人类和 AI Agent 的最佳配合方式，还没被发明｜对谈 Paperboy

摘要

• Paperboy 的核心赌注：在 OS 层面观察用户来构建 agent 记忆——截屏、键盘操作、嘴部动作、会议音视频、浏览记录、iMessage（权限由用户授予）。 Jet 的对比很直白：“观察用户用电脑差不多六十分钟就可以学习到用户很多的信息”，但只看六十分钟微信聊天记录"其实学不到太多东西"。团队最早尝试导出微信/iMessage 全量数据，很快发现不 scalable，转向 OS 级采集。
• 抓屏幕数据已成行业共识，胜负在 pipeline。 创始人酱阳判断这是"最明显的下一个 context 前沿"——Codex、Clockwork、Clock Code 都会做；主持人提到 OpenAI 应该也出了 Chronicle，但如何压缩和结构化 raw activity stream 取决于应用场景，“action space 足够大”，proactive agent（预测下一个 keystroke 还是下一小时？）至今"没有任何人发现绝对最好的 recipe"。
• 对现有范式的批判是产品的出发点：Claude Code / Manus 等 agent 是最成功的 agent 形态，但 session-based + prompt-based 两大缺陷——上千个 session 里有价值的 insight 不刻意保存就丢失，靠维护 .md 文件"很难把你所有的 taste 和 judgment 翻译进 raw text files"。 酱阳直言"I hate prompting……people don’t think in prompts"，Paperboy 用类 iMessage 的持久可搜索聊天流替代 session。
• 竞争判断：“今天只有 OpenAI 和 Anthropic 重要”，其他人全在后面；创业公司唯一的活路是像 Cursor 一样"在 taste 上有 edge"抢先做出新界面。 AI Slack 赛道的死穴是企业切换成本和 agent 学习率——只从别人发给它的消息里学不够，“有工作的人很忙，没时间训练 agent”。
• 酱阳的二级市场配置：OpenAI 80% / Anthropic 20%——OpenAI infra 上能补贴更多 compute、价值观更 unopinionated；Anthropic compute 受限"在做很多奇怪的操作"（repo 里有 open cloud 或 Hermes agent 可能被收十倍价格）。 酱阳同时表示按当前估值两家都不会买。工具偏好上酱阳站 Codex 而非 Claude Code：“Claude Code 最重要的东西是体现 Opus 有多好，不是它那个命令行有多好。”
• 虚拟 300 万美金怎么投：酱阳点名 Slack、robotics 和 infra；另一位未明确标注的发言者也点名 robotics，并加注 AI+security——“demand 基本上是 infinite”，攻防能力随模型同步变强，且极度 meritocratic（多挖 10% 漏洞产品就赢）；酱阳的断言：下一个 Cursor 量级的公司将出自 consumer，“It’s not going to come out of enterprise AI”。
• 公司现状裸露给听众：$4.7M 融资、在 25（原话未说明 25 的含义）、“zero and negative gross margins, we lose money every day”，12 名全职、10 位工程师；曾拒绝来自 Cognition、以及原字幕提到的 Brazil 和 Century（名称对应关系不明）的人才收购——“如果你能保持独立实现你的梦想，你就保持独立，这是每个 founder 想要的。”

精读

1. 开题命题：最佳协作方式还没被发明，而且是个"moving goalpost"

• 21 岁的酱阳（可能是 Pratt Institute、学习 architecture，二次创业，第一家公司 Million）在公司第一次 all hands 的文档里写下 thesis：“the best way to work with AI hasn’t been invented, and we have a shot at being the team that figures out that way”——那时（11 月 30 日）公司只有四个人。参照系是 Cursor：第一家真正锁定"怎么和 AI 写代码"这个 goalpost 并大体成功的公司。
• 半年里王炸不断（Cloud Code、Open Cloud、Arms），很多 founder “感到绝望”，但酱阳说方向"还真没有什么剧烈变化"——因为 problem space 来自人本身，而且这是个 moving goalpost：“every time you come up with something new, everybody else sees it……all you have to do is just keep getting better.”
• 他把问题拆成三类：agent 要能从用户环境里自己学习（数据在电脑文件和 integrations 里）；要个性化——更少 prompt、可托付更高 stakes 的决策、可长时间运行的可靠性；设计上要直觉到不需要学习，且 proactive 输出需要一个能承载它的形态。

