十字路口Crossing

🚥 本期「十字路口」有个很好的时间点：2026 年过半，AI 已经强到足以改变“怎么工作”，但离“无摩擦地替你把事做完”仍然有距离。
➤ 上半场，我邀请到身边用 AI 的“高手”课代表立正，他是康奈尔经济学博士，创办了 Superlinear.Academy，曾在 Amazon、Meta、腾讯工作，在初创期加入 Statsig，后被 OpenAI 收购。
课代表立正分享了高手的 AI 为什么会越用越强？——他们在想“我能为 AI 做些什么”，并且把生活和工作的大事小事全都交给 AI。
他也分享了一些普通人如何用好 AI 的建议 ——比如，第一条：停止使用 ChatGPT 式聊天，改用 Codex / Claude Code / Cursor / Manus 这类 agentic 工具。
➤ 下半场，我们交换角色，由课代表立正采访我：2026 年的 AI 创投观察与思考。
我分享了在一线体感里同时存在的希望与失落——希望是创业与资本热情前所未有，且“人类与 AI 的最佳协作方式仍未被发明”，摩擦本身就是机会；失落是商业价值高度集中到基模，它们吞掉了绝大多数由 AI 而生的收益，应用层常像“推土机前捡钢镚”，传统软件的老路径（需求—产品—卖给更多人）变得更难。
此刻，创业与投资的机会正在两极化：要么往天上跳（AI for Science / Physical AI），要么往地里钻（行业深水区的流程改造与交付 / FDE）。
最后，我还分享了自己最近关注的 5 个 AI 创业方向，欢迎 AI 创业者们找我探讨。
——————
ps，向大家推荐大家关注课代表立正和鸭哥的 Superlinear Academy。当我们聊到「学 AI」究竟应该学什么、怎么学的时候，他们给出了一套特别好的方案。
🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、抖音、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 🔴 🟡 Part 1 - 课代表分享：高手怎么用 AI？普通人怎么学 AI？
🟢 01:40 高手用 AI，到底差在哪
高手和普通人的差别，在哪两点？

想学世界模型，他没看论文，而是让 AI 写了一篇三万字的办公室恋情狗血小说——为什么这招有用？

🟢 04:33 今年学 AI，最重要做一件事
为什么他坚持「立刻停止使用 ChatGPT」，去用 Claude Code / Codex / Cursor？

蒸汽机换成电机，工厂效率只涨了一点点——真正的跃升要等到一件事发生，是什么？

用聊天框比用 agent 工具「差了三个点」。

🟢 10:56 好 skill 和 context，才是护城河
工具一样、模型一样，最后拉开差距的只剩一样东西。
一个好 skill 的本质是什么？

skill 能不能被商品化卖钱？

用好 AI 的第三步——积累上下文和提炼上下文，为什么是两个要分开做的动作？

🟢 15:03 摸着石头过河，石头不见了
——消失的那块石头，到底是什么？

从需求端和供给端两头看，旧的创业逻辑为什么突然不灵了？

他上一家公司能列出一百个「你该买我」的理由，可现在客户跟 Codex 聊两句就走了。

🟢 22:01 AI 会带来第二次文艺复兴
为什么非常看好自己孩子的未来？

当 AI 把「螺丝钉」彻底取代，人被逼着只能去做一件事。

未来的教育，可能不再是精通一个专业，而是「略懂一二」一百个专业。

「你以为学 AI 是学名词，其实学的是动词。」

.
🟢 🔴 🟡 Part 2 - Koji 分享：年中对 AI 创业投资的观察与思考
🟢 25:49 2026 的创业体感：泡沫的另一面
Paperboy AI 创始人那句让 Koji 印象极深的话：人类和 AI 的最佳协作方式，很可能还没被发明出来。

「软件已死」「悲观者往往正确」——但为什么只有乐观者才可能成功？

资本前所未有的热浪，和显而易见的泡沫，是同一件事的两面。

🟢 27:54 在推土机前面捡钢镚
一张图显示：这一波 AI 创造的商业价值，90% 被模型公司吞掉了。
既然在推土机前捡钢镚只能捡到钢镚，那剩下两条活路是什么？为什么一条要「往天上跳」、一条要「钻到地下」？

