Airtable CEO：这就是顶尖1%的人如何利用AI丨Silicon Valley Girl
Airtable CEO：这就是顶尖1%的人如何利用AI丨Silicon Valley Girl
Airtable CEO：这就是顶尖1%的人如何利用AI丨Silicon Valley Girl Airtable CEO：这就是顶尖1%的人如何利用AI丨Silicon Valley Girl Modified June 25 🔗 原文链接： https://mp.weixin.qq.com/s? biz=Mz... 原创 Capihom Capihom 晚点再听LaterCast2026年6月24日 22:24 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "如果你几乎能以零成本雇到任意多的人，你会把哪些角色雇进来？" "我们正在把循环闭上：教会 Agent 我们的品味，教会它们我们如何给反馈。" "最会用这项技术的人，会变得几乎像超人。" Howie Liu 是 Airtable 的 CEO，这家公司被超过 80% 的 Fortune 100 企业使用。他这次在 Silicon Valley Girl 的对话里，没有停在又一个 AI 工具清单上，重点落在一个更贴近管理者和产品人的变化：当 Agent 开始能跑几个小时的任务，人的工作会从亲手执行，转向设计任务、喂给上下文、判断结果。 原视频标题说的是“AI 前 1% 用户在做什么”，Howie 给出的答案很具体：他们已经在管理一支由 Agent 组成的小队。 这支小队不一定长在一个华丽后台里，可能在 Claude Code、OpenClaw、Telegram Bot、Perplexity Computer 或 Hyper Agent 之间切换；能力差距也不来自会背多少提示词，更多来自能不能把自己的工作拆成可委派、可检查、可复盘的任务。 从聊天框走到闭环 Howie 先把过去两年的 AI 体验拆成三段。ChatGPT 之后，聊天机器人成熟了，人可以在对话框里做很多事；随后行业很早开始喊“Agent 之年”，Salesforce 的 Marc Benioff 甚至说未来 CEO 会同时管理人类员工和 Agent 员工。Howie 的判断是，那个判断方向没错，只是来得太早。现在模型能力跨过一条线，Agent 不再只等人下一句指令，开始能带着目标往前走。 "我们进入了一个阶段，Agent 终于能像人一样自主做事。" 从产品形态看，变化不在于回答更漂亮，而在于系统开始能闭环。 主持人举了一个例子：过去没人敢让 AI 自动替你发 LinkedIn，现在团队开始想办法让 Agent 学会个人品味、反馈方式和发布边界。AI 从搜索框走向工作流，读者熟悉的审批、复盘、内容分发、项目跟进，都被放进新的流程里。Howie 还提到，OpenAI、Anthropic 和开源模型都在逼近足够智能的水位，Agent 产品形态必须跟着重做：不能只给一个更聪明的输入框，要能让它连续跑、跨工具跑、带着历史反馈跑。 先教会 Agent 你的品味 主持人提到自己公司里的一个瓶颈：所有内容都要经过她反馈，她经常在忙，团队就卡住。她设想把 Telegram 里的历史反馈下载出来，让一个 Bot 进入团队群，学习她怎么评价稿子、怎么决定要不要发。Howie 认为这正是新一代 Agent 的入口。Agent 要替人做判断，第一步先让它读懂一个人的偏好、语气和决策痕迹，再把有限任务交给它试运行。 "我成了瓶颈，因为所有内容都要经过我。" 很多团队的真实瓶颈，不在工具数量，而在少数人的品味和反馈无法扩散。 如果 Agent 能看到日程、聊天记录、过往反馈和业务目标，它就不只是执行脚本，而是慢慢变成一个“虚拟的 Howie”或“虚拟的主编”。这类 Agent 仍然要接受人的确认，但它已经能提前筛掉大量低质量选择。主持人的设想很日常：忙的时候让 Agent 先给团队一轮反馈，人回来只看争议点。对内容、产品、销售团队都一样，老板或负责人不必每次从空白页开始重讲标准。 