7.6
深览指数
科技微博·晚点LatePost··AI 生成
与钉钉新CEO陈宇森的两次访谈：未来的软件和Agent推演
陈宇森在访谈中提出了一个核心判断：随着Claude Code等通用智能体的成熟，AI应用开发正从低代码走向自然语言驱动，未来的软件形态将像“3D打印”一样为极少数人群定制，并催生出全新的Agent交易平台。不同于市场主流做法，他选择押注于降低非技术专家的创作门槛、构建基于对话而非货架的交易入口，以及提供高品质的运行时环境和Skills模块。文章包含两次相隔一个月的深度访谈，揭示了创业者思路的快速迭代过程，以及他对行业竞争格局——包括与Anthropic、字节Coze等差异化的思考。适合对AI应用层创业、AI原生商业模式及Vibe Coding趋势有深度兴趣的读者。
核心观点
- ▍以Claude Code为代表的通用智能体已展现出在电脑上完成几乎所有通用任务的能力，未来AI应用开发的核心不再是重复造轮子做基础Agent，而是构建极低门槛的创作平台，让非技术背景的行业专家将自己的专业知识和SOP封装成高价值的Agent，从而在一个大平台上形成极其长尾的供给生态。
- ▍未来的Agent交易平台不再是传统的货架式电商，而是以对话式界面为第一入口，用户只需自然语言描述需求，系统自动匹配最优的Agent或Skills来执行。
- 01MuleRun团队在2024年底观察到Cursor等产品找到PMF的信号，认为大模型在编程领域产生了真正生产力价值，而编程是AI能做更多事的桥梁。
- 02Claude Code启发了一种新的Agent创作范式：只要确保复杂任务不超出上下文窗口，直接给模型足够复杂的提示词就能处理复杂事务，核心变成“怎么用好大模型”的Context Engineering问题。
- 03MuleRun的内测结果表明，让行业专家使用低代码框架创作Agent依然太复杂，而完全不懂技术的运营同学通过自然语言交互，已能让Agent自动完成KOL调研、数据筛选并同步到钉钉文档的全流程。
- 04Gemini 3核心工程师的观点也支撑了陈宇森的假设：大模型的Scaling Law尚未撞墙，智力还能提升；即使智力停止演进，距离“榨干”现有能力可能还有一到两年时间。
- 05Agent平台的内测结果尚未出现大规模PMF，核心瓶颈在于供给丰富度不够（上架门槛仍然太高），以及双边市场的冷启动困难。陈宇森反思早期应花更多精力自己制作标杆Agent。
- 06Skills的实质是Context Engineering的一部分，通过分层加载机制让Agent动态匹配最优方案，其核心价值在于保留大模型的决策灵活性，同时避免上下文过长导致幻觉和逻辑能力下降。
- 07陈宇森认为，创业公司面对的从来不是大厂的本体，而是大厂麾下的某一个具体业务部门；大厂沉重的历史包袱反而为外部创业公司留下了操作空间。
反方 / 局限
- — 陈宇森承认，如果能够瞬间完成人类所有任务的强AGI真的实现，MuleRun这类平台可能没有存在空间。但他判断这种形态短期内不会出现，且人类会不断涌现新需求。
- — 文章在第二次访谈中揭示了陈宇森思路的重大变化：从最初坚持“框架中立”的货架式交易市场，转变为拥抱Claude Code生态并聚焦于“对话式入口+降级货架”的模式，说明其商业模式仍处于快速迭代中，距离验证大规模PMF还有距离。
- — 陈宇森反思了第一段创业成功后“自信心爆棚”导致的失败经历，指出缺乏对未知领域的敬畏、行动保守、在琐事上内耗曾经让他付出过高昂代价，暗示当前创业同样存在类似风险。
陈宇森MuleRunClaude CodeAnthropic长亭科技Vibe CodingSkillsAgent Buildern8nDifyCozeRuntimeContext EngineeringAgent交易平台
29 分钟 · 4 卡片 · 8 资料
读原文 →