AI for science，for what？

具身智能动辄百亿估值的背后。

🟢 32:51 FDE：把数字员工带进公司
OpenAI 和 Anthropic 几乎同时发了公告，提了同一个新词。
FDE（前端部署工程师）到底是个什么角色？

这个词其实早就存在（售前、客户成功、驻场工程师），但被重新命名之后，发生了什么？

这么大的人才缺口，为什么到现在还没井喷？

🟢 43:30 新时代的 VC 长什么样
叙事连接器、connector as a service、新型财务伙伴——这三个角色分别在解决创业者的什么难题？

「自强则万强」——为什么一个创业者太需要 VC 指点，反而会让人「非常担忧」？

好投资人应该像副驾，而不是一路喊红绿灯的人。

🟢 50:00 五个方向
everything agent：沙箱、记忆、通信、支付…

给 agent 设计产品：飞书口碑飙升和它的 CLI 有什么关系？当 agent 找不到你的工具，你就「等于不存在」。

视频模型：可灵 5 亿、Seedance 15 亿美金 ARR，云南小镇一个拍婚纱照的青年做出了全球刷屏短片。

软件不会消亡，GUI 也有未来。

和语音相关的一切。

欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 本期主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner 投资合伙人。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站

🚥 上月，Anthropic 和 OpenAI 在同一天分别宣布了各自的十亿美元级的企业 AI 合资公司，并且都称自己在做的事情是 FDE（Forward-Deployed Engineer，前置部署工程师）——帮助 AI 进入企业，从“能用”走向“上岗”，从“展示能力”走向“交付结果”。
本周「十字路口」，我们聊 FDE 这个正在被重新定义的岗位与分工：它究竟是在把“售前/交付”换个名字，还是代表 ToB AI 时代新的组织结构与商业边界？当模型越来越强，最后一公里为什么依然最难？企业真正缺的，到底是更强的模型，还是能把 AI 带进流程、接入系统、治理知识、持续迭代并对结果负责的人？
我们的嘉宾是 Rolling AI 的两位合伙人阿甘和刘开，他们是中国在企业 AI 落地与“交付能力产品化”方面实践最深、也最具代表性的团队之一。
如果你在寻找下一波 AI 的机会，这期内容希望给你一个可行动的视角：旧分工在松动，新岗位在出现，而新的创业机会，也往往从这些缝隙里长出来。
🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、抖音、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 01:08 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍 Rolling AI、收入与利润、团队规模、创业前经历

🟢 02:19 FDE：AI 不是软件，是劳动力
OpenAI 和 Anthropic 同一天宣布成立十亿美元级企业 AI 合资公司，都说自己在做"FDE"——他们到底在描述一件什么事？
传统软件是工具，需要人来操纵。但 AI 本身就是劳动力。

FDE 做的，其实有点像 HRBP：把"数字员工"送进企业。

为什么从 BCG 出来做这件事？MBB 在服务中国民企时，遭遇了什么困难？

传统咨询交付 200 页 PPT，今天他们交付的是智能体。

🟢 08:22 首个案例：一个人带 50 个机器人，服务 600 万用户
出生率下滑，乳品企业急着找第二曲线。他们需要的不是几个营养师，而是"无限个"营养师。

全国注册营养师 40 万，目标用户是 8,000 万——供需差距 200 倍。AI 是怎么填上这个缺口的？

"如果有人说我要减肥，你的第一句话应该是：你又不胖，你为什么要减肥。"——这是人类师傅教给 AI 的。而找到好师傅，才是 FDE 最难的事。

🟢 19:58 FDE 是什么角色？
带着一批"清北学生"去便利店上班的工头。
FDE 要做好三件事才能撤场：业务融合、知识治理、系统对接。

一个好的 FDE 需要三种核心能力：能一眼看穿业务痛点本质、人机协作的原生感知、能用 AI 工具快速构建原型。

这样的人，能短期培养吗？——不能。

"你刚毕业，我想不到任何一件你能做、AI 做不了的事情。"

🟢 25:09 SOP 代表落后——标准化的终结
他认为 SOP 代表着慢、代表着落后——这是暴论，还是有逻辑支撑的判断？

从消费端的"千人千面"（抖音），到生产端的"千人千面"（每个门店自己的经营决策）。

总部从"管控型"变成"赋能型"，意味着怎样的组织重构？

以及，哪类管理层会最先被消失？

🟢 28:21 那些消失的企业，真正输在哪里？
兰开夏郡的纺织业接了电，但没被电拯救——因为他们只把电接到了原来蒸汽机的大轴上，整个生产方式还是蒸汽时代的。
"AI 这次变革对社会的影响幅度，会超过互联网，像当年电力革命一样大量取代智力劳动。"

