14天造出一台AI Native计算机：Happycapy 和下一代人机协作的故事

14天造出一台AI Native计算机：Happycapy 和下一代人机协作的故事 14天造出一台AI Native计算机：Happycapy 和下一代人机协作的故事 Modified April 22 Opus 太贵了，徐明很诚实地说，Happycapy 目前是在补贴用户，成本非常高。即使在有周限额的情况下，补贴力度依然很大。 90%的付费用户七天之后还在用，但收入确实无法覆盖成本。怎么办？一方面，团队在跟 Minimax、Kimi 等国产模型合作，丰富用户的选择。 Minimax 2.7在一些稍微没那么复杂的场景里，体验还可以。另一方面，他们在做一些工程研究，希望有创新突破能缓解 TOKEN 焦虑。具体怎么解决不能剧透，但这是从 Trickle 时期积累的上下文处理经验延续过来的。当时是为了解决上下文装不下的问题，现在可以解决上下文贵的问题。还有一个办法是用 Skill。徐明举了个例子，Anthropic 官方推荐的写 PPT 的 skill，最早版本执行150多步，非常浪费 TOKEN。最近的版本精简到20步，TOKEN 省了七八倍。更优秀的方法论，能把成本真正降下来。这就像一台车，发动机是 V8 的很耗油，但总有一些人的开车技巧能让它省油一点。十二、Skills 生态的未来 Happycapy 上有很多 skills，目前能搜索到网络上所有的 skills，应该有40万条。但徐明有一个观点，Skills 不是未来。为什么？同样做 PPT 这一件事情，你能搜到800个 skills。你怎么去平衡这些 skills？而且我们现在的计算机上安装了很多 Skills，但它们类型完全不一样。做前端开发的时候需要这一些 Skills，写文章的时候又需要另一些 Skills。徐明判断，Skills 上面可能还会有一层封装，是 Agent 或者是Skills的集合。现在看到的 Skills 应用市场，可能是一个中间状态。团队 CTO 做的那个美股交易员就是一个例子。它不是一个 Skill，而是一套 Skills，加上人类的智慧，以及 Agent 在试错当中积累的经验和记忆系统。它打包在一起，是一个 Agent。这个东西有很强的被分享和被复用的价值。十三、普通人怎么用很多人面对新产品会茫然无措，不知道该怎么用。徐明的建议很实在。第一，茫然感是正常的。他回想起自己小时候学计算机，前一两年其实都是很茫然的。真正的启蒙点是玩游戏，为了玩游戏要改很多配置文件，在这个过程中学会了很多东西。所以他在思考，有没有一个打引号的 Agent 的游戏，一个 Playground，让大家在没有那么严肃、没有那么压力的情况下，把 Agent 入门给解决了。第二，先找一个你日常真的要用的场景，在用这个场景的过程中慢慢学习。不要上来就看着左边的功能菜单一个一个学下来，那样会很茫然。把一个工作生活中已经有的小问题丢给它，比如帮我写一个 PPT，或者帮我整理一些数字、整理一些 Excel 表。从这个过程中去解决问题，去学习。至于怎么养成把任务交给 Agent 的习惯？从简单的、大量重复的、一句话能说清楚的任务开始。徐明自己的例子，每天凌晨12点让 Agent 去看所有人提的 PR，总结一下，看看有没有潜在的 Bug，如果有的话再给一个修复建议，每天早上起来给他发封邮件。另外他有个 Automation 自动化流，每天凌晨3点去扫描开源项目的代码更新和商业化产品的文档更新，最后写一份简报发给他。这些任务听起来很简单，很容易描述清楚，大量重复。很多 Automation（自动化）的项目都是一句话能说清楚的。十四、五个"不要" 当被问到创业者应该避免什么时，徐明给出了五个建议： 1. 不要再做龙虾套壳了。已经太多了。如果要做，去做优化版的龙虾，那甚至更有意义。 2. 不要再做去年范式下的 Agent。去年那个范式下的大模型套壳真的不要再做了。如果要套壳，套 Claude Code，Agent 套壳是可以的。 3. 不要再做 GUI 的产品。应用主力做 Agent，做 CLI。 4. 不要局限在单机。龙虾这一类单机其实已经挺好了，不要再过多研究它单机的性能了。