2. 对 session-based 范式的批判，以及 Paperboy 是什么

• 酱阳对 Claude Code/Manus 等 agent 的解剖：session-based 意味着 workspace 里堆着上千个 session，“有些 session 的 context window 里其实包含了非常有价值的 insight，但如果我没有刻意保存，那个 session 就丢了”；prompt-based 意味着 agent 是 reactive 的，靠维护 skills/.md 文件补救，“不管你花多少力气维护，都很难把你关于 taste 和 judgment 的一切翻译进这些 raw text files”。
• Paperboy 的两个正面回应：agent 通过观察你用电脑自己学习（截屏、键盘操作、嘴部动作、会议音视频、浏览史、iMessage——访问权限用户自选）；对话存在于超越 context window 的持久、可搜索聊天里，产品形态"就像打开 iMessage 或微信，一堆 chats，点进去继续聊"。
• 上手第一小时的钩子是 meetings prep：连上日历和邮箱后，agent 边读边问你是谁，然后主动建议"我看到这个会要开了，要不要我帮你研究一下？“酱阳承认 Interaction（Poke 的公司）“figured out the recipe”——用非烦人的方式主动给用户发消息，建立"这个 agent 会 make sense 地 text 你"的预期。

3. OS 层的 bet：六十分钟电脑使用胜过六十分钟聊天记录

• 19 岁的 founding engineer Jet（CMU 大一，CTF 玩家）复盘路径：最早的 prototype 试图导出用户全部微信/iMessage 聊天数据，“很快发现这不是一个 scalable 的方式”；最 scalable 的是 OS 层观测——信息浓度论：“观察用户用电脑六十分钟就能学到很多，只看过去六十分钟的微信聊天数据其实学不到太多。”
• 技术底座是一份实时更新的 markdown 文档：用户的职业、过去几天做了什么、过去几秒几分钟做了什么——离当下越近，颗粒度越细。
• 诚实的现状：shipped 给朋友的第一版 prototype “有成本问题，it’s too expensive, it doesn’t really work”；下一个迭代本月收尾，再次 go to market。

4. 屏幕数据已成共识，差异在 pipeline 与应用

• 酱阳的判断：从 Mac 上抓 raw data 并加工成 memories “是最明显的下一个 context 前沿”，不只是 Air Jelly 这类专注做的创业公司，“Codex、Clockwork、Clock Code 全都会做”（主持人提到 OpenAI 应该也出了 Chronicle）。但怎么处理这条 raw stream 与 agent 的应用直接相关——专注研究用户怎么回邮件的公司，memory structure 就会不同；“action space 大到现在还有空间成为第一个做到的人”。
• Jet 补充这是个几乎未被开垦的 domain：做最好的 proactive agent，“你是在预测用户下一个 keystroke，还是预测用户后面一个小时干什么？"——“目前没有任何人发现一个绝对最好的 recipe”，所以创业公司去探索仍是好选择。

5. 团队自用的 aha moments：从 AutoJohn 到"二月以来没用过 Claude”

• 每个员工的 agent 分身活在 Slack 里：酱阳的叫 AutoJohn，全天候替他回答产品、设计团队的问题；负责招聘的 Vivian 有 MiniVivian——“它理解我在会议和 Slack 里说过的一切，包括我对要招什么样候选人的 judgment 和 taste”，能从 GitHub、小红书、Twitter 主动 surface 候选人。结果是"Vivian 从二月起就没用过 Claude 了——你没法用 Claude 帮你研究候选人”。
• 酱阳的反 prompting 宣言值得原文保留：“I hate prompting……people don’t think in prompts, we send text and expect the other person to know what we’re talking about.” 加上一句坦白的展望：“today’s models are smarter than we are”，他期待有一天能躺平，让 AutoJohn 做"比我 IQ 更高的存在"。
• Jet 的保留意见没被抹平：和 AutoJohn 聊天"很多时候比和 John 聊天好"，但你会担心它的意志还不能完全代表酱阳、产生 misunderstanding。酱阳的回应：用户最终要为自己的 agent 负责，onboarding 时 agent 会主动问"我可以对这个人分享多少"，默认 mirror 本人的分享习惯——“我对 Jet 分享很多，对新工程师可能没那么多，agent 从观察我的聊天里知道这一点。”

