最好的创始人，拥有某种 AI 无法告诉他们的东西

原文：https://every.to/context-window/the-best-founders-have-something-ai-can-t-tell-them

Factorial Capital 创始人 Matt Hartman 认为，几乎每一家创业公司最终都会转型（pivot），因此他更愿意投资那些拥有技术优势、并握有来之不易洞察的创始人——他们最有能力应对市场的变化。在本周的 The Every Podcast 节目中，他向 Natalia Quintero 讲述了如何找到这样的创始人，以及为什么自己动手「vibe coding」一个应用后，他对「为软件付费」有了新的敬意。此外还有：一家 28 人农业科技公司如何在 Slack 里用智能体（agent）运转的实地报道，Becky Isjwara 讲述把 Every Agent 当作入职伙伴的经历，以及七条全新的 Thesis Statements。

"The Every Podcast"

为什么创业公司转型时，技术型创始人会赢

2016 年，Hugging Face 还只是一款面向青少年的聊天机器人应用。如今，它是最大的开源 AI 社区，并即将被英伟达（Nvidia）以约 130 亿美元收购。曾参与开出第一张支票的 Betaworks 团队的 Matt Hartman，从这次蜕变中看到了一个教训：要投资那些能「随世界的走向而动」的技术型创始人。

如今，Hartman 是 Factorial Capital 的创始人兼管理合伙人，他假定每一家早期创业公司都会转型。他相信，最成功的创始人会把「中枢脚」（pivot foot）——篮球运动员转身时保持不动的那只脚——放在自己的技术能力上：当原有业务改变方向时，他们仍能为新的市场构建产品。

在本周的 The Every Podcast 中，Hartman 向 Natalia Quintero 讲述了他的投资主题（investment thesis）如何随时间演变，他的被投企业创始人如何成为他最好的新项目来源之一，以及为什么自己动手 vibe coding 一个应用后，他对 SaaS 有了新的敬意。

可在 X 或 YouTube 上观看，或在 Spotify、Apple Podcasts 上收听。你也可以阅读文字稿。

以下是本期要点：

• 「偏了 20 度」的投资主题，仍可能通向好结果： Hartman 通过动手折腾、阅读研究论文、访谈聪明人来寻找「刚刚在技术上变得可行」的东西。他发现手机里那些针对「耳朵」的应用之间竞争不足，于是开始寻找一款「音频界的 Twitter」，这让他投资了 Anchor——如今是 Spotify 旗下领先的播客工具。他对对话式软件（conversational software）的直觉，同样促成了他对 Hugging Face 的投资。创办 Factorial 后，他把同样的好奇心投向 Transformer：它们的下一词预测能力，能否用于其他序列，比如机器人的动作，或科学实验产生的数据？

• 他寻找只有创始人才能「挣得」的洞察： Hartman 说，AI 能把从反馈到产品更新的循环，从两个月缩短到两天。他寻找那些拥有「挣得的洞察」（earned insight）——即只有身处其位置的人才可能学到的东西——并且在产品上线后仍能持续发掘客户洞察的创始人。「这件事为什么有意思？」他会问，「为什么这是该解决的问题？」

• 自己做应用，让他对 SaaS 有了新的敬意： Hartman 会为自己运营 Factorial、以及单纯做实验而构建工具。他想不通：既然模型可以在本地运行，为什么语音转文字应用还要为推理收费？于是他使用 Claude Code 构建了 Ghost Pepper——一个免费、开源的听写工具，一度登上 Hacker News 榜首。这段经历带给他一个意外的教训：「当你只是为自己写点东西时，你得自己维护它。」在「SaaS 大灭绝」的议论声中，他现在对订阅有了不同的看法：「你付的钱，是让他们确保它一直是一款好产品。」

错过了某期节目？可以补看 Dan Shipper 近期与以下人士的对谈：Sam Altman；Anthropic 产品负责人 Mike Krieger；打造 Claude Code 的团队 Cat Wu 和 Boris Cherny；打造 Codex 的团队 Thibault Sottiaux 和 Andrew Ambrosino；Vercel 联合创始人 Guillermo Rauch；以及其他嘉宾——了解他们如何使用 AI 来思考、创造和建立关系。——Miriam Partington