想想它们联网之后会怎么样。计算机一定会联网。 5. 不要只看 C 端场景。很多 B 端还是有机会的，可能也不一定有你想的那么难。还有一个更本质的建议。找到大厂没有立场去解决的问题。比如 TOKEN 贵这件事，不是 Anthropic 的困扰，是用户的困扰。 Anthropic 的工程师不会吃不下饭睡不着觉每天想着优化 TOKEN 成本，他们要把 ARR 做大，要上市，要 IPO。找到正确的问题，找到大厂的立场，他没有意愿、没去解决的问题。或者说，干了对他们没好处的事，所以他们没有很强的意愿去干。永远有一波他们不愿意干的事。十五、为 Agent 打造产品什么样的 Agent 产品值得长期关注？徐明的回答是，为 Agent 打造产品，值得长期关注。不是 Agent 产品本身，而是为 Agent 打造的产品。比如，Agent 需要有自己的支付、自己的钱包、自己的邮箱，甚至自己的电话。今天我们都是在强迫 Agent 去访问人类的网络，它有诸多限制。比如让它上 Twitter 就不是很顺畅。但 Twitter 一定会变得对 Agent 友好，对合法的 Agent 友好。 Agent 也会有自己的 Twitter，有自己的 Facebook。现在想让 Agent 去京东帮我买一个东西，还是比较复杂的。但京东会变成欢迎 Agent，或者说会有新的欢迎 Agent 的新京东出现。徐明觉得这个事情 3 到 6 个月就会有，很值得期待。十六、Agent 越来越强，和 AGI 还有什么区别 Agent让人类终于找到了大模型的正确使用方法。这是通向 AGI 的正确道路之一。但它不完全是 AGI，因为今天理论上 Agent 只是接管了我们的计算机。它的能力边界是人类使用计算机的能力边界。但人类的智慧可不只在于数字世界操作计算机。人类还有很大的世界可以去操作。所以它是通向 AGI 重要的一环，是找到了正确的方向之一。十七、AI 会抢饭碗吗这是个绕不开的问题。徐明说，短期内确实会是一个混乱的过程。但他给程序员的例子很有意思。以前的焦虑是35岁被裁，现在只要你愿意，代码可以写到60岁。因为写代码已经不是体力劳动了，Agent 把体力劳动那部分接管了，脑力劳动可以工业化了，但人可以贡献智慧。年龄已经不是很大的因素了，关键在于思维方式是不是能够跟 Agent 一起协作，而且一定要变成 Agent 为主、人类为辅的方式。有两类人用 agent 写代码最好，一类是老师傅，过去的经验非常丰富，有很多跨类型的经验。还有一类是完全没有经验的年轻人、高中生。这两类人都可以把 agent 写代码写得非常好。另一个建议是降低预期。不要期望 Agent 一夜之间帮你赋能10倍，从简单的事情着手，能提效20%、30%就很好了。把预期降下来的时候，人反而就没有那么焦虑。长远来看，很多基础工作会被解放出来，大家又开始去做更加有创意的事情。人类工作时长会越来越短，可能一周四天、三天。十八、预期管理的边界很多人对 AI Agent 最大的误解是什么？预期。因为网上新闻看得太多了，会预期说所有事情交给它就能解决了。这是比较大的一个误区。现阶段对 Agent 比较务实的想法是，这个任务是你自己能做的，且你知道这个结果是好还是坏，然后你用 Agent 来先做。就像徐明跟他爸说的，炒股这件事他自己是知道的，且他自己会操盘，他也知道什么是亏钱、什么是赚钱。这个时候用 Agent 来替代是一个比较务实的阶段。而不是说你可能完全不知道这件事怎么做，你就让 Agent 像一个魔盒一样帮你搞定了，那这个是不太现实的。还有一个有意思的现象。有经验的人在使用 Agent 的时候，可能会因为自己的经验限制了自己的想象力，反而用得没有那么好。比如编程领域，有一些有通识性知识的人去做编程的时候，在某些领域上反而胜过了一些编程的老师傅。因为老师傅会把具体定义得非常明确，你要用什么方法、用什么框架、用什么路径去做什么事情，反而限制了 Agent。预期管理的边界在哪里？在于验收。我们可能不知道中间过程，不知道方法，但一定要知道什么是对的，什么是我想要的。你得知道说，我可能不知道这盘菜的配方是什么炒出来的，但我一定得说出来它是淡了还是咸了，是酸了还是苦了。