6. @pb 全局补全，和一次"把 IM 本身变成 inbox"的设计对话

• Jet 最早的 aha 是 OS 级 text completion：任何输入框里敲激活词 @pb，可以带一句简短 instruction，也可以什么都不写——“它就会猜你此刻找我是要我干嘛”，像同事之间"一个眼神就懂了"。命令行里 @pb commit 直接写好整条 commit message；发 PR 时它把跨应用的 context（Claude Code 会话、微信里和 John 的讨论、浏览器里的 research）聚合成 draft，“比任何基于单应用 context 的 agent 好很多”。
• 还有个自嘲的用法：Jet 自我怀疑有 ADHD，开 talk 时刷 Hacker News 一走神半小时，于是每晚让 Paperboy 出效率 report，“相当于骂我，我什么时候不够高效”——“当我知道它在盯着我工作的时候，我会效率更高。”
• 酱阳的设计案例：给 VC 这个 ICP 做产品，他们要 personal CRM、会议模块、季度 deals、portfolio 跟踪——但 operator、founder、地产销售各要一套不同的 sidebar，“ship 成 skills、plugins、recipes 让用户自己挑？That didn’t make a lot of sense to me.”
• Paperboy 把他引回 IM：什么应用是无限列表却不烦人？微信——三个人可以为不同话题开四个群，不聊的群自然沉底，“my WeChat is sort of like this inbox”。结论成了最新界面的哲学：“我们不设计一个 inbox feature，而是把本身就是 inbox 的东西——IM——变成产品。"（主持人现身说法：十字路口每录一期播客就建一个新群。）

7. 竞争格局：只有两家重要，AI Slack 的死穴

• 酱阳的竞争观毫不含糊：“Only two that matter today are OpenAI and Anthropic. Everybody else is behind them”——它们有模型、新 compute、分发。创业公司能祈祷的是"像 Cursor 那样在 taste 上有 edge”，抢先做出新界面；个人与产品体验这条线"不会消失"。
• 对 AI Slack 赛道（他点名欣赏 Richard 和其团队）的两层质疑：一是企业怎么切换——除非能把 Slack 数据一比一导出导入，还得重建所有 connectors；二是 agent 学习率——“如果 agent 理解怎么和人协作的唯一来源是你发给它的消息”，不够。“People with jobs are busy. They do not have time to care about training agents. They expect things to work out of the box.” 这正是 Paperboy 放弃自己最初的 AI Slack 构想的原因。
• Jet 补刀 Slack 的护城河：External Connections 让严肃公司之间的沟通已经绕开 email 走 Slack，这种类微信的网络效应难以替代——所以 agent 作为 OS 层、与 Slack 互补的存在，“反而会有更好的 adoption story”。酱阳确认这就是策略：“把 agent 带到人们已经在工作的地方，而不是从零重建一切。”

8. The Last Interface：Pace Layers 与任务时长光谱

• 官网 blog《The Last Interface》里"five kinds of speed"的思想源头是 Long Now Foundation 创始人 Stuart Brand 的 Pace Layers：fashion、commerce、politics/governance、infrastructure、civilization、nature——六个以不同速度变化又相互作用的层构成社会。酱阳从高中起就着迷于此：“agent 的世界里，你也需要这些不同的 pace layers。"（他特意说明"五"只是个 sensible 的分类，不是只有五层。）
• 落到产品是一条任务时长光谱：一端是回一条微信的 1-10 秒（auto-complete 已经在做），另一端是读十份长报告做一个商业决策的数小时，再往外是以月计的任务。酱阳的判断：“每一端都可以被某种 agent augment 或自动化掉，但要做的事不一定一样”——time horizon 越长，产品形态越不确定，“自动化用户一个几小时的 task，最好的 form factor 是什么？这还是一个非常值得被探索的区域。”

