字节背景创业者梦琪的AI软件创业一年复盘:从垂直Agent到C端浏览器插件 · AI HOT
向阳乔木@vista869
2026-06-03 01:55·30天前
AI 摘要字节背景创业者梦琪复盘其AI软件公司Invocal一年来的转型历程。她经历了典型剧本:组团队、讲AI智能体故事、连续融资,随后经历三次错误决策:选择垂直智能体场景(达人营销的Sourcing资源挖掘)、选错场景(该环节仅占链条30%)、并误判横向扩张。她得出结论:垂直智能体存在结构性困局,易被迫变成代理公司,且To B模式难以获得模型效率的倍增红利。转向C端后,团队开发了浏览器插件CLICK,其核心价值在于缩短用户意图与解决方案的距离。她总结认为,大部分应用层创业公司不需要算法工程师,创始人刚融资时最易陷入“愚昧之巅”。
向阳乔木@vista8 · X2026-06-03 01:55·30天前
在 X 看原推· x.comAI 摘要字节背景创业者梦琪复盘其AI软件公司Invocal一年来的转型历程。她经历了典型剧本:组团队、讲AI智能体故事、连续融资,随后经历三次错误决策:选择垂直智能体场景(达人营销的Sourcing资源挖掘)、选错场景(该环节仅占链条30%)、并误判横向扩张。她得出结论:垂直智能体存在结构性困局,易被迫变成代理公司,且To B模式难以获得模型效率的倍增红利。转向C端后,团队开发了浏览器插件CLICK,其核心价值在于缩短用户意图与解决方案的距离。她总结认为,大部分应用层创业公司不需要算法工程师,创始人刚融资时最易陷入“愚昧之巅”。
选了垂直方向,选了达人营销里的 Sourcing(采购) 场景(帮品牌找达人)。
逻辑听起来很顺:找明白达人,就能找明白候选人,找明白客户,Sourcing 是个能泛化的场景。
但做了两个月之后,她发现了一个分叉:两类用户给完全不同的需求。
创始人说"什么都不想按,给我结果";专业用户说"中间每一步我要审计,要确认"。
她选择了服务专业用户,然后把专家经验蒸馏进产品,再卖给非专业用户。
结果某一天她对比了一下,发现这个产品"长得就是 SaaS",和八年前那批 SaaS 公司的产品长相一模一样。
她的结论是:如果你服务专业用户,他们会一直给你提需求,直到你长得跟 Adobe 差不多才会停下来。
达人营销的完整链条里,Sourcing 只占 30%,而且对 AI 来说是相对容易的部分。
后面的沟通、谈价、排期,才是最耗时间、最耗人力的地方,而她的产品跳过了这些。
意识到 Sourcing 不是高价值点之后,她面临一个选择:往深做增长全链路,还是横向扩张去做"找候选人、找客户"的通用 Sourcing Agent?
理由是:掌握了面粉和鸡蛋,不代表你应该同时卖大饼和意大利面。
找人 Agent 的跨场景复购逻辑根本不成立,没有人会同时有找达人、找候选人、找客户的需求。
垂直 Agent 的两个结构性困局
做到 12 月份,梦琪得出了一个"非常难以承认"的结论:垂直 Agent 大概率不成立。
第一个:客户不用产品,但你又想挣钱,所以你被迫变成 Agency (代理公司)
垂直 Agent 公司在过渡阶段,几乎都要派人去服务客户。
她听到无数次同行说:内部服务的人也不用这个产品,那这个产品做来干什么?
