shù)據(jù)，公司業(yè)務(wù)始終保持著每年翻倍的高速增長，處于快速發(fā)展期的勢頭可以掩蓋和解決絕大多數(shù)內(nèi)部問題。然而，隨后的創(chuàng)業(yè)經(jīng)歷讓我徹底體會了走下坡路的殘酷。當(dāng)糟心的事情成倍增加，團隊向心力開始渙散時，你能清晰地感知到核心團隊對你的信任正在一點點流失。

2023 年中下旬準(zhǔn)備關(guān)停游戲公司的那段時間是我人生的絕對低谷。我陷入了重度的焦慮和失眠，整天都在極度的自我懷疑中煎熬，甚至覺得過去的成功全憑運氣。公正來講，運氣成分肯定有，但能力的成長和進步也是真實的，并不全是運氣。但在巨大的失敗面前，人很難保持這種清醒，會陷入對自己人生的全面懷疑。

晚點：2023 年時，外部大環(huán)境中的 AI 浪潮已經(jīng)爆發(fā)，整個科技界都處于極度興奮的狀態(tài)，當(dāng)時你是如何應(yīng)對并最終走出低谷的？

陳宇森： 那時候 ChatGPT 已經(jīng)非?；?，外部極度興奮，但我的狀態(tài)根本不在。走出來靠的是陪伴和分心。兩個初中同學(xué)主動來找我，說感覺你最近不順，一起去網(wǎng)吧打兩天游戲吧。" 勝敗乃兵家常事 " 這類話自己已經(jīng)說給自己聽了一萬遍，再聽沒有意義，那種陪伴反而真正有幫助。

晚點：很多人看到大廠在 AI 上的重金投入，會覺得留給創(chuàng)業(yè)公司的生存縫隙越來越小了，如何看待這個問題？

陳宇森： 我的推論恰恰相反。大廠對 AI 展現(xiàn)出巨大的熱情并積極轉(zhuǎn)型，證明了這確實是一個顛覆性的系統(tǒng)級機會。而大廠沉重的歷史包袱和龐雜的傳統(tǒng)產(chǎn)品體系，反而為外部毫無顧忌的創(chuàng)業(yè)公司留下了更廣闊的操作空間。創(chuàng)業(yè)公司在戰(zhàn)場上面對的從來不是大廠的本體，而是大廠麾下的某一個具體業(yè)務(wù)部門。

晚點：這次創(chuàng)業(yè)你給自己的核心原則是什么？

陳宇森： 一是做和自己能力、認(rèn)知真正匹配的事，不被外部條件推著走。二是用心。它不等于仔細(xì)認(rèn)真，仔細(xì)認(rèn)真只是在完成任務(wù)；用心是你熱愛它，持續(xù)思考它。第一次創(chuàng)業(yè)幾乎醒著每一刻都在想怎么把事做成，第二次有了驕傲，覺得想到這里差不多了——有這種心態(tài)的時候，事情基本不可能成功。

晚點：對接下來最近的目標(biāo)和 2026 年行業(yè)有什么判斷？

陳宇森：最近最重要的里程碑是做出真正簡單好用的創(chuàng)作者工具，讓沒有編程能力的人也能做出 agent 解決實際問題，從而激活平臺的雙邊市場，希望半年內(nèi)看到成果。

對行業(yè)來說，2026 年是應(yīng)用兌現(xiàn)的關(guān)鍵一年。全球?qū)?AI 的投入已到峰值，必須看到真正的價值落地。目前大模型更聰明本身沒有產(chǎn)生足夠直接的實際價值，大多數(shù)人最主要的 AI 應(yīng)用依然是 chatbot，真正意義上的大規(guī)模采用還沒出現(xiàn)。我期待能出現(xiàn)真正 AI native 的新公司，年收入達到五億甚至十億美元量級。對模型本身，希望它在 coding 和 agentic 能力上持續(xù)強化，不是在評測上刷分，而是能更準(zhǔn)確、更高效地使用工具，這對我們做的事情意義更直接。

題圖來源：MuleRun 官網(wǎng)