9. 21 岁 first-time CEO：管理课、拒购史、和一个读大学的理性决定

• 当 CEO 的第一课直白得很：“Man, it’s fucking hard. I got to own everything”——而且"我其实是能让公司损失最多钱的人，因为我杠杆最大”。他的解法是把定义成功、保证每个人 context 完整准确当作头号工作；方法论上认定 market picking 是 founder 早期最重要的 trait，市场不光要大还要能持续十年扩张——“历史上最成功的产品从来不是单一产品，是 product lineup”。
• 管理是现学的：在一家原音听作“manis”的大公司经历里抓着 CTO Pan Pan 做 one-on-one 问遍所有问题；书单是 Andy Grove《High Output Management》（“史上最好的管理书”）、Ben Horowitz、Bill Campbell 的《Trillion Dollar Coach》；还请了每周一小时的 CEO coach（前 VC 高管、专教 first-time CEO）——“coach 比 therapist 好得多，既能聊情绪又能聊业务”，而且 Paperboy 会听 coaching call、帮他 follow up 承诺过的事。
• 拒购史：第一家公司 Million 曾收到 Cognition、以及原字幕提到的 Brazil 和 Century（名称对应关系不明）的收购意向。拒绝的逻辑：“这些是 talent 收购，钱不会多，你变成另一个员工去做别人的想法……if you can achieve your dreams by staying independent, you stay independent.” 招聘哲学同样锋利：不 hard sell、不用话术，“you can’t talk to mediocre people”，最看重候选人过去的人生决策——“You can’t fake that.”
• 一个反硅谷叙事的注脚：Palantir 都在劝高中生别读大学了，Jet 为什么还在 CMU？酱阳抢答：“It’s got Chinese parents."（他有中国父母。）Jet 的正经回答：对大多数不确定未来的人，大学是四年 exploration 的好选项；“但如果你已经很确定要做什么、机会也在，辍学也是一个理性的选择。“至于为什么跟酱阳：“选 founder 你有 intercept 有 slope，slope 比 intercept 重要很多——酱阳是个 high slope 的 founder。”

10. 投资快答：Codex 优于 Claude Code，OpenAI 八二开，下一个 Cursor 出自 consumer

• 酱阳站 Codex 的理由链完整保留：核心 agent 和 agent loop 开源在 GitHub；桌面端 craft 水平极高（OpenAI 买下做 Apple Shortcuts 的 Sky 团队，Codex Pets、computer use 都"非常 polished”）；第一个把高并行工作做成主 UI；且"OpenAI 在 infra 层面比 Anthropic 优势大非常多——模型大差不差，但稳定很多”。对 Claude Code 的一句话定性：“它最重要的东西是体现 Opus 有多好，不是那个命令行有多好。”
• 二级市场配置题上酱阳给出 OpenAI 80% / Anthropic 20%——欣赏 Anthropic 的 interpretability 和 societal impacts 部门，但嫌它对用户该怎么用模型"过于 opinionated”，自认 libertarian 更喜欢 OpenAI 的 unopinionated；且 Anthropic 因 compute 受限"在做很多奇怪的操作"，比如 repo 里有 open cloud 或 Hermes agent 可能被收十倍价格。酱阳同时表示按当前估值两家都不会买。
• 对"模型吞噬一切"的回应：很多公司会提供差不多的模型，产品差异性仍在产品公司——“这不一定是真的，但是 possible 的”；Cursor 是例证，既是产品公司又成了模型公司（酱阳称其可用 xAI 的 compute 去做 frontier coding model）。“模型公司还是产品公司？It’s usually both.”
• 虚拟 300 万美金投三个团队：酱阳投 Slack、robotics、infra，并压上那句可交易的判断——“The biggest company similar to Cursor is going to come out of consumer, not enterprise AI”。另一位未明确标注的发言者也想投 robotics，并补充 AI+security：“只要模型越强，attacker 和 defender 的能力都会变强，demand 基本是 infinite”，而且这是个"非常 meritocratic 的市场——你的产品挖的漏洞比别人多 10%，你就非常有用"；地缘上模型最强的国家有动机独占能力，其他国家都需要这类产品。一年后的 Paperboy？酱阳只要两件事：“希望我们不再每天亏钱”，以及 talent density 比今天更高。

Verification Notes

• “Melanie was in YC Winter 2024”在 raw 中未明确指向 Million，故未保留 YC 归属。
• “at 25”在 raw 中未说明 25 的具体含义。
• Brazil、Century 及原音听作“manis”的实体对应关系无法从 raw 确认。
• robotics 与 AI+security 补充观点的说话人未由 raw 明确标注，已避免归给 Jet。