To B 周期长,在中国做 To B 是贬义词,在美国做 To B 的华人天花板也很明显。
更关键的是:To B 的 Agent 公司能吃到的最大的新模型红利,只是内部开发效能更高了。
对于产品能解决的问题,效率有没有十倍、二十倍的增长?没有。
去美国待了两个多月,对美国创业生态祛魅了
梦琪在最焦虑的时候跑去硅谷待了两个多月,想搞清楚是自己能力不行,还是垂直 Agent 这件事本身就不成立。
但她还顺带观察了一件事:美国 To B 圈的"骚操作"比她想象中严重得多。
最基础的版本是互相买产品刷流水,你给我 50K,我给你 50K。
但这个太容易被审计出来了,所以现在已经进化成六个人、十个人的复杂交易网络,审计不出来。
她说每到月底,那些美国创业者对她格外热情,后来才明白是想拉她一起冲流水。
做了一个浏览器插件,反而看到了曙光
转向 C 端之后,梦琪的团队做了一个叫 CLICK 的浏览器插件,解决一个问题:你开了一堆 Tab,一直切换,找不到信息。同时支持光标旁边唤起 AI 写作。
她说这个产品"能说出 100 个替代品的名字",功能极其简单。
但就是这么一个产品,收到了来自南非用户的反馈:用了这个产品之后,终于能沉浸式干一件事了,不需要在屏幕上划来划去,让焦虑一点点叠加。
这给了她一个关于 C 端产品的核心判断:只要能缩短用户意图和解决方案之间的距离,你就有价值。
CLICK 的价值不是功能有多复杂,而是把"想用 AI 写这段话"这个意图,从"截图→打开 ChatGPT→写 prompt→复制回来"压缩成了"按一个按钮"。
后来他们把 CLICK 扩展成了客户端产品,做了三个月,截止到录制前一天晚上,已经是第 49 个版本了,还有 bug,但稳定性在同类产品里算高的。
软件是由 15,000 个细节组成的,你多吃一个细节,用户体验好一点。
两种 C 端生意,她选了健身房
第一类是大 R 运营:找一批高消耗用户,一个月给你出几万美金的那种,用户量不多,但客单极高。
Lovable 这类产品的用户量没有想象中多,但一两万个超级用户就够吃了。
第二类是健身房模式:收订阅费,赌用户不会天天来用,或者赌他们的 token 用不满。
梦琪选了健身房模式,因为她不想做一个毛利极低的业务。
用 Reddit 做用研,比你想象的有用
梦琪分享了一个她觉得很有效的用研方法:大量泡 Reddit。
更重要的是,他们在 Reddit 上发了大量帖子,把每个产品决策拆成决策漏斗,每一层对应 40 到 50 个帖子发出去,回收所有反馈。
她说泡 Reddit 最大的好处是:你会发现很多问题 AI 这么牛了还没解决,比如 context switching(上下文切换) 的问题,每天都有人在吐槽"我在几个 context 里一直切换,我脑子要分裂了"。
因为你看到的是真实的、没被解决的需求,而不是投资人 PPT 里的市场分析。
刚拿到融资,是创始人最接近"愚昧之巅"的时刻
她说创业初期招了一些很厉害的科学家,现在有些在美国的 Research lab(研究机构) 里。
但那些决策不是基于真正的市场需求,而是"我得装一下,我得满足自己的虚荣心,我得展示我有能力把他们都招来"。
她的结论是:大部分纯应用的创业公司不需要任何算法工程师。
你用不上,快放人家去训模型吧。招这个人,纯属给投资人看,显得阵容豪华。
她还说:刚拿到融资的时候,往往是创始人最接近"愚昧之巅"的时刻。
觉得自己讲得太好了,怎么这么能造概念,怎么这么能总结,怎么这么能融会贯通。
等真正做事之后才发现,落地是如此恶心,细节是如此之多。
"XX 已死,XX 永生"是 AI 圈的番茄小说
她的逻辑是:商业社会里所有的竞争,都不是一瞬间完成的。
某个 AI 产品出来,做 workflow 的公司不会立刻死。
自媒体特别喜欢把一个漫长的、可能有点枯燥的竞争过程,压缩成几秒钟发生的短剧剧情。
她还有一个观察:AI 的渗透率其实远没有行业内的人想象的高。
她在旧金山做过田野调查,在 101 公路上打了大广告牌的 Wispr Flow,只有 40% 的人知道,知道的人里真正付费在用的可能只有 20%。
还有创业者在路边随机问人"你用不用 ChatGPT",结果很多人根本不知道。
需求是多分层的,渗透率还足够低,这是她乐观的理由。
上一个产品是证明题,这个是简答题
梦琪说,她一直没有做过"全球首款 xxx"的大宣发。
但夜深人静的时候,她问自己真实的原因:因为对那个产品不满意,不相信它。
她现在的状态是:这个产品再垃圾,你怎么骂我,我就爱这个产品。这是她的 spark(动力源泉)。
她把上一个产品定性为"机会主义者,迎合市场,想交作业,想做证明题"。
她说有一些事是 AI 代替不了的:人内心深处的那种火,那种光,那种 spark。
这是人身上最宝贵的部分,也是她认为一定要保护好的东西。
创业者的牵引力来自哪里
她说创业者有非常多的牵引力:投资人给的、市场给的、员工给的、用户给的。
她反思自己过去,外界的牵引力太多,用户的牵引力太少。
用户的牵引力,才是决定你能不能做出好产品的核心因素。
她还说了一句话,可以当作整个复盘的注脚:创业不能用太多左脑。
天天盘概念、推逻辑,被所谓的叙事骗了,然后总是推倒重来,而不是用心去感受你真正想做什么。
如果你现在也在做软件,或者在考虑要不要做,梦琪的这一年给出了一个可以直接对照的清单:
你的产品是在解决真实需求,还是在讲一个好听的故事?
你服务的是专业用户还是普通用户,这两条路通向的终点完全不同。
你的牵引力主要来自用户,还是来自投资人和市场热点?
你对这个产品有没有那种"不做会后悔死"的感觉,还是只是觉得这个机会比较合适?