你不能说它不好吃，你得说它有点太辣了，我不想吃这么辣。你得讲出这个程度的事情。这是对未来所有人的一个能力上的要求。十九、三年后最大的风险如果三年后回头看，Happycapy 最大的风险是什么？徐明说，更多还是来自自己，团队迟钝了，或者说对某些东西不够敏锐了。现在在一个巨大的变化当中，就像一个冲浪选手，其实不是浪把你打倒的，是你自己的姿势不对，或者你自己的状态不对。至于巨头碾压的问题，徐明的看法是，对于这个时代的创业者来说，永远还得是往前走。你不能做停下来的那种竞争，你得去探索能力边界上再往前去探索一点点，往外再拱一点。这是你能生存下来的第一个条件，是你能总是在边界上再往前探索一步，这是你比大厂唯一的优势。当年的 Manus 出来，再到龙虾，大家其实都是在现有的边界上往前再走了一步。这一波的创新才刚刚开始，那个边界上有很多的方向你可以去突破。二十、写在最后这场对话持续了两个多小时，信息量很大。但最打动我的，不是那些技术细节，而是徐明团队身上那股劲。看准方向就往前冲，用14天证明想法，用两个月跑出成绩。他们自己先变成了 AI Native 的工作方式，才做出了 Happycapy。财务同学完全转换成用 Agent 处理财务，设计师、前端、运营都在 GitHub 上协作，所有人的决策半径都变大了。这不是工具的胜利，是组织和个人先变了，工具才跟上来。范式变了，计算机正在重新被发明一遍。我们正站在这个变化的起点，看着下一代计算机慢慢成形。 Happycapy 只是开始。但更值得期待的，是这个时代本身。注：本文基于2026年3月28日"未来硅世界"第13期直播访谈整理。未来硅世界每双周的周六，和朋友一起围炉夜话，聊聊 AI。主持团队：向阳乔木、姚金刚、尼克西、元子。想了解更多，可以访问或加入社群交流。原文链接: https://blog.qiaomu.ai/2026 04 17 b7i5dg Opus 太贵了，徐明很诚实地说，Happycapy 目前是在补贴用户，成本非常高。即使在有周限额的情况下，补贴力度依然很大。 90%的付费用户七天之后还在用，但收入确实无法覆盖成本。怎么办？一方面，团队在跟 Minimax、Kimi 等国产模型合作，丰富用户的选择。 Minimax 2.7在一些稍微没那么复杂的场景里，体验还可以。另一方面，他们在做一些工程研究，希望有创新突破能缓解 TOKEN 焦虑。具体怎么解决不能剧透，但这是从 Trickle 时期积累的上下文处理经验延续过来的。当时是为了解决上下文装不下的问题，现在可以解决上下文贵的问题。还有一个办法是用 Skill。徐明举了个例子，Anthropic 官方推荐的写 PPT 的 skill，最早版本执行150多步，非常浪费 TOKEN。最近的版本精简到20步，TOKEN 省了七八倍。更优秀的方法论，能把成本真正降下来。这就像一台车，发动机是 V8 的很耗油，但总有一些人的开车技巧能让它省油一点。十二、Skills 生态的未来 Happycapy 上有很多 skills，目前能搜索到网络上所有的 skills，应该有40万条。但徐明有一个观点，Skills 不是未来。为什么？同样做 PPT 这一件事情，你能搜到800个 skills。你怎么去平衡这些 skills？而且我们现在的计算机上安装了很多 Skills，但它们类型完全不一样。做前端开发的时候需要这一些 Skills，写文章的时候又需要另一些 Skills。徐明判断，Skills 上面可能还会有一层封装，是 Agent 或者是Skills的集合。现在看到的 Skills 应用市场，可能是一个中间状态。团队 CTO 做的那个美股交易员就是一个例子。它不是一个 Skill，而是一套 Skills，加上人类的智慧，以及 Agent 在试错当中积累的经验和记忆系统。它打包在一起，是一个 Agent。这个东西有很强的被分享和被复用的价值。十三、普通人怎么用很多人面对新产品会茫然无措，不知道该怎么用。徐明的建议很实在。第一，茫然感是正常的。他回想起自己小时候学计算机，前一两年其实都是很茫然的。真正的启蒙点是玩游戏，为了玩游戏要改很多配置文件，在这个过程中学会了很多东西。