工程师已经在并行带队 Howie 用开发工具做类比：GitHub Copilot 最早像自动补全，只能帮开发者写几行代码；Cursor 的 Composer 让 AI 可以生成一个文件或函数；现在最强的开发者开始同时使用多个 Agent，比如 Claude Code，让它们并行处理任务。他自己写代码时，会在睡前安排 Agent 做一段实质工作，早上醒来再看结果。 "最好的开发者已经在并行运行很多不同的 Agent。" 软件工程里的分水岭，是开发者开始像管理团队一样管理 Agent。 以前的效率提升发生在键盘旁边，现在的效率提升发生在任务队列里。一个 Agent 改脚本，一个 Agent 检查错误，一个 Agent 准备说明文档。人仍然负责最后判断，但夜里的算力和上下文不再空转。Howie 说，个人从 IC 变成 manager 时会经历一次身份转换；现在熟练开发者也在经历类似转换，任务从“我来写这一段”变成“我如何让几个 Agent 分头推进，并在早上检查它们留下的结果”。 内容团队的瓶颈开始松动 主持人也把这种变化拉回内容团队。她说公司没有明显扩张团队，却能产出大约三倍内容，因为一个人可以同时处理 GEO、newsletter、threads，另一个人再覆盖其他渠道，研究选题也可以由 Agent 帮忙。Howie 补充说，内容里的高杠杆循环已经出现：Agent 草拟内容，人做审核，发布后 Agent 再分析什么有效、什么没有效果。 "Agent 可以帮你闭上循环：起草内容、分析表现，再看外部什么正在起势。" 增长和内容团队会先感到变化，因为它们的工作天然有大量重复格式和反馈数据。 一篇访谈可以变成 newsletter、短帖、视频简介和选题复盘；X、Substack、LinkedIn 的表现又能反过来喂给下一轮内容。人的精力从复制粘贴里释放出来，转向判断哪个角度值得继续下注。主持人说，一个人现在能覆盖 GEO、newsletter、threads 等多个出口，另一个人再管其他渠道；研究选题、观察竞品、整理数据，过去分散在很多小动作里，现在可以被 Agent 串成每日或每周节奏。 Telegram 可能成为 Agent 办公室 Howie 特别提到 Telegram。他认为在消息平台里，Telegram 可能成为 Agent 很重要的落点，因为 Bot 部署和互动体验足够顺手。Hyper Agent 已经有 Telegram 集成，用户可以把 Agent 放进群聊，让它在团队频道里听上下文，必要时被 @ 出来，去查资料、做总结、跟进事项。 "Telegram 有机会成为 Agent 在消息系统里的主导平台。" Agent 不是只住在一个独立应用里，它会进入团队已经工作的地方。 Slack、Telegram、邮件、日历和浏览器，都会变成它读取上下文和推送结果的接口。主持人的场景很典型：她希望 Agent 在忙碌日替她给团队反馈。这个动作不炫，但能直接减少团队等待。Howie 还提到实时模式：Agent 可以按心跳节奏醒来，看新邮件、日历、群聊和待办，再通过 Telegram、Slack 或邮件推送。它像一个一直在旁边值班的助理，只有发现值得打断人的信息时才敲门。对管理者、创作者和产品负责人而言，这种形态比单次问答更接近真实工作：信息先在后台被看见、被筛选、被排队，人只在需要判断时进入。 让 Agent 去跑完整任务 Howie 展示了一个 Hyper Agent 的例子：为一次小型 billboard campaign 选点。Agent 不只是生成营销点子，还能拿到纽约、洛杉矶、旧金山的广告位库存，交叉查看 Google Street View 和 Google Maps，把具体街道、视角和展示效果放在地图上。这个流程以前需要市场、运营和设计之间来回确认，现在可以被一个 Agent 拉成一条任务链。 "它可以处理地点、地图和街景，甚至展示广告牌在街上的样子。" 判断 Agent 是否有用，别只问它能不能写文案，要看它能不能跨工具完成一整段流程。 从找库存、看位置，到生成素材和汇总结果，Agent 的价值在于减少人工转手。