每次大的生产力革命，都有 95% 的企业消失——而他们都接了电、上了网。那些消失的企业，真正输在哪里？

技术在整个 AI 落地过程中，占比不超过 1/3。剩下的 2/3 是什么？

🟢 32:01 AI 落地失败率超 50%：三大死法
第一大死法：CEO 对 AI 有"超出现实的预期"——"上了 AI 企业就起飞"。

第二大死法：让 IT 团队来主导 AI 项目。"谁懂怎么对付客户、让他买保险？是业务团队，不是 IT。"

第三大死法：激励机制没跟着变。AI 带来了新的生产力，但生产关系没变——结果会是什么？

🟢 43:29 应届生在 AI 时代能做什么？
Rolling AI 的高二实习生，他说"丝毫不觉得输过任何一个平庸的五年经验咨询师"——为什么？

商业 sense 和 judgment，能培养吗？他说他个人还没找到路径——"有些东西是天生的"。

FDE 时代，判断一个人值不值得用，真正在看的是哪三件事？

🟢 46:49 OpenAI 和 Anthropic 为什么都突然下场做 FDE
一种是"数据饥渴"，一种是"利润饥渴"——真相是？

大模型进入行业，遭遇的最大瓶颈不是模型能力，而是行业数据和知识的短板。

ToB 本质上不是软件能独立完成的事，而是一个服务业——"需要又懂 AI、又愿意扎进去的服务者，才能改变这个世界。"

为什么 OpenAI 和 Anthropic 的合资公司全都是 PE 结构？收服务费根本收不到那部分 upside。

🟢 49:08 FDE 公司不应该被 VC"投"，而应该被 VC"拥有"
"我们一年陪跑收 600 万，但帮客户省了几千万、多赚了几千万——那差价去哪了？"
每一家 PE/VC 的投后部门，核心能力之一将会是帮被投企业做 AI 转型。

"我们在同一个行业，只服务一家，绝不服务另一家。"

当 AI 能带来真实的业绩增长，单纯按日收咨询费这件事本身就不够了——未来的商业模式指向哪里？Service as Software，还是 Result as a Service？

欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 本期主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner 投资合伙人。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站

🚥 「AI+互动娱乐 / AI+游戏」正处在一个奇妙的阶段：碎片化的 Demo 层出不穷、技术进步快到让人恍惚——AI 生成小游戏、交互短内容、AI NPC、世界模型、实时多模态——但真正能在大众层面形成共识的爆款作品仍然稀缺。
本期「十字路口」和关注 AI 互动内容与游戏的播客「405游局」串台，邀请到主播 / 资深游戏从业者筱宁，一起做一次 2026 年 AI 游戏的“全景扫描”：我们把行业拆成“四层图景”，指出三种最常见的误区，并讨论那个最关键的共识缺口到底是什么——以及它为什么更可能从野生土壤里长出来，而不是从大厂里“立项做出来”。
如果你是 AI 创业者、投资人，或正在关注下一代内容平台、互动娱乐与 AI 游戏，这期节目希望能给你一个框架：哪些确定了？哪些还在幻觉里？下一阶段最值得跟踪的变量在哪里？
🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、抖音、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:11 Opening
游戏行业对这波生成式 AI 的反应，比互联网公司慢了很多。

筱宁在头部大厂做 UGC 游戏制作人，但有一个体感让她决定离开。

赛道的两个坐标：「互动」和「好玩」。

游戏真正的竞争对手，不是另一款游戏，而是抖音。

🟢 02:48 行业的四层图景
AI 作为工具：服务于互动内容/游戏的创作流程（更偏“提效/基建”）⁠⁠

AI 作为创作入口：以 AI 作为新的“生成入口/创作方式”，更关注结果而非流程⁠⁠

AI 作为交互对象：典型是陪伴类、AI NPC 等（把 AI 当作你在内容里“对话/互动”的对象）⁠⁠

AI 改变娱乐关系：改变“谁创作/谁消费”、以及社交关系/娱乐关系如何被构建（例如“多人 + 一个 agent”的场景，AI 从 NPC 变成“社交基建/氛围调节”）⁠