所以他在思考，有没有一个打引号的 Agent 的游戏，一个 Playground，让大家在没有那么严肃、没有那么压力的情况下，把 Agent 入门给解决了。第二，先找一个你日常真的要用的场景，在用这个场景的过程中慢慢学习。不要上来就看着左边的功能菜单一个一个学下来，那样会很茫然。把一个工作生活中已经有的小问题丢给它，比如帮我写一个 PPT，或者帮我整理一些数字、整理一些 Excel 表。从这个过程中去解决问题，去学习。至于怎么养成把任务交给 Agent 的习惯？从简单的、大量重复的、一句话能说清楚的任务开始。徐明自己的例子，每天凌晨12点让 Agent 去看所有人提的 PR，总结一下，看看有没有潜在的 Bug，如果有的话再给一个修复建议，每天早上起来给他发封邮件。另外他有个 Automation 自动化流，每天凌晨3点去扫描开源项目的代码更新和商业化产品的文档更新，最后写一份简报发给他。这些任务听起来很简单，很容易描述清楚，大量重复。很多 Automation（自动化）的项目都是一句话能说清楚的。十四、五个"不要" 当被问到创业者应该避免什么时，徐明给出了五个建议： 1. 不要再做龙虾套壳了。已经太多了。如果要做，去做优化版的龙虾，那甚至更有意义。 2. 不要再做去年范式下的 Agent。去年那个范式下的大模型套壳真的不要再做了。如果要套壳，套 Claude Code，Agent 套壳是可以的。 3. 不要再做 GUI 的产品。应用主力做 Agent，做 CLI。 4. 不要局限在单机。龙虾这一类单机其实已经挺好了，不要再过多研究它单机的性能了。想想它们联网之后会怎么样。计算机一定会联网。 5. 不要只看 C 端场景。很多 B 端还是有机会的，可能也不一定有你想的那么难。还有一个更本质的建议。找到大厂没有立场去解决的问题。比如 TOKEN 贵这件事，不是 Anthropic 的困扰，是用户的困扰。 Anthropic 的工程师不会吃不下饭睡不着觉每天想着优化 TOKEN 成本，他们要把 ARR 做大，要上市，要 IPO。找到正确的问题，找到大厂的立场，他没有意愿、没去解决的问题。或者说，干了对他们没好处的事，所以他们没有很强的意愿去干。永远有一波他们不愿意干的事。十五、为 Agent 打造产品什么样的 Agent 产品值得长期关注？徐明的回答是，为 Agent 打造产品，值得长期关注。不是 Agent 产品本身，而是为 Agent 打造的产品。比如，Agent 需要有自己的支付、自己的钱包、自己的邮箱，甚至自己的电话。今天我们都是在强迫 Agent 去访问人类的网络，它有诸多限制。比如让它上 Twitter 就不是很顺畅。但 Twitter 一定会变得对 Agent 友好，对合法的 Agent 友好。 Agent 也会有自己的 Twitter，有自己的 Facebook。现在想让 Agent 去京东帮我买一个东西，还是比较复杂的。但京东会变成欢迎 Agent，或者说会有新的欢迎 Agent 的新京东出现。徐明觉得这个事情 3 到 6 个月就会有，很值得期待。十六、Agent 越来越强，和 AGI 还有什么区别 Agent让人类终于找到了大模型的正确使用方法。这是通向 AGI 的正确道路之一。但它不完全是 AGI，因为今天理论上 Agent 只是接管了我们的计算机。它的能力边界是人类使用计算机的能力边界。但人类的智慧可不只在于数字世界操作计算机。人类还有很大的世界可以去操作。所以它是通向 AGI 重要的一环，是找到了正确的方向之一。十七、AI 会抢饭碗吗这是个绕不开的问题。徐明说，短期内确实会是一个混乱的过程。但他给程序员的例子很有意思。以前的焦虑是35岁被裁，现在只要你愿意，代码可以写到60岁。因为写代码已经不是体力劳动了，Agent 把体力劳动那部分接管了，脑力劳动可以工业化了，但人可以贡献智慧。年龄已经不是很大的因素了，关键在于思维方式是不是能够跟 Agent 一起协作，而且一定要变成 Agent 为主、人类为辅的方式。有两类人用 agent 写代码最好，一类是老师傅，过去的经验非常丰富，有很多跨类型的经验。还有一类是完全没有经验的年轻人、高中生。这两类人都可以把 agent 写代码写得非常好。