或者出一个小产品,不温不火,等新概念出来再做新产品。
今天的软件行业处于低点,但这个低和 2023 年的低不一样。
2023 年是整个行业都低,2025 年是巨身(大模型)非常热、AI 硬件也起来了,软件单独在受冷。
这个背景下,她说去年五月以后融到大钱的软件创始人,都应该感谢 Manus。
因为 Manus 让 Agent 这件事在国内有人愿意看、愿意投。
但她也直接说了:很多 To B 的 Agent 公司,商业模式上和十年前的 SaaS 本质没有区别,只是产品不一样,然后拿到更高的估值。
二三月份,她觉得自己要死了
AI Coding 变强这件事,梦琪用"指数级"来形容,而且说这种推背感"特别特别强烈"。
她聊到一个细节:OpenAI 内部做后训练的同事告诉她,今年 2 月,他们 80% 的代码已经是 agent 写的。
但这位同事并没有因此变得更轻松,因为要做的事变得更多了。
这个细节说明了什么?模型变强,并不等于软件创业变容易了。
但另一个方向的逻辑也成立:如果 AI Coding 这么强,为什么过去三年真正跑出来的产品还是非常少?
产品宣称能交付的价值,和用户实际用下来的体验,严重不匹配。
她在今年二三月份最焦虑的时候,发现自己回答不了一个问题:你的产品跟直接用 Claude 有什么区别?Claude 生态里随便一个人做个插件,就能干掉你,你怎么办?
三次错误决策,一步步走向 SaaS
梦琪的公司叫 Invocal,她把自己这一年的转型过程拆得很细。
成立之前,她就决定不做 General Agent,因为"那会已经有第 18 个 Manus 出现了",不想加入混战。
选了垂直方向,选了达人营销里的 Sourcing(采购) 场景(帮品牌找达人)。
逻辑听起来很顺:找明白达人,就能找明白候选人,找明白客户,Sourcing 是个能泛化的场景。
但做了两个月之后,她发现了一个分叉:两类用户给完全不同的需求。
创始人说"什么都不想按,给我结果";专业用户说"中间每一步我要审计,要确认"。
她选择了服务专业用户,然后把专家经验蒸馏进产品,再卖给非专业用户。
结果某一天她对比了一下,发现这个产品"长得就是 SaaS",和八年前那批 SaaS 公司的产品长相一模一样。
她的结论是:如果你服务专业用户,他们会一直给你提需求,直到你长得跟 Adobe 差不多才会停下来。
达人营销的完整链条里,Sourcing 只占 30%,而且对 AI 来说是相对容易的部分。
后面的沟通、谈价、排期,才是最耗时间、最耗人力的地方,而她的产品跳过了这些。
意识到 Sourcing 不是高价值点之后,她面临一个选择:往深做增长全链路,还是横向扩张去做"找候选人、找客户"的通用 Sourcing Agent?
理由是:掌握了面粉和鸡蛋,不代表你应该同时卖大饼和意大利面。
找人 Agent 的跨场景复购逻辑根本不成立,没有人会同时有找达人、找候选人、找客户的需求。
垂直 Agent 的两个结构性困局
做到 12 月份,梦琪得出了一个"非常难以承认"的结论:垂直 Agent 大概率不成立。
第一个:客户不用产品,但你又想挣钱,所以你被迫变成 Agency (代理公司)
垂直 Agent 公司在过渡阶段,几乎都要派人去服务客户。
她听到无数次同行说:内部服务的人也不用这个产品,那这个产品做来干什么?