🟢 05:45 眼前一亮的作品们
《星布谷地》的娜洛做了三件事：示范怎么聊天、救场、调节氛围。当这三件事都做到了，它已经不是 NPC，而是一个社交基建的角色。

任天堂的《朋友收集新生活》（Tomodachi Life）：捏人、设定剧情、当造物主、当导演、再当观众——「创作即消费」这个体验，为什么他觉得特别有意思？

🟢 10:43 AI 版愤怒的小鸟，还没出现
愤怒的小鸟不是手游史上最赚钱的，但它是第一个让所有人形成共识的那个。

为什么用愤怒的小鸟来类比？

那个关键时刻目前还没出现——不是因为技术不够好，而是还缺少一件具体的事情。

「AI 版愤怒的小鸟」更可能从创业者中野蛮生长，而不是从大厂内部长出来。

🟢 17:54 大厂 AI 布局
腾讯、字节、米哈游、网易——面对 AI，四家公司走的是四条路。
改变最大的一家，并不是资源最多的那家。

米哈游做了一件其他纯游戏公司几乎不会做的事情——「动到模型」去做尝试。「技术宅拯救世界」的基因，在这里有多直接的体现？

世界模型（Genie 3 等）真的要改变游戏了吗？

🟢 22:31 AI 人不懂游戏的三个盲区
「游戏生成」这个词，本身就是对游戏工业化难度的低估。

视频生成出来就是完成品，但游戏生成出来只是开始。

「无限选择，不等于好玩」。

我们高估了自然语言在互动娱乐中的比重。手感、点击反馈、声光电刺激——这些跟语言根本没有关系。

对于很多内容产品来说，「可生成」是追逐的终点；但对游戏和交互来讲，「可生成」只是可被设计的起点。

🟢 25:15 「AI 时代的抖音」，靠谱吗？
Loopit、AIPPY、Rezona、Riffle… 大家都在说要做下一个交互内容平台。
创作门槛被极大降低之后，紧接着的问题是？

有两个核心问题至今没有被解答。

「我们俩都生成了一个贪吃蛇，我和你的价值怎么被别人分别看到？」——如果创作者的价值无法被凸显，平台的供给侧会发生什么？

🟢 37:54 TaptapMaker：用过的人两极分化
做过策划的人用它：「太好用了。」没做过策划的人用它：「还不如 Claude Code。」
同一款工具，游戏从业者和非从业者体验差距为何那么大？

有人在上面复刻了 Minecraft 世界，有人做了完整的 Roguelike——原来要一个团队几个人做两三个月，现在一两个人两周。

AI 互动影游（带分支线的交互视频）：比短剧更复杂，成本百倍降低，它的春天什么时候到？

最长期跟踪的三个问题：交互娱乐里的短内容机会、AI 3D 管线什么时候成熟、以及愤怒的小鸟时刻最终会以什么形式出现。

🟢 43:48 当 Claude Code 成了最好玩的游戏
如果让游戏策划连续说「最近玩过最好玩的游戏」，越来越多的人，答案已经变了。
商业化手游的工业节奏（42 天大版本、21 天小版本），是让热爱最容易被消磨的地方。

最近好多人说自己最爱的「游戏」是 Claude Code。

感性指标和直觉反应，在互动娱乐的早期，为什么比任何理性分析都更重要？

欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

🚥 本周，十字路口的嘉宾是 Paperboy（https://www.paperboy.com）团队。John Yang 21 岁，CEO。Jett Chen 19 岁，CMU 大一在读，同时是 founding engineer。Paperboy 团队 12 人，10 位工程师，融资 470 万美金。
John 认为：人类和 AI Agent 配合工作的最佳方式，很可能还没被发明出来。虽然已经有了 Claude Code、Codex、Manus、OpenClaw，但它们本质上都是 session-based + prompt-based。用户需要打开一个窗口，输入 prompt，等完成，关掉。下次从零开始。
Paperboy 正在尝试找到一种更自然、更连续、更可协作的 Agent 界面与记忆结构——Agent 应该通过观察你用电脑来自己学习，用 IM 而不是 session 来组织对话，主动找你，而不是等你 prompt。
如果你在做 AI 产品、AI infra、或正在思考 Agent 如何进入团队工作流，希望这期内容会给你启发。

🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:00 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍 Paperboy、融资情况、收入与利润、团队规模、创业前经历

🟢 01:59 起点：现在的 AI 产品，我用着不爽
今天的 AI 产品都有一个共同的问题：你必须把文件、邮件、个人信息手动扔进对话框，然后对话完就消失了。

三个核心痛点：不该这样协作，不该这样留下历史，不该这样主动。

「人类和 AI 配合工作的最佳方式，很可能还没有被发明出来。」

现有的 Chatbot 和 Agent 产品形态是 AI 时代的「默认答案」，而默认答案几乎从不是最优解。

🟢 06:21 Claude Code 轰炸之下
Agent 赛道的三个机会：一，让 agent 真正从用户环境中学习；二，足够个性化，做到主动的同时不造成干扰；三，使用体验必须极其直觉——「你不该像学新工具一样学怎么用它。」

这三点依然要靠人类团队，市场上冒出的新东西还没有打破这个框架。

🟢 08:01 Agent 的两大问题
Cursor 和 Manus 是目前最成功的 agent 形态，但 John 说它们有两个根本性的问题——这直接定义了 Paperboy 要做的事。
问题一：基于 Session。你有一堆工作区、一堆对话，每次开新 session 就像重新认识一次，context 不跟着你走。

问题二：Reactive（被动）。你必须先问，它才回答。Agent.md 文件要主动维护。

Agent 应该知道你的鼠标移动、视频音频、所有电脑活动——context 应该比 context window 长得多。

🟢 14:21 屏幕数据成了行业共识之后
「收集用户屏幕数据去构建 Context Layer，已经一定程度上成为行业共识。」
Codex、Littlebird 在做，各路玩家都在做，但接下来怎么做——是预测用户下一个 Keystroke，还是预测他接下来一个小时要做什么——还没有人找到最佳”配方“。

这个领域需要大量 engineering 和 research，「在今天，对一家公司来说，探索这个区域还是一个非常好的选择。」

🟢 16:46 Mini Vivian & Auto John
Mini Vivian 是团队在内部 Slack 里训练出来的 Paperboy 实例，理解 Vivian 曾经说过的所有话、她的判断品味、她的招聘标准。

它能帮 Vivian 从 GitHub、小红书、推特挖掘候选人。

和 Auto John（John 的 agent 分身）聊天，有时候比直接找 John 更顺。

「期待我可以直接躺平，让 Auto John 成为比我更聪明的存在。」

🟢 27:36 微信群聊，启发了界面设计
不同角色的「侧边栏」完全不同，如果每人一个定制版，根本没法做成产品。

转机来自微信——同一批人，可以同时存在于多个主题不同的群组里，这是人类组织信息最自然的方式，而且不会让人觉得烦。

🟢 33:36 The Last Interface 与五种速度
Paperboy 目前唯一一篇 blog 标题叫「The Last Interface」——context 的速度层级，决定了产品形态。

「节奏分层」理论（Pace Layers）：时尚、商业、基础设施各自以不同的节奏变化。

映射到 AI 产品：1 秒内的 task 可能最好的形式是 autocomplete；几小时的 task 用 IM；更长的 time horizon，产品形态还是「一个非常值得被探索的区域」。

「五种速度」不是说 Paperboy 真的只做五种，而是一个思考框架：你在哪个速度层的 automation 上，直接决定了你应该做什么样的产品。

🟢 42:09 两种工程师、一本书、一个教练
12 人的团队，John 说他招的是两种完全不同的人。

第一种：像 Jett 这样——年轻、高智商、充满创造力，能为每一个难题极速搭出 prototype。第二种：领域基本功极度扎实的人，比如来自 AWS 做过 Windows 内核开发的工程师，来负责底层基建。

管理经验几乎全靠自学：《格鲁夫给经理人的第一课》、《创业维艰》、《万亿美元教练》——以及和一位前 VC 高管出身的 CEO 教练每周一小时。

找教练比心理治疗好太多，原因是：「你可以谈情绪，然后接着谈业务里正在发生的一切。」

🟢 48:07 拒绝过 Cognition、Vercel、Sentry，然后呢
Million 时代，他们收到过来自 Cognition（Devin）、Vercel、Sentry 的收购邀约。

