摘要

Dreamer 的核心判断是，个人智能代理需要的是操作系统，而不是一堆彼此孤立的 AI 应用。 David Singleton 将 Sidekick 比作内核、将 agents 比作用户：没有这个核心，vibe coding 做出的应用就会“随意抓取你的全部数据”（“grab all your data willy-nilly”），也无法在规模化协作中保证安全。
消费端的切入口是发现与即时可用，用户产生定制需求后再通过自然语言构建。 Dreamer 面向 Singleton 那位不懂技术的妹妹这类用户：安装社区构建的 agents，让 Sidekick 完成个性化，无需接触数据库、API keys、模型 token、部署和身份验证。Swyx 的观察很关键：Dreamer 把“发现”放在“构建”之前。
最强的平台飞轮由第三方工具、可重混 agents 和创作者经济共同构成。 工具开发者按使用量获得收入；Parallel Web Systems 等高级集成可以按次收费；Dreamer 正在考虑 agents 的变现方式；Builders in Residence 计划则会向入选创作者付费。Dreamer 还为4月中旬前新增的最佳工具提供$10,000奖金。
这些 demo 具体说明了：当创建成本足够低，定制化、事件型软件就能成立。 Singleton 用25分钟实际耗时做出了一个个性化 AI Engineer 大会应用，让每个议程时段都经过 LLM 处理，并在30–40秒内生成推荐；另一个应用只服务于一次 Big Sky 滑雪周末。他的判断是，软件终于可以贴合“这一件事”，而不必付费让机构开发一款昂贵应用。
Dreamer 正在快速变化的模型之上，积累一层集成与编排能力。 其第一方工具为 Gmail、搜索、翻译、语音、图像、菜谱和实时体育数据提供稳定接口，同时通过持续评测在 Opus 46、Open AI 的 54 模型和 Haiku 4.5 等模型之间做选择。用户得到的是“正确的东西”，无需自己追踪模型市场。
Agent 之间的信任既是产品架构，也是核心信任主张。 Agents 从不直接调用彼此；Sidekick 会基于用户的权限、预期和记忆来中介请求。最典型的例子是：Granola 里的会议承诺变成任务，随后一个自动完成待办事项的 agent 调用 recruiting agent，完成此前承诺的引荐。
商业化从普通的平台支付开始，而 agent-to-commerce 标准仍被刻意留在未决状态。 Stripe Connect 已经支持向构建者付款，一些工具也能通过资金流转完成现实任务；Dreamer 暂不绑定任何协议，仍在评估不同方案。Singleton 将此刻比作1995或1996年前后 HTTP 与 Gopher、UUCP 并存的时期，并称今天的 Overton window“非常宽”。
AI 杠杆已经支撑起一家小公司并改变招聘方式，但还没有解决审美问题。 Dreamer 的核心约由6人打造，公司已增长到约17人，面试现在会测试候选人使用 Code X 或 Cloud Code 完成多-agent 工作流的能力。但模型仍会默认产出容易辨认的“AI 通用垃圾”；Singleton 认为下一道关口是“品味、创造力和个体感”，而不是另一个容易验证的编程基准。

精读

1. Dreamer 将个人智能代理视为操作系统问题

Singleton 将 Dreamer 定义为一个面向消费者的平台，任何人都可以在这里发现、构建和使用 agents 及 agent 应用。其个人 agent Sidekick 可以设定名字和性格，了解用户，帮助用户操作平台上的 agents，并把开发软件转化为对话过程。
目标用户就是 Singleton 那位聪明但不懂技术的妹妹：她有许多智能软件可以解决的问题，却不知道如何从 Cloud Code 或传统开发工具开始。Dreamer 让她可以立刻从应用库安装有用的东西，再用自然语言要求 Sidekick 重新塑造它。
Singleton 将这套策略追溯到他与联合创始人 Hugo Barra 和 Nicolas Jitkoff 搭建 Google 早期移动应用和 Android 核心组件的经历。移动端既需要底层基础设施，也需要一个生态系统，让第三方开发者创造出平台方单独无法提供的“多得多的价值”。
在 Stripe 将最早一批 AI agent 系统投入生产的经历，让 Singleton 确信 agents 会改变人们使用电脑和手机的方式。他的结论并不只是发布一个 agent，而是要解决阻碍“真实用户实现规模化采用”的易用性、协作、隐私和分发问题。