营销活动、竞品监测、销售线索、会议跟进，都会被重新切成可以委派的任务包。Howie 喜欢的是 Agent 能把街景、地图、广告位、素材和投放选择放到同一张桌上，让人用更少来回做决定。 Builder 心态从找痛点开始 谈到个人如何开始，Howie 给的步骤很朴素：先找几个低风险的个人或工作场景；把问题列出来；再让 Agent 去试。比如他提到，有人可以做一个 Agent 监控二手车列表，按照预算、车型和配置筛选；也可以做积分机票优化，把不同信用卡点数放在一起比。工作里也一样，品牌合作、库存追踪、营销实验都可以从一个小任务开始。 "找出你想解决的问题，大概占了 80% 的战斗。" AI 前 1% 用户的共同点，是先变成问题猎人，再变成工具使用者。 Howie 说，过去定制软件很难，写代码本身占掉大部分成本；现在更值得投入时间的是列清楚“我到底想解决哪些麻烦”。低风险场景能让人少一点 ROI 压力，多一点试错空间。Howie 建议不要一上来就把核心业务押进去，可以先让 Agent 盯学校邮件、找二手车、整理品牌合作，或给团队做一份每周“还能雇哪些 Agent”的清单。玩的成分越多，学习速度反而越快。他还用了一个很形象的说法：Agent 让很多过去只有大公司或有钱团队才配得上的“奢侈岗位”变便宜了，比如旅行礼宾、价格监控、资料研究、候选方案整理。一个人不必真的雇全职人员，也能拥有一批小而专的帮手。Howie 还强调，进入 Agent 工作方式后，清单比灵感更重要：把一周里反复拖延、反复复制、反复等待别人回复的环节列出来，才知道该把哪个岗位“招”进自己的 Agent 团队。 人的判断被放到更高杠杆 访谈后半段，主持人问了一个更管理化的问题：当 Agent 给你源源不断地找信息、提方案，人会不会被更多决策淹没？Howie 的回答抓住了这场变化的核心：在 Agent 世界里，最能放大的仍然是人的好判断。会用 Agent 的人会把判断分发到更多线程上，同时保留最后拍板权。 "你会有一支 Agent 团队，你给它们好的判断和反馈，就像一个高效的人类 CEO。" 未来的个人效率，越来越像一个小型公司的管理问题。 一个人可以让 Agent 做内容实验、商业模式测试、微型站点、产品功能探索，很多尝试不会成功，但出手机会会变多。Howie 说，最强的人会像 CEO 管人一样管 Agent：设方向、给反馈、看结果，再决定下一步。他把未来的创业也讲得很具体：一个人可以做在线零售、内容业务或软件业务，因为市场、库存、站点、营销和客服的一部分工作都能被拆给 Agent。公司规模不一定先变大，尝试次数会先变多。这里也呼应了 Airtable 的底层信念：把原本属于工程团队的软件能力，交给更多业务人员。Agent 时代延续了同一条线，只是“做应用”的门槛进一步变成“描述任务、配置上下文、校准结果”。 写在最后 这期对话最有价值的地方，是它没有把 Agent 讲成遥远概念。Howie 的建议很可执行：从一个低风险任务开始，列出你反复处理的麻烦，给 Agent 足够上下文，再用你的判断去校准它。先别追逐所有新品，先让一个流程真的省下时间。哪怕只是每天少查十分钟消息、少手工整理一次清单，也会让团队更早感到变化，并留下可复用、可训练、可复盘的做法。等它稳定了，再把你的品味、标准和复盘写进去，让系统下一次少问一句、多做一步。AI 前 1% 用户领先的地方，往往在于把一件小事交给 Agent 之后，真的让它回到工作现场。 内容来源："Airtable CEO: This Is What the Top 1% Do With AI | Howie Liu"丨Silicon Valley Girl 原视频：https://www.youtube.com/watch?v=bzfklNb1wjc&t=199s Audio or video is not supported Please download the file and open it with the appropriate software. dl.mp4 · 91.43MB dl 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s? biz=Mz... 