「加入那些公司，某种程度上就像是做一名普通员工，你必须为别人的想法工作。」

最喜欢的 AI 产品？Jett：Codex——「它以最 ambitious 的形式在定义未来的软件工程师是怎么 work 的」，而且核心 agent 是开源的。

欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻

🚥 为什么说 Agent 的上限来自 Harness？当我们讨论 Harness 时，我们究竟在讨论什么？
不久前，Claude Code 源代码泄露，许多 Agent Harness 的关键模块得以完整呈现，成了一份极佳的教学标本。而在技术高速变化的红利期，主动理解新技术往往能带来很高的认知增量。
因此，本周「十字路口」邀请到来新璐，一起聊聊 Agent Harness。新璐是 ShareAI 开源社区发起人，他撰写维护的《Learn Claude Code》教程在 GitHub 上获得超过 50k Star。
在本期内容中，我们把 Agent Harness 从概念词拆解成工程语言，介绍它的三层框架：会跑（执行层）→ 跑久（状态层）→ 跑稳（治理层）。同时，我们也梳理了 Claude Code 中值得借鉴的多个机制：更多 context、更少 control 的思路、“零上下文管理”的哲学、长程任务的接力式交接策略，以及让 Agent 越用越聪明的“做梦”式记忆维护与迭代机制等
新璐作为典型的一人公司，刚完成数百万美金融资；他也分享了自己对 OPC 的独特观点，甚至认为“未来只有 0 人公司，没有 1 人公司”，颇具启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:49 快问快答：年龄、毕业院校、MBTI、星座、一句话介绍公司、融资情况、团队规模、创业前经历
🟢 01:52 模型以外都是 Harness
机甲、大脑、机器人、智商120——Harness 到底是什么
模型以外都是 Harness

Agent 上限由 Harness 决定吗？

模型智商已在 120–170 之间；Agent Harness 像机甲——不提升智力，但极大扩展能力

🟢 02:47 GitHub 50k star，是怎么来的？
这个Agent教程，其实不只是写给别人看的——它本来是新璐自己整理的"造 Agent 心法"。
9 个月前动笔，出发点是"把 Claude Code 套网页壳就能得到一个强大 Agent 产品"的简单直觉

开源社区当时流行 LangChain、LangGraph等 prompt pipeline 做法开发“伪Agent”，是一场派系之争——"Prompt Flow-Driven vs Agent Native-Driven"

LangChain 过时了吗？

🟢 04:02 Bash is all you need
Claude 推出 Manager Agents 之后，大家还需要自己搭 Harness 吗？
就像 Next.js出现后大家不再关心底层运行原理，两三年后 Agent Harness 也会收敛为开箱即用

但现在是技术周期红利窗口——不懂 Agent Harness，做出来的Agent产品"缺乏灵魂"

今天的 PM 和过去的 PM，指的根本不是同一种人

🟢 07:04 Harness 三层拆解
用两周时间、多 Agent 协作，从零写出一个 C 编译器——这个经典案例背后，到底走了哪三层？
第一层：执行能力层 ——文件增删读写、浏览器、语言解释器；配错权限后果是什么？

第二层：上下文与状态层 ——system prompt、skills、memory，以及上下文窗口满了之后 Agent 如何"接力交棒"

第三层：治理与编排层 —— 数百上千 Agents 如何组织协作？测试 Agent 为什么不能同时拥有修改代码的权限？

🟢 12:05 KB 的 K 系列Agent工具链
他们公司叫 Komputer Blue，代号KB，目标是构建By Agents & For Agents的整套开源Infra
Komputer：用 TypeScript 重写 Unix 文件系统和 bash，给 Agent 一个"熟悉的生活环境"；支持 WebAssembly 时切换WASM实现；

Kruntime：Agent Runtime 层，提供让人类开发 Agent 的接口，以及Agent 派生 Agent的接口

Kwatch：Agent 观测层，分析 Agent 任务在哪里卡住，反向指导 Agent 设计迭代

Krl：把 Agent 在 Runtime 上沉淀的轨迹数据拿来强化学习或做上下文层的自迭代

🟢 13:55 vs. AWS AgentCore、阿里云 AgentBay
云服务厂商当然也想做这一层
K 系列 Agent 工具链的核心理念：在离用户更近的场景运行 Agent，任何能跑 JavaScript 的场景都能用——浏览器、插件、App、Electron、小程序、纯静态网页、全栈 SaaS

