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 · X 2026-06-03 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？