另一个建议是降低预期。不要期望 Agent 一夜之间帮你赋能10倍，从简单的事情着手，能提效20%、30%就很好了。把预期降下来的时候，人反而就没有那么焦虑。长远来看，很多基础工作会被解放出来，大家又开始去做更加有创意的事情。人类工作时长会越来越短，可能一周四天、三天。十八、预期管理的边界很多人对 AI Agent 最大的误解是什么？预期。因为网上新闻看得太多了，会预期说所有事情交给它就能解决了。这是比较大的一个误区。现阶段对 Agent 比较务实的想法是，这个任务是你自己能做的，且你知道这个结果是好还是坏，然后你用 Agent 来先做。就像徐明跟他爸说的，炒股这件事他自己是知道的，且他自己会操盘，他也知道什么是亏钱、什么是赚钱。这个时候用 Agent 来替代是一个比较务实的阶段。而不是说你可能完全不知道这件事怎么做，你就让 Agent 像一个魔盒一样帮你搞定了，那这个是不太现实的。还有一个有意思的现象。有经验的人在使用 Agent 的时候，可能会因为自己的经验限制了自己的想象力，反而用得没有那么好。比如编程领域，有一些有通识性知识的人去做编程的时候，在某些领域上反而胜过了一些编程的老师傅。因为老师傅会把具体定义得非常明确，你要用什么方法、用什么框架、用什么路径去做什么事情，反而限制了 Agent。预期管理的边界在哪里？在于验收。我们可能不知道中间过程，不知道方法，但一定要知道什么是对的，什么是我想要的。你得知道说，我可能不知道这盘菜的配方是什么炒出来的，但我一定得说出来它是淡了还是咸了，是酸了还是苦了。你不能说它不好吃，你得说它有点太辣了，我不想吃这么辣。你得讲出这个程度的事情。这是对未来所有人的一个能力上的要求。十九、三年后最大的风险如果三年后回头看，Happycapy 最大的风险是什么？徐明说，更多还是来自自己，团队迟钝了，或者说对某些东西不够敏锐了。现在在一个巨大的变化当中，就像一个冲浪选手，其实不是浪把你打倒的，是你自己的姿势不对，或者你自己的状态不对。至于巨头碾压的问题，徐明的看法是，对于这个时代的创业者来说，永远还得是往前走。你不能做停下来的那种竞争，你得去探索能力边界上再往前去探索一点点，往外再拱一点。这是你能生存下来的第一个条件，是你能总是在边界上再往前探索一步，这是你比大厂唯一的优势。当年的 Manus 出来，再到龙虾，大家其实都是在现有的边界上往前再走了一步。这一波的创新才刚刚开始，那个边界上有很多的方向你可以去突破。二十、写在最后这场对话持续了两个多小时，信息量很大。但最打动我的，不是那些技术细节，而是徐明团队身上那股劲。看准方向就往前冲，用14天证明想法，用两个月跑出成绩。他们自己先变成了 AI Native 的工作方式，才做出了 Happycapy。财务同学完全转换成用 Agent 处理财务，设计师、前端、运营都在 GitHub 上协作，所有人的决策半径都变大了。这不是工具的胜利，是组织和个人先变了，工具才跟上来。范式变了，计算机正在重新被发明一遍。我们正站在这个变化的起点，看着下一代计算机慢慢成形。 Happycapy 只是开始。但更值得期待的，是这个时代本身。注：本文基于2026年3月28日"未来硅世界"第13期直播访谈整理。未来硅世界每双周的周六，和朋友一起围炉夜话，聊聊 AI。主持团队：向阳乔木、姚金刚、尼克西、元子。想了解更多，可以访问或加入社群交流。原文链接: https://blog.qiaomu.ai/2026 04 17 b7i5dg 原文: 14天造出一台AI Native计算机：Happycapy 和下一代人机协作的故事 14天造出一台AI Native计算机：Happycapy 和下一代人机协作的故事一、范式转变的那个瞬间 2026年1月，徐明和团队做了一个决定，放下做了几年的 Trickle.so，用14天时间造一个全新的产品。这不是心血来潮。 Trickle 是一个生产力工具，帮普通用户做前端 coding，走的是 vibe coding 路线。团队在这个过程中积累了不少经验，也看到了一些可能性。但到了 Claude Code 出现的时候，徐明意识到，整个游戏规则变了。变化的核心在哪里？