差异化：把Claw-Agent的运行时轻量到由纯数据结构模拟的 KB 级Unix虚拟计算机环境，而不是把 Linux 和浏览器全塞进去

新璐认为要让 Agent 工作好的方法是给每个 Agent 一台专用计算机，一般通过虚机提供，但大多 Agent 完成的大部分工作不需要真的 Linux虚机（且成本高昂），像编译器、浏览器这类重工具原本就不该放进给每个 Agent 的虚机环境

🟢 17:38 Memory 的流派
完全结构化（知识图谱 + 向量搜索）：精细存储的知识结构，支持 pipeline 知识推理，rule-based，新璐不喜欢

半结构化（Unix Files + Markdown + Agent 驱动更新）：Claude Code 和小龙虾都是这样做的；Claude Code 中的 auto-dream 机制：每隔一天触发后台 Agent 对最近会话做"重放"，纠错、合并、更新记忆——就像做梦

模型内化 —— 距真正生产落地还需要～ 3 年时间，且记忆难批量提取 & 无损转移，容易被单边模型提供商绑定

🟢 22:49 共识与非共识
共识：CLI is all you need——"Bash is all you need" 这句话是新璐 9 个月前写在开源仓库里的标语，现在成了行业共识

非共识：大部分23年 ~ 25年诞生的主流开源 Agent 框架仍在用 PromptPipe + Node Graph的老路线 —— 就像齿轮与传送带编织的流水线

Unix 从 1971 年就存在，LLM预训练语料中 Linux 命令有数十亿条sample；MCP 提出才两年，预训练占比不到 0.1%——这解释了为什么 CLI 工具的任务完成率比 MCP 高，并且 shell 具备对CLI命令的可组合性 & 二次编程空间

🟢 26:33 Claude Code 源码泄露：最大的惊喜是什么
让所有人看到了一件事：这家公司在"上下文管理"上做了多少别人没有做的工程工作
上下文压缩策略：工具 output 何时删、窗口满到什么阈值开始交接、下一个 Agent 初始化时加载什么

Fork Agent 机制：每轮结束触发 turn stop hook，Fork 一个 Agent 复用 KV cache 做记忆更新

记忆文件格式和 skill 保持同一套哲学：前三行 YAML，先读 description 而非全文

新璐的结论："好的 Harness 要和模型的inference逻辑自洽，和Agent模型进步方向正交"

🟢 34:05 好 Harness 的标准
不好的：随意裁剪上下文，导致 KV cache 频繁失效，重计算开销

不好的：用 Prompt Graph硬控每一步决策——模型越强越被束缚

好的公式：好的context space + 好的action space + less prompt control

Anthropic 从25年初率先从问答模型转向 Agent 模型训练，领先其他厂商半年

🟢 38:52 新璐看好的三个创业方向
第一：Agent Harness工具链（新璐自己在做）

第二：Agent 组网——不是给 Agent 发 IM/Mail，而是混合云端/端侧的全设备组网；现有 Tailscale 不够 Agent Native，需要高通量上下文交换，以及更多控制能力

第三：Agent模型集约训练、推理基础设施——Tinker（Thinking Machines Lab，OpenAI 前 CTO 创业方向）的路线：集约化高效训练 + LoRA 热插拔推理，让更多企业 & 个人都能以较低成本获得个性化且更适合各自任务场景的Agent模型

🟢 44:09 Agent 未来暴论
"我觉得以后很多的公司都是理财产品 —— 由有经验的人类 Team搭建这些公司、甚至由AI直接生成公司，然后自运转"
阶段：单 Agent → Agent 蜂群 → Agent 自管理 & 协调更多 Agent → Agent 开始创造、发明

OPC “1人公司“不本质， 0PC “0人公司”是未来趋势

真格基金和十字路口的 Token Grant 资助的 YoYo Agent

未来的画面：从口袋里掏出一张卡，"这张卡里跑了 5 个由Agent组成的公司，每年给我创造几十亿收入"

欢迎订阅「十字路口」：
🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner（投资合伙人）。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
👧🏻 主播 Ronghui：我联合创办了十字路口，在美元 VC 工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，欢迎大家找我聊天，和我交流。Ronghui 的即刻