2. 产品把 agents 嵌入用户已有的使用习惯

上手过程从一次对话开始：Sidekick 了解用户在意什么，并帮助其发现、构建最初的 agents。最终形成的工作台是个性化的：小组件展示应用接口，信息流则汇报用户不在场时后台 agents 完成的工作。
Calendar Hero 会研究陌生会议参与者、还原过去的互动，并收集有用的公开背景信息。它每天还会在 Apple Podcasts 内生成一份简报；Singleton 只需扫描一次二维码，便能在早晨开车时收听——这印证了他的观点：agents 应该出现在“你已经在使用的其他应用里”。
应用库里已经有数百个社区 agents，个人生产力和信息管理是最主要的使用场景。Singleton 自己的 AI 新闻 agent 会持续从公共信息洪流中筛选他真正关心的内容；任何已安装的体验都可以重新组合，而不必从头重做。

3. 工具让 Dreamer 成为开放且可变现的供给层

Singleton 的底层原则是，一个 AI 系统的能力取决于“它能拉取的数据质量，以及它能执行的动作质量”。因此，Dreamer 预置了真实的 Google Search 和 Gmail 集成，并为 Formula 1、MLB 和 NFL 提供直接、实时的数据流，而不是从网页抓取体育数据。
工具层向外部工程师开放，Dreamer 已披露将按使用量向发布者付费。社区案例包括 Ski Bum 的实时滑雪场况；Parallel Web Systems 提供高级 agent 网络研究服务，按次收费，并向 agent 构建者提供免费试用。
新设的 Builders in Residence 计划会让有创意的申请者快速通过候补名单，并向少数最具创意的构建者付费，让他们直接与 Dreamer 团队合作。Singleton 将这套机制比作 Lego：当驻场构建者需要一个缺失的“圆形方向盘”时，公司就可以补上这个基础组件，让更多创作成为可能。
Dreamer 还为4月中旬前新增的最佳工具提供$10,000奖金。这一雄心延续了 Singleton 偏爱的一个平台检验标准，据说源自 Bill Gates：参与者创造并捕获的价值，必须超过平台本身；工具付费已经上线，共享 agents 的变现仍在考虑中。

4. 当创建成本坍塌，事件型软件变得可行

Singleton 根据大会的 llms.txt 文件和 JSON 议程数据，做出了一个 AI Engineer 大会应用。它支持搜索演讲者、选择场次和生成个性化日程；他认为，传统上由机构高价开发的大会应用往往既不好用，又会在活动结束后立即失去价值。
“Guide me” 会提取大会主题，将用户选择的兴趣与 Dreamer 对用户的记忆结合起来，并对每个议程时段运行一次 LLM prompt。生成个性化、无冲突日程约需30–40秒，用户还可以在手机上通过同一个应用继续使用。
第一个可运行版本在 Sidekick 一轮对话后出现；最终应用耗费25分钟实际工作时间，分散在几小时内完成。Singleton 将它发布到应用库，其他人可以直接使用他的默认设置、fork 这款应用，或准确告诉 Sidekick 他们偏好的大会体验有何不同。
Sidekick 会先围绕现有 agents 和工具规划方案；如果请求需要缺失的能力，它会拒绝；随后完成构建，再根据既定目标进行测试。初次构建通常需要10–15分钟，但 Singleton 认为，自我纠错的循环意味着“它第一次创建的东西大多数时候就能用”；后续界面修改会更快。

5. Sidekick 既是协作者，也是执行权限的内核

一位社区构建者将 Granola 接入一份自动完成的待办清单，让会议承诺自动出现。其中一项承诺是进行 recruiting 引荐；待办 agent 调用了这位构建者另一个独立的 recruiting agent，并完成了引荐——Singleton 称这种跨-agent 组合是“梦想”。
这种组合由 Sidekick 中介，而不是点对点发生。一个 agent 会请求 Sidekick 使用另一个 agent，Sidekick 则在允许行动前检查用户的预期、已授予的工具权限和兴趣；Singleton 将它描述为既是伙伴，也是“交通警察”。
他的操作系统类比非常明确：“Sidekick 就像内核，agents 和应用则像用户。”如果只拿走应用构建层，最终得到的软件会“随意”获取数据，无法彼此协作，也就无法赢得大规模委托所需要的信任。