以前的 Agent 像 Manus 那样，是通过 Function calling 调用工具，Agent 住在沙盒外面，跟沙盒通过 API 通信。这就像给实习生发了50个不同的机械手，每完成一个工序就要换一个手。 Claude Code 带来的新范式是什么？只需要一个 bash，就像人类的一双灵巧的手，不需要预先定义工具，理论上就能干计算机上的所有事。更本质的是，Agent 从"住在沙盒外"变成了"住在计算机里"。这非简单的技术升级，而是 Agent 第一次拥有了操作电脑的灵巧手。徐明在内部测试 Claude Code 的时候发现了一些有趣的现象。非研发的同事看到 demo 很有兴趣，但自己尝试的时候，终端、VSCode 这些东西成了门槛。大家需要的不是一个开发工具，而是一个聊天界面加任务进度观察器。还有一个问题，Agent 要抢你的电脑用，安装门槛也不低。那为什么不直接给它一台电脑呢？这就是 Happycapy 的起点。二、14天和99% 14天做出第一版，这个速度确实极端。但更极端的是，99%的代码是 AI 写的。徐明说，在做 Trickle 的时候，AI 写的代码最多占四五成。到了 Happycapy，团队直接把比例拉到了99%。他们甚至放弃了人工 review 每一行代码的习惯，因为代码写得太快，多到没法 review。这是一次关于工作方式的实验。实验的结果是什么？代码仓库里出现了大量"废案"，就像游戏里那些做了一半没完成的内容。但团队欣然接受了这一点，接受了 Agent 这种级别的冗余，然后跟它一起协作去干掉这些冗余。这个过程本身就是 AI Native 工作方式的演练。组织和个人先从量变到质变，才有了工具的 AI Native。比做一个客户端要难不少，因为云端方案涉及安全性、调度、SDK 控制、用户权限等等复杂问题。但团队一开始的目标很明确，不是做一个完美的产品，而是做一个能用的、开箱即用的方案。先上线，再迭代。三、为什么叫 HappyCapy 这个名字来自团队的头脑风暴。 2025年12月，团队就开始画卡皮巴拉的形象了。他们想做一个轻松可爱的产品，因为 Agent 已经可以在计算机上帮人干活了，那美好的未来应该是大家能因此轻松一点。小动物形象在海外市场很受欢迎。最终选定卡皮巴拉，核心原因是它情绪非常稳定。这个细节值得琢磨。在一个 AI 情绪稳定、人类情绪不太稳定的时代，产品的定位就是做那个稳定的、把活干好的存在。巧合的是，Anthropic 最近剧透的新模型也叫卡皮巴拉。元子笑着说，这是稳稳地踩在了时代的前沿，哈哈哈。但更有意思的是，这个名字背后传递的理念，AI 带来的应该是快乐而非焦虑。四、一台 Agent Native 的计算机 Happycapy 的定位是"Agent Native Computer"。这个定义很关键。 Agent Native 的核心标志是什么？它和传统的 Code Native 有什么本质区别？徐明的回答是，未来 Agent 跟 Computer 会合二为一。今天 Agent 是 Agent，Computer 是 Computer，Agent 只是接管了 Computer。但未来它俩会变成一个东西，Computer 会是 Agent 的躯干。现在的 Happycapy 1.0，只是让 Agent 暂时住在了人类的计算机里。这台计算机还是以图形界面为主，Agent 要模仿你打开浏览器去操作。但越来越多的网站已经推出 CLI 了，连飞书都有 CLI。当 Twitter、Reddit、携程、京东都有 CLI 的时候，图形界面就完全不需要了。 Agent 会在自己的 CLI 黑箱里把所有工作完成。接下来每3到6个月会出现一款新的计算机。 Happycapy 1.0、2.0、3.0，我们要习惯这个计算机不断升级的过程。这就是 Agent Native 和 Code Native 的分界线。 Code Native 只是 Agent Native 中的一个部分，一个能力。未来的产品不是为人类设计的 GUI，而是为 Agent 设计的 CLI。五、和龙虾的本质区别很多人把 Happycapy 理解成"云端的龙虾"。这个类比有一定道理，但不够准确。 Happycapy 和龙虾在底层逻辑上，最大的分岔路口在哪里？