开场：一个"让Agent先变聪明"的创业者

主播介绍本期嘉宾王文锋，称他是对Agent理解最深的创业者之一，产品上线后获500万美元天使轮。嘉宾开场即抛出核心判断：造工具能让Agent解决问题的复杂度成倍增长，而Agent并未创造新需求，是在吃掉软件市场。

产品到底是什么：给模型造"新时代的前端"

王文锋解释产品定位是为模型提供可扩展的实时数据获取能力，类比为AI时代的后端。他提出判断标准：上下文越简单的产品模型厂越会自己做，数据散落各处才需要专门工具聚合。

用户画像：分析师第一，开发者第四

用户角色排序为数据分析师、产品经理、C-level、开发者、市场运营；地域上美国近60%、日本约30%、国内约5%。嘉宾解释日本付费意愿高但产品要求也高，接下来会向日本倾斜推广资源。

从结构化到监控：成本降十倍，需求放大百倍

产品先把网页、文件变成结构化数据，再延伸到监控与表格enrichment场景，可衍生竞品监控、社媒监控、舆情监控。嘉宾称过去需三五个工程师做三个月的系统，现在半小时可搭，成本下降会带来需求放大。

找一千个英国家长：离线数据与在线的人

用户提出找一千个英国K12家长联系方式的需求，嘉宾的解法是找到五十个在英读高中的孩子去收集。由此引出对离线数据的思考：数据不在线，但能触达数据的人在线，内部已有更聪明的解法但暂不披露。

反馈闭环为什么难：把四五步压缩成一条消息

嘉宾称Agent三要素框架未变，只是从非共识变成共识。他推崇Claude Code的事件驱动框架与消息类型划分，难点在于把Agent执行的多步动作压缩成一条带语义的关键信息再喂回上下文。

护城河：从失败案例到经验，再到模型知识

内部后台监控任务失败，检索相似成功案例并抽取step-by-step步骤，做标注后放入知识库供复用；积累到一定量再通过后训练或微调灌进模型。目前失败case分析仍是半自动、需人监督。

100%准确：不靠总结，靠复制粘贴

嘉宾指出模型取数靠筛选加总结，一百条可能只取到十几二十条。产品走复制粘贴逻辑，不压缩不总结，格式转换用确定性代码片段完成，因此能保证交付数据无幻觉。

AI时代的Google：公开、私有、在线、离线四类数据

嘉宾把数据分为公开在线、私有无在线、离线三类，设想通过账号登录获取彭博等私有数据，通过Agent之间交易获取离线数据。若全部打通，核心变化是信息差被抹平，问题可被标准化定价。

三段经历：消息队列、地平线与相信模型

嘉宾复盘2017年写基础软件、后去地平线做数据、2021年创业三段经历，称前者培养了工程品味，后者培养了对模型的理解。他坦言2023年并不相信模型会进步，靠工程打补丁。

两次失败：coding Agent与类MCP项目

2023年做coding Agent因打补丁无泛化而失败；第二个项目做类似MCP的规范与实现，聊了三十多家公司发现都不需要。由此得出：创业者既训练不了模型，也难提供足够精确的上下文。

最难受的两个月与"对痛苦的长期耐受力"

2024年10月到11月底，两个项目停掉、新方向未定，嘉宾形容一片灰暗、有躺平感。他认为做CEO最重要的特质是对痛苦的长期耐受力，熬下来就已经成功。

神话级案例之外：不犯错比快更重要

嘉宾称当下三个月做到一千万ARR的叙事吸引了太多注意力，但这类案例极少且含运气成分。他更看重产品迭代不返工、一次性做对，认为追快容易让人不理智而把事情做歪。

中美差异与Q4完全开放

嘉宾称中美创业在认知上差别不大，核心差异是那边能赚到钱所以更有信心。产品计划Q4完全开放注册，需先完成内部两个较大的milestone。