🔗 原文链接： https://mp.weixin.qq.com/s? biz=Mz... https://mp.weixin.qq.com/s? biz=Mz... 原创 Capihom Capihom 晚点再听LaterCast2026年6月24日 22:24 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "如果你几乎能以零成本雇到任意多的人，你会把哪些角色雇进来？" "我们正在把循环闭上：教会 Agent 我们的品味，教会它们我们如何给反馈。" "最会用这项技术的人，会变得几乎像超人。" Howie Liu 是 Airtable 的 CEO，这家公司被超过 80% 的 Fortune 100 企业使用。他这次在 Silicon Valley Girl 的对话里，没有停在又一个 AI 工具清单上，重点落在一个更贴近管理者和产品人的变化：当 Agent 开始能跑几个小时的任务，人的工作会从亲手执行，转向设计任务、喂给上下文、判断结果。 原视频标题说的是“AI 前 1% 用户在做什么”，Howie 给出的答案很具体：他们已经在管理一支由 Agent 组成的小队。 这支小队不一定长在一个华丽后台里，可能在 Claude Code、OpenClaw、Telegram Bot、Perplexity Computer 或 Hyper Agent 之间切换；能力差距也不来自会背多少提示词，更多来自能不能把自己的工作拆成可委派、可检查、可复盘的任务。 从聊天框走到闭环 Howie 先把过去两年的 AI 体验拆成三段。ChatGPT 之后，聊天机器人成熟了，人可以在对话框里做很多事；随后行业很早开始喊“Agent 之年”，Salesforce 的 Marc Benioff 甚至说未来 CEO 会同时管理人类员工和 Agent 员工。Howie 的判断是，那个判断方向没错，只是来得太早。现在模型能力跨过一条线，Agent 不再只等人下一句指令，开始能带着目标往前走。 "我们进入了一个阶段，Agent 终于能像人一样自主做事。" 从产品形态看，变化不在于回答更漂亮，而在于系统开始能闭环。 主持人举了一个例子：过去没人敢让 AI 自动替你发 LinkedIn，现在团队开始想办法让 Agent 学会个人品味、反馈方式和发布边界。AI 从搜索框走向工作流，读者熟悉的审批、复盘、内容分发、项目跟进，都被放进新的流程里。Howie 还提到，OpenAI、Anthropic 和开源模型都在逼近足够智能的水位，Agent 产品形态必须跟着重做：不能只给一个更聪明的输入框，要能让它连续跑、跨工具跑、带着历史反馈跑。 先教会 Agent 你的品味 主持人提到自己公司里的一个瓶颈：所有内容都要经过她反馈，她经常在忙，团队就卡住。她设想把 Telegram 里的历史反馈下载出来，让一个 Bot 进入团队群，学习她怎么评价稿子、怎么决定要不要发。Howie 认为这正是新一代 Agent 的入口。Agent 要替人做判断，第一步先让它读懂一个人的偏好、语气和决策痕迹，再把有限任务交给它试运行。 "我成了瓶颈，因为所有内容都要经过我。" 很多团队的真实瓶颈，不在工具数量，而在少数人的品味和反馈无法扩散。 如果 Agent 能看到日程、聊天记录、过往反馈和业务目标，它就不只是执行脚本，而是慢慢变成一个“虚拟的 Howie”或“虚拟的主编”。这类 Agent 仍然要接受人的确认，但它已经能提前筛掉大量低质量选择。主持人的设想很日常：忙的时候让 Agent 先给团队一轮反馈，人回来只看争议点。对内容、产品、销售团队都一样，老板或负责人不必每次从空白页开始重讲标准。 工程师已经在并行带队 Howie 用开发工具做类比：GitHub Copilot 最早像自动补全，只能帮开发者写几行代码；Cursor 的 Composer 让 AI 可以生成一个文件或函数；现在最强的开发者开始同时使用多个 Agent，比如 Claude Code，让它们并行处理任务。