徐明说，Happycapy 是端到端为用户体验负责的产品。他们帮用户打磨了沙盒体验，内置了路由，调度了每个任务，预置了Skills，决定了哪些 CLI 要放进去。龙虾是一个很好的开源项目，但它无法为端到端体验负责。你会发现龙虾有一个版本升上来之后，很多人的飞书链接、微信链接就断了，因为它升级的时候不会考虑你连了哪些插件。这是产品和开源项目的区别。还有一个问题，龙虾的大部分代码都是 Agent 写的，社区贡献者越来越多。当 Agent 贡献的代码越来越多的时候，怎么去干预它？怎么去约束它？这是一个很大的挑战。徐明判断，未来一定会有龙虾的商业发行版，就像当年 Linux 的商业发行版一样。 Happycapy 甚至可以看作是一个不同源但不同代码的发行版。六、AI Native 的组织长什么样 Happycapy 的团队不大，但战斗力很强。秘密可能在于，他们自己先变成了 AI Native 的工作方式。徐明说，他们不是先做了 Happycapy 才去做这个转换，而是先把团队转成了 AI Native 的工作习惯，才发现需要一款AI Native工具，才做的 Happycapy。举个例子：他们的财务同学已经完全转成用 Agent 来处理财务。听起来反直觉，因为财务很严谨。但恰恰相反，财务都是数字、文档、票据和表格，这些是今天 agent 在计算机上最擅长处理的事情。只要一个小技巧，在涉及到任何数字的比对和计算的时候，都让 Agent 去写 Python 脚本，不要用大模型去心算。那个数字是绝对正确的。哪怕你再担心，就让一个 Agent 做，另一个 Agent 复核。两个月看下来，出错的比例远远小于人类。产品开发也变了。传统的需求文档、设计、研发流程，在他们公司已经没有了。设计师、前端、运营，所有角色都在用 GitHub 来协作。所有的东西都以文件推到 GitHub 来界定，在 GitHub 去 review 结果。对 Notion 这类协作工具的使用大幅减少了，反而更多地使用 GitHub。这并非偶然，好友橘子的 ListenHub 团队也是一样，他们做了内部调研，发现这些工具使用频率越来越低，干脆把订阅取消了。省下每月几千上万美元，用来给大家买Claude Code的TOKEN。人跟 Agent，以及 Agent 跟 Agent 之间的协作，GitHub 是更好的选择。徐明说，他们的组织结构也变了，变得更加扁平。每个人的决策半径都变大了。以前他需要看某些数据，一定会找工程师先统计一下。现在他直接进入各个系统，让 Agent 自己去看，看完给他一个数。财务同学也是，以前只能处理财务系统上的数据，如果需要 AWS 或者 Cloudflare 上的基础设施数据，或者需要 Stripe 上的账单，都要去找工程师拿数据。现在财务跟她的 Agent 说就好了，只要给她必要的权限，她自己就搞定了全部数据的整合。每个人的决策半径都变大了，决策层级变小了。所有人都同时在干所有事。设计师可能在写前端，产品经理也在写前端或后端，前端和后端可能变成全栈。这就是 AI native 的组织形态。审核机制也变了。以前可能让 CTO 去审核每一行代码，现在代码提交多了100倍，PR 多了100倍，CTO 已经无法去审核每一行代码了。从过去的 Review 代码本身，变成了 Review 产品体验。很多代码已经不去检查中间过程了，只看上线之后，通过人和 AI 自动化测试的方式去看体验有没有变化。还有一个改变，不要求把一个完美的更新推到线上。如果你是 Happycapy 的老用户，你会发现他们经常一天里有十几次更新。只要决定它没有重大风险，就把功能尽可能先推上线。很多时候用户比他们测得还快，这样方便大家体验到最新的能力，也是跟社区一起 Review。七、Product Hunt 的"神仙打架" Happycapy 在 Product Hunt 上的表现很惊艳。日榜第一、周榜第一、月榜第一。但月榜第一来得并不轻松。那天，Happycapy 遇到了硬茬，一家 A16Z 投资的俄罗斯公司。两边此消彼长，你涨几十票，我就再拉几十票。 AJ和我在自己的各个微信和X账号，Fingerfly嘉宾的很多朋友都在帮Happycapy拉票，徐明团队也在全力动员。