6. Dreamer 抽象模型，同时在商业化上保持开放

Dreamer 持续评估最先进的模型，因此消费者无需在“Opus 46”和“Open AI 的 54 模型”之间自行选择。第一方工具为图像理解与生成、RSS、文本转语音、菜谱和长文本翻译提供稳定接口，即使底层最佳供应商发生变化，接口也不会随之改变。
Swyx 将其定义为一个“agent 实验室”：不是训练模型，而是提供路由、评测和领域层。他的保留意见是，随着多模态模型不断融合，固定的工具结构可能反而成为限制；Singleton 的回应是，自适应的子-agent harness 应该能让 Dreamer 的基础组件随模型格局演进。
一个 Big Sky 旅行应用通过 Ski Bum 获取实时缆车运行情况，将其与住宿和餐饮信息结合，跟踪团队开支，并计算每个人应向谁付款。朋友们通过共享手机链接使用它，无需提前拥有 Dreamer 账户；但资金仍在 Dreamer 之外流转，这也留下了开发结算工具的空间。
Stripe Connect 已经足够支持向创作者付款，而现实任务的完成将越来越多地涉及价值交换。Singleton 对新兴商业协议不预设立场，并将这一阶段比作1995或1996年前后 HTTP、Gopher 和 UUCP 并存的时期，彼此都可用，直到某一个标准最终取得主导地位。

7. 消费者抽象层建立在通用工程栈之上

构建者可以开放查看日志、生成文件、prompts、静态资源和代码，也可以通过 Dreamer 的 SDK 和 CLI 导出项目，在 Cursor 或 Cloud Code 中继续工作。Sidekick 自己也使用同一套 CLI，因此完整文档既服务于人类，也服务于 coding agents。
Dreamer 在 VM 中运行通用代码，而不是把构建者限制在狭窄的技术栈内。TypeScript 是默认语言，因为模型拥有大量相关训练数据，强类型也能让 coding agents 在编译阶段发现错误；但 Singleton 手写代码时仍更偏好 Python。
Dreamer 自己的技术栈将类型安全从数据库延伸到前端。其内置版本系统不是 Git——Singleton 说它可以比 Git 更高效，并解释称早期版本是为方便 Sidekick 操作而采取的权宜方案——但构建者可以查看全部历史版本。他还表示，如果重新开始，团队可能会把它做成 Git。
活动视图会展示带过滤器的 webhook 和邮件触发器，其中也包括 LLM 过滤器，以及单独的 prompts 和模型调用；日程 demo 使用的是 Haiku 4.5。每个 agent 都会获得一个多用户 SQLite 数据库、平台身份验证、默认的行级所有权控制，以及可由 Sidekick 调用的导出函数；如果数据必须公开，则需要明确指定。

8. 记忆和 agent 杠杆支撑起一家刻意保持精简的公司

Sidekick 积累的记忆让 agents 可以带着相关背景开始工作。一位周末规划器因为知道 Singleton 是爱尔兰人，向他推荐了 Civic Center 的 St. Patrick’s Day 游行，把一个稳定的个人事实转化成及时的家庭建议。
Dreamer 过去将事实存入向量数据库，再通过 embeddings 和 RAG 检索；这套方案有效，但最终被证明过于复杂。团队还尝试过知识图谱，并“可能已经实现了大多数论文”里关于 agentic memory 的方法，最后才收敛到当前更简单的系统；目前仍有不止一人在继续改进它。
成为 CEO 后，压力明显上升，因为“最终责任真正落在你身上”，Singleton 也把更多注意力转向 go-to-market 和直接接触用户。但现场展示的核心产品约由6人完成；Dreamer 成立于2024年末，团队已增长到约17人，同时使用自己的 coding、营销和运营 agents。
招聘现在强调与 coding agents 协作。候选人先通过常规编程筛选，再与一名工程师使用 Code X、Cloud Code 或自己偏好的系统，开发一个完整成形的产品想法；Dreamer 会观察他们的 prompting、产品判断、监督能力，以及轮流调度多个 agents 或让一个 coder 接力给另一个 reviewer 的能力。

9. 可验证的执行能力进步快于创造性品味

Singleton 的回答变化很快：1年前，他会要求更好的音乐生成；6个月前，他会要求更好的图像生成。现在的 Suno 音轨在他听来已经不再明显像 AI 生成，最新的 Nano Banana 也能通过 Dreamer 工具制作“惊艳的信息图”和具有绘画质感的图像。
剩下的缺口是人的品味：理解动机、选择什么能带来愉悦，以及创造个体感。Dreamer 将自己的品味写进模板、prompts 和 harness，以避免“AI 通用垃圾”，因为模型仍有辨识度很高的默认审美；Singleton 说，他甚至可以只看一个基础待办应用，就判断出是哪个模型做的。
Swyx 的反驳是，品味很宽泛，属于“我看到就知道”，因此研究人员很难验证。Singleton 同意，代码之所以进步，部分原因在于正确性是可处理的问题；但他预计，人们会开始调试创作过程，并认为一些标志性公司可能成为开展这类工作的地方。Swyx 的收尾判断是，机器也许已经从30%走到了95%，但最后的5%依然存在。

这就是我不相信销售配额的原因｜Figma CRO Terence Tao——世界顶尖数学家如何使用 AI