实地报道

一家 AI 原生农业科技公司，如何在 Slack 里与智能体协作

最近某个周三，FeanixBio CEO Mitchell Angove 一觉醒来，就看到一份报告标记了一位不满意的客户。一位农场主为这家农业科技公司的亲缘鉴定服务——针对牛群的父系亲子鉴定——付了钱，却迟迟没有收到结果，尽管他已经催过两次。报告还指出，平时负责排查问题的工程师请了病假，并建议由哪位同事顶上。

这份报告来自 Every Agent，一个 FeanixBio 自 8 月起就在 Slack 里使用的共享 AI 智能体。Angove 玩心大起，让这个智能体把他的报告做成《狮子王》主题，于是那位不满的农场主被归入了「边境的鬣狗」（Hyenas at the Border）一栏。

Angove 的每日报告是《狮子王》主题的。问题被归入「边境的鬣狗」板块。（截图由 Mitch Angove 提供。）

FeanixBio 总部位于加州 Scotts Valley，是一家 28 人的创业公司，利用基因数据为农场主提供建议，告诉他们该繁殖、保留还是淘汰哪些奶牛。它的客户包括约 35 家家庭农场，大多是位于加州中央谷地和亚利桑那州、饲养规模在 1 万头以上的农场。这也是一家对 AI 格外「上头」的公司：它的智能体和员工在同样的 Slack 频道和话题串里工作。

AI 花名册

FeanixBio 的 Slack 里挤满了智能体。Rumen 是由 FeanixBio 工程负责人用 OpenClaw 构建的智能体，公司所有人都可以在平台上使用它。它的名字取自牛四个胃室里最大的那个（顺理成章），通过 Model Context Protocol 访问 FeanixBio 的数据。员工会向它询问业务或数据相关的问题，从「我们的技术栈是怎么运作的」到「2310 号牛是怎么回事？」

人们还经常使用项目管理工具 Linear 的智能体，把讨论转成工单；此外还有各自的 AI 助手，包括 Angove 的 OpenClaw 助手 Micah。再然后就是 Every Agent。Every Agent 接入了公司的日历、Slack、Linear 以及每头牛的数据库，它的主要工作之一，就是在运营和沟通问题滚雪球之前把它们标记出来。

全天候监控

对首席技术官 Kate Chapman 来说，Every Agent 对团队工作的每日扫描，让她能「稍微放松一点」，因为她知道那些自己需要跟进的细节，不会在 Slack 里悄悄「漂过去」而无人察觉。

她用 Every Agent 生成自己的每日报告，把工单和其他基于代码的任务分进绿色、黄色、红色三个桶。另一套自动化流程会检查她团队的日历，在员工休假前一周提醒他们安排人手顶替。

Chapman 不必操心顶替提醒，因为 Every Agent 会负责。（改编自 Kate Chapman 提供的截图。）

在她出差时，这些简报尤其有用。FeanixBio 的团队会花时间待在农场和会议上，眼前的活动很容易挤掉总部正在发生的一切。「它其实就是在帮你掌握那些你本该知道、也许本该由助理来盯的常规事项——而我没有助理，」Chapman 说。

用智能体来总结智能体

某些 Slack 话题串——大多是关于牛的行为或工程问题的争论——能膨胀到 70 多条消息，其中一半是智能体生成的。员工会调用 Rumen 来佐证观点，而这个智能体会「配合地」贴出「一份啥实质内容都没有的巨型文档」，Angove 说。

当 Rumen 或某个人发了冗长的内容时，Angove 就会召唤 Every Agent：「@Every，把这个总结得好一点。」

好用到值得持续付费吗？

即便在一家对智能体驾轻就熟的公司里，采用程度也并不均衡。FeanixBio 的每个人都能使用 Every Agent，Angove 和 Chapman 都觉得它聪明、能干、易于理解。有一段时间，Angove 用 Every Agent 来处理自己的 Linear 事项：诸如回复邮件、给同事发消息、跟进合作这样的待办。每天，它会给他发一份指派给他的工单清单。他在 Slack 里回复每项该如何处理，这个智能体就会可靠地把它们全部执行完。