可惜，最后一刻，Happycapy 还是落后20多票，所有人都快绝望了。结果对方被Producthunt官方发现刷票作弊，剔除了一些票数，Happycapy 终于拿下了月榜第一。这场"神仙打架"让整个 AI 圈子都兴奋了起来。海外的 Instagram、Facebook 上AI圈的人到处都在聊，今天 Product Hunt 怎么回事，这两个团队到底什么背景。甚至据说那天 ProductHunt 的流量可能都是新高。徐明说，这次打榜最大的意义不是流量，而是让他看到了从第一次在 ProductHunt 发布产品（当天排名第24）到现在的变化。第一次发布的时候，他们什么都不知道，没有视频，没有准备，只有二三十个人投票，排名第24。但这两三年的过程串起来，让他很震撼，从完全什么都不知道，到现在开始做对了。越来越多的人开始帮助他们，这才是真正让他感觉做对了的信号。 ProductHunt 是一个很好的产品发布平台。第一它免费，第二它聚集了国内国外最多的科技行业 SaaS 产品或者 AI 产品的发烧友和专业人士。这是很好的早期用户群体，他们会给你很好的反馈意见，甚至第一波流量和第一波付费用户。如果产品确实有特色，更好的流量在二次传播当中。海外会有很多 Newsletter，会有一些产品 Influencer（网红/达人）看这个榜单。如果他们觉得你的产品真的好，会主动做二次推荐和评测。真正能跑出来的，是看第二波的二次传播。八、谁在用 Happycapy 徐明给出的用户画像很清晰。介于极客和小白之间。如果天平的一边是完全的开发者和极客用户，另一边是完全的小白用户，Happycapy 最好的用户区间在这之间。你可能日常工作中有一些专业任务，但不是很重的研发场景，也不是极度的重度极客用户。具体场景呢？不是那些看起来很炫酷的"武功"，而是回归到日常工作生活中的重复任务。帮你创建一个表，帮你调研一只股票，帮你整理发票，帮你写 PPT。最开始上手，从那些你已经做过、大量重复、且一眼就能看出对错的事情开始。然后是进阶阶段，通过跟 Agent 合作，让它帮你做一些原来做不到的事情。比如财务同学问数据，Agent 不再只是给文字或表格，而是直接做一个 Dashboard（仪表盘）让你自己分析。第三阶段，是让 Agent 做调研、探索性的事情。设定一个实验台，让它24小时大量重复地做实验。重复工作、拔高能力、探索未知，这是三个阶段。九、一个晚上做出 iOS 版徐明分享了一个Claude Code让他震撼的故事。过年前要回家，他觉得在家应该很少能打开电脑，就临时花了一个晚上五六个小时，给自己做了一个 iOS 版的 Happycapy。这辈子从来没写过移动端代码，甚至不知道该选什么框架，全程跟 Claude 探讨，五个小时手搓出来了。今天 Max 用户内测的那个版本，就是当时那个一个晚上的原型。这个故事的意义不在于技术本身，而在于 Agent 大幅拔高了一个人的能力边界。第一阶段 Agent 做你熟悉的事，第二、第三阶段真的可以做到很多你原本做不到的事情。这是10倍、20倍的杠杆，这个是真的很明显。十、用户的脑洞徐明印象最深的用户案例，是用户自己在定义自己想要的界面。有一个高手用户，用了很多 TOKEN。徐明去问他到底用来干啥，发现他自己为 Happycapy 开发了一堆插件。他不满意官方的 UI，就按照自己的理解做了一套自己的 UI 部署在本地。他把所有任务按照看板的感觉来分，按完成度来区分，同时跟踪很多任务。他每天不看官方的对话界面，只看他那个看板界面。还有很多自己的功能，比如筛选对话、搜索、排序、自动化等等。他完全按自己的理解做了一套自己的 UI。还有一个用户做了一个叫"卡皮农场"的东西。把 Happycapy 的任务具象成了一个一个卡皮巴拉的角色，在一个卡通的农场里面，就像一个游戏场景一样去调度。这给了徐明一个很大的启发。过去的产品经理，包括他自己，实际上是把所有人的诉求取到一个交集，得到一个最大的公约数，把棱角都删掉了，最后得到的是一个中庸的答案，一个60分的结果。但未来可能是每个人会得到自己满意的一个90分的结果。十一、TOKEN 焦虑和解法这是绕不开的话题。