他自己写代码时，会在睡前安排 Agent 做一段实质工作，早上醒来再看结果。 "最好的开发者已经在并行运行很多不同的 Agent。" 软件工程里的分水岭，是开发者开始像管理团队一样管理 Agent。 以前的效率提升发生在键盘旁边，现在的效率提升发生在任务队列里。一个 Agent 改脚本，一个 Agent 检查错误，一个 Agent 准备说明文档。人仍然负责最后判断，但夜里的算力和上下文不再空转。Howie 说，个人从 IC 变成 manager 时会经历一次身份转换；现在熟练开发者也在经历类似转换，任务从“我来写这一段”变成“我如何让几个 Agent 分头推进，并在早上检查它们留下的结果”。 内容团队的瓶颈开始松动 主持人也把这种变化拉回内容团队。她说公司没有明显扩张团队，却能产出大约三倍内容，因为一个人可以同时处理 GEO、newsletter、threads，另一个人再覆盖其他渠道，研究选题也可以由 Agent 帮忙。Howie 补充说，内容里的高杠杆循环已经出现：Agent 草拟内容，人做审核，发布后 Agent 再分析什么有效、什么没有效果。 "Agent 可以帮你闭上循环：起草内容、分析表现，再看外部什么正在起势。" 增长和内容团队会先感到变化，因为它们的工作天然有大量重复格式和反馈数据。 一篇访谈可以变成 newsletter、短帖、视频简介和选题复盘；X、Substack、LinkedIn 的表现又能反过来喂给下一轮内容。人的精力从复制粘贴里释放出来，转向判断哪个角度值得继续下注。主持人说，一个人现在能覆盖 GEO、newsletter、threads 等多个出口，另一个人再管其他渠道；研究选题、观察竞品、整理数据，过去分散在很多小动作里，现在可以被 Agent 串成每日或每周节奏。 Telegram 可能成为 Agent 办公室 Howie 特别提到 Telegram。他认为在消息平台里，Telegram 可能成为 Agent 很重要的落点，因为 Bot 部署和互动体验足够顺手。Hyper Agent 已经有 Telegram 集成，用户可以把 Agent 放进群聊，让它在团队频道里听上下文，必要时被 @ 出来，去查资料、做总结、跟进事项。 "Telegram 有机会成为 Agent 在消息系统里的主导平台。" Agent 不是只住在一个独立应用里，它会进入团队已经工作的地方。 Slack、Telegram、邮件、日历和浏览器，都会变成它读取上下文和推送结果的接口。主持人的场景很典型：她希望 Agent 在忙碌日替她给团队反馈。这个动作不炫，但能直接减少团队等待。Howie 还提到实时模式：Agent 可以按心跳节奏醒来，看新邮件、日历、群聊和待办，再通过 Telegram、Slack 或邮件推送。它像一个一直在旁边值班的助理，只有发现值得打断人的信息时才敲门。对管理者、创作者和产品负责人而言，这种形态比单次问答更接近真实工作：信息先在后台被看见、被筛选、被排队，人只在需要判断时进入。 让 Agent 去跑完整任务 Howie 展示了一个 Hyper Agent 的例子：为一次小型 billboard campaign 选点。Agent 不只是生成营销点子，还能拿到纽约、洛杉矶、旧金山的广告位库存，交叉查看 Google Street View 和 Google Maps，把具体街道、视角和展示效果放在地图上。这个流程以前需要市场、运营和设计之间来回确认，现在可以被一个 Agent 拉成一条任务链。 "它可以处理地点、地图和街景，甚至展示广告牌在街上的样子。" 判断 Agent 是否有用，别只问它能不能写文案，要看它能不能跨工具完成一整段流程。 从找库存、看位置，到生成素材和汇总结果，Agent 的价值在于减少人工转手。营销活动、竞品监测、销售线索、会议跟进，都会被重新切成可以委派的任务包。Howie 喜欢的是 Agent 能把街景、地图、广告位、素材和投放选择放到同一张桌上，让人用更少来回做决定。 