但在 beta 阶段更高的成本限制了 Angove 的使用。他试过更便宜的替代方案，包括把工作委派给自己的助理和 OpenClaw，但它们的表现都比不上 Every Agent。

此后，Every Agent 的 token 成本已经下降，Every 团队也在持续努力让这个智能体的运行更便宜。Token 成本以不加价的方式转嫁给客户，因此让任务更高效就能降低成本。工程师 Marcus Moretti 说，自 9 月 Opus 5.5 发布以来，这个智能体的 token 花费下降了约 60%。更便宜的开放权重模型也在进步：「你应该预期，智能体在相同用例下的 token 成本会随着时间推移而下降，」他说。

我们在 10 月初交谈时，Angove 正手动处理他的工单。他很怀念 Every Agent 回复的质量——他说，如果价格降得足够低，他愿意把它重新拉回来，把自己的时间换回来。

Inside Every

我的入职伙伴是一个智能体

在加入 Every 的头几周，我在香港远程工作，所以等我上线时，团队里大多数人已经下线了。没有入职材料包，但我有很多问题，又觉得拿去麻烦经理有点傻，比如「Yash 是谁？」「大家都在说的这次品牌重塑是什么？」以及「TOF 是什么意思？」

我问了 @Every 智能体，它解释了每个人是谁、在做什么，以及那些陌生术语的含义。

Every Agent 会在上下文中解释陌生术语。（截图由 Becky Isjwara 提供。）

有两件事让这成为可能：第一，全公司用的是同一个智能体，所以它已经积累了来自我根本不知道存在的对话和文档的知识。第二，它之所以拥有这些信息，是因为 Every 把一切都记录在案：会议纪要、日历和决策都存放在 Notion 里。

这也意味着，Every Agent 会重复它在文档里发现的错误。有一次，一份会议记录把 Natalia 说的话归到了 Arielle Shipper 名下，这个智能体照搬了，结果我私信错了人。

它也替代不了人。我的第一次全员大会，以及和 Kate Lee 的一对一，教给了我 Every Agent 没告诉我的一些事，比如团队本周优先级背后的原因。

如果你把 Every Agent 接入了公司的「真相来源」，可以让新员工在第一天试试下面这些提示词：

1. 我刚加入 [团队]。他们现在主要在做什么项目？
2. [姓名] 是谁，负责什么，我应该问他/她什么？
3. 总结 #[频道] 过去一周的内容。我的角色是 [x]，我的目标是 [填入]。
4. 每个工作日早上 8 点给我一份简报，总结过去 24 小时的 Slack 消息和会议，并按照与我角色的相关度排序。

——Becky Isjwara

Thesis Statements

在 Thesis Statements 栏目中，构建者、运营者和思想者预测 AI 时代卓越人类工作的未来。本周我们有七条新预测：

• 唯一能把我们从算法中解放出来的，是我们自己的算法——Riley Brown，Agent Native 创始人

• 我们会寻找「在意的线索」（cues to care）——Jack Cheng，Every 高级编辑

• 唯一真正的编程语言将是英语——Andrey Galko，Every 工程负责人

• AI 会加入编剧室，而不是取代它——Fred Graver，AI Writers Studio 创始人

• 我们关注一个人，会因为他们的故事，而不是他们的专长——Becky Isjwara，Every 社交媒体负责人

• 编辑将变成一种创造性行为——Soren Iverson，设计师、同名创意工作室创始人

• 保住工作的最好方式，就是成为那个把工作自动化的人——Kate Lee，Every 主编

我们首届 Thesis: 2027 大会将于 2026 年 11 月 5 日举行。Every 订阅者可以免费 RSVP 参加当晚的 after-party。

Laura Entis 是 Every 的特约撰稿人。想阅读更多类似文章，请订阅 Every，并在 X（@every）和 LinkedIn 上关注我们。

核心启示：最好的创始人拥有某种 AI 无法告诉他们的东西——只有身处其位才能「挣得」的洞察，加上以技术能力为「中枢脚」、随时转向新市场的底气；AI 能压缩反馈循环，却替代不了这份洞察。