To B 周期长,在中国做 To B 是贬义词,在美国做 To B 的华人天花板也很明显。
更关键的是:To B 的 Agent 公司能吃到的最大的新模型红利,只是内部开发效能更高了。
对于产品能解决的问题,效率有没有十倍、二十倍的增长?没有。
去美国待了两个多月,对美国创业生态祛魅了
梦琪在最焦虑的时候跑去硅谷待了两个多月,想搞清楚是自己能力不行,还是垂直 Agent 这件事本身就不成立。
但她还顺带观察了一件事:美国 To B 圈的"骚操作"比她想象中严重得多。
最基础的版本是互相买产品刷流水,你给我 50K,我给你 50K。
但这个太容易被审计出来了,所以现在已经进化成六个人、十个人的复杂交易网络,审计不出来。
她说每到月底,那些美国创业者对她格外热情,后来才明白是想拉她一起冲流水。
做了一个浏览器插件,反而看到了曙光
转向 C 端之后,梦琪的团队做了一个叫 CLICK 的浏览器插件,解决一个问题:你开了一堆 Tab,一直切换,找不到信息。同时支持光标旁边唤起 AI 写作。
她说这个产品"能说出 100 个替代品的名字",功能极其简单。
但就是这么一个产品,收到了来自南非用户的反馈:用了这个产品之后,终于能沉浸式干一件事了,不需要在屏幕上划来划去,让焦虑一点点叠加。
这给了她一个关于 C 端产品的核心判断:只要能缩短用户意图和解决方案之间的距离,你就有价值。
CLICK 的价值不是功能有多复杂,而是把"想用 AI 写这段话"这个意图,从"截图→打开 ChatGPT→写 prompt→复制回来"压缩成了"按一个按钮"。
后来他们把 CLICK 扩展成了客户端产品,做了三个月,截止到录制前一天晚上,已经是第 49 个版本了,还有 bug,但稳定性在同类产品里算高的。
软件是由 15,000 个细节组成的,你多吃一个细节,用户体验好一点。
两种 C 端生意,她选了健身房
第一类是大 R 运营:找一批高消耗用户,一个月给你出几万美金的那种,用户量不多,但客单极高。
Lovable 这类产品的用户量没有想象中多,但一两万个超级用户就够吃了。
第二类是健身房模式:收订阅费,赌用户不会天天来用,或者赌他们的 token 用不满。
梦琪选了健身房模式,因为她不想做一个毛利极低的业务。
用 Reddit 做用研,比你想象的有用
梦琪分享了一个她觉得很有效的用研方法:大量泡 Reddit。
更重要的是,他们在 Reddit 上发了大量帖子,把每个产品决策拆成决策漏斗,每一层对应 40 到 50 个帖子发出去,回收所有反馈。
她说泡 Reddit 最大的好处是:你会发现很多问题 AI 这么牛了还没解决,比如 context switching(上下文切换) 的问题,每天都有人在吐槽"我在几个 context 里一直切换,我脑子要分裂了"。
因为你看到的是真实的、没被解决的需求,而不是投资人 PPT 里的市场分析。
刚拿到融资,是创始人最接近"愚昧之巅"的时刻
她说创业初期招了一些很厉害的科学家,现在有些在美国的 Research lab(研究机构) 里。
但那些决策不是基于真正的市场需求,而是"我得装一下,我得满足自己的虚荣心,我得展示我有能力把他们都招来"。
她的结论是:大部分纯应用的创业公司不需要任何算法工程师。
你用不上,快放人家去训模型吧。招这个人,纯属给投资人看,显得阵容豪华。
她还说:刚拿到融资的时候,往往是创始人最接近"愚昧之巅"的时刻。
觉得自己讲得太好了,怎么这么能造概念,怎么这么能总结,怎么这么能融会贯通。
等真正做事之后才发现,落地是如此恶心,细节是如此之多。
"XX 已死,XX 永生"是 AI 圈的番茄小说
她的逻辑是:商业社会里所有的竞争,都不是一瞬间完成的。
某个 AI 产品出来,做 workflow 的公司不会立刻死。
自媒体特别喜欢把一个漫长的、可能有点枯燥的竞争过程,压缩成几秒钟发生的短剧剧情。
她还有一个观察:AI 的渗透率其实远没有行业内的人想象的高。
她在旧金山做过田野调查,在 101 公路上打了大广告牌的 Wispr Flow,只有 40% 的人知道,知道的人里真正付费在用的可能只有 20%。
还有创业者在路边随机问人"你用不用 ChatGPT",结果很多人根本不知道。
需求是多分层的,渗透率还足够低,这是她乐观的理由。
上一个产品是证明题,这个是简答题
梦琪说,她一直没有做过"全球首款 xxx"的大宣发。
但夜深人静的时候,她问自己真实的原因:因为对那个产品不满意,不相信它。
她现在的状态是:这个产品再垃圾,你怎么骂我,我就爱这个产品。这是她的 spark(动力源泉)。
她把上一个产品定性为"机会主义者,迎合市场,想交作业,想做证明题"。
她说有一些事是 AI 代替不了的:人内心深处的那种火,那种光,那种 spark。
这是人身上最宝贵的部分,也是她认为一定要保护好的东西。
创业者的牵引力来自哪里
她说创业者有非常多的牵引力:投资人给的、市场给的、员工给的、用户给的。
她反思自己过去,外界的牵引力太多,用户的牵引力太少。
用户的牵引力,才是决定你能不能做出好产品的核心因素。
她还说了一句话,可以当作整个复盘的注脚:创业不能用太多左脑。
天天盘概念、推逻辑,被所谓的叙事骗了,然后总是推倒重来,而不是用心去感受你真正想做什么。
如果你现在也在做软件,或者在考虑要不要做,梦琪的这一年给出了一个可以直接对照的清单:
你的产品是在解决真实需求,还是在讲一个好听的故事?
你服务的是专业用户还是普通用户,这两条路通向的终点完全不同。
你的牵引力主要来自用户,还是来自投资人和市场热点?
你对这个产品有没有那种"不做会后悔死"的感觉,还是只是觉得这个机会比较合适?