Builder 心态从找痛点开始 谈到个人如何开始，Howie 给的步骤很朴素：先找几个低风险的个人或工作场景；把问题列出来；再让 Agent 去试。比如他提到，有人可以做一个 Agent 监控二手车列表，按照预算、车型和配置筛选；也可以做积分机票优化，把不同信用卡点数放在一起比。工作里也一样，品牌合作、库存追踪、营销实验都可以从一个小任务开始。 "找出你想解决的问题，大概占了 80% 的战斗。" AI 前 1% 用户的共同点，是先变成问题猎人，再变成工具使用者。 Howie 说，过去定制软件很难，写代码本身占掉大部分成本；现在更值得投入时间的是列清楚“我到底想解决哪些麻烦”。低风险场景能让人少一点 ROI 压力，多一点试错空间。Howie 建议不要一上来就把核心业务押进去，可以先让 Agent 盯学校邮件、找二手车、整理品牌合作，或给团队做一份每周“还能雇哪些 Agent”的清单。玩的成分越多，学习速度反而越快。他还用了一个很形象的说法：Agent 让很多过去只有大公司或有钱团队才配得上的“奢侈岗位”变便宜了，比如旅行礼宾、价格监控、资料研究、候选方案整理。一个人不必真的雇全职人员，也能拥有一批小而专的帮手。Howie 还强调，进入 Agent 工作方式后，清单比灵感更重要：把一周里反复拖延、反复复制、反复等待别人回复的环节列出来，才知道该把哪个岗位“招”进自己的 Agent 团队。 人的判断被放到更高杠杆 访谈后半段，主持人问了一个更管理化的问题：当 Agent 给你源源不断地找信息、提方案，人会不会被更多决策淹没？Howie 的回答抓住了这场变化的核心：在 Agent 世界里，最能放大的仍然是人的好判断。会用 Agent 的人会把判断分发到更多线程上，同时保留最后拍板权。 "你会有一支 Agent 团队，你给它们好的判断和反馈，就像一个高效的人类 CEO。" 未来的个人效率，越来越像一个小型公司的管理问题。 一个人可以让 Agent 做内容实验、商业模式测试、微型站点、产品功能探索，很多尝试不会成功，但出手机会会变多。Howie 说，最强的人会像 CEO 管人一样管 Agent：设方向、给反馈、看结果，再决定下一步。他把未来的创业也讲得很具体：一个人可以做在线零售、内容业务或软件业务，因为市场、库存、站点、营销和客服的一部分工作都能被拆给 Agent。公司规模不一定先变大，尝试次数会先变多。这里也呼应了 Airtable 的底层信念：把原本属于工程团队的软件能力，交给更多业务人员。Agent 时代延续了同一条线，只是“做应用”的门槛进一步变成“描述任务、配置上下文、校准结果”。 写在最后 这期对话最有价值的地方，是它没有把 Agent 讲成遥远概念。Howie 的建议很可执行：从一个低风险任务开始，列出你反复处理的麻烦，给 Agent 足够上下文，再用你的判断去校准它。先别追逐所有新品，先让一个流程真的省下时间。哪怕只是每天少查十分钟消息、少手工整理一次清单，也会让团队更早感到变化，并留下可复用、可训练、可复盘的做法。等它稳定了，再把你的品味、标准和复盘写进去，让系统下一次少问一句、多做一步。AI 前 1% 用户领先的地方，往往在于把一件小事交给 Agent 之后，真的让它回到工作现场。 内容来源："Airtable CEO: This Is What the Top 1% Do With AI | Howie Liu"丨Silicon Valley Girl 原视频：https://www.youtube.com/watch?v=bzfklNb1wjc&t=199s Audio or video is not supported Please download the file and open it with the appropriate software. dl.mp4 · 91.43MB dl 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. dl.mp4 · 91.43MB dl 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