1% 的顶尖玩家是怎么用 AI 的

先说结论

顶尖玩家用 AI，不是让它在无人监督下替自己经营公司，而是把它部署在信息收集、研究整理、内容初稿、持续监控和并行执行上；人类仍然负责定义问题、给出判断、最终验收，以及一切对外承诺。

判断一项工作是否适合交给智能体，可以先看四件事：任务边界是否清楚、输入是否拿得到、输出是否验得了、出错后是否能回退。 四项越明确，AI 越可能成为杠杆；反之，它往往只是制造更多返工。

本文回答的问题

AI 智能体什么时候才真正开始可用？
聊天机器人和 AI 智能体到底有什么区别？
创始人和一人公司最值得先部署哪些 AI 场景？
为什么有些团队用了 AI 反而变慢？
怎样把自己的经验、品味和判断沉淀给 AI？
给 AI 开放邮箱、日程或群聊权限时，边界该怎么划？

Hello，我是正在努力学习 AI 的咨询顾问陈欢。

最近我反复看了一场访谈，看完不过瘾，又找来一堆外部研究对照着读，最后决定完整地拆解给你。

为什么值得这么大费周章？因为对谈的两个人，正好站在我们最需要的两个视角上。

邀请的嘉宾叫 Howie Liu，美国软件公司 Airtable 的创始人。Airtable 在国内知名度不高，简单说，它做的是在线协作表格和数据库，形态上接近飞书的多维表格，全球超过 80% 的财富 100 强企业是它的客户。关键是，Howie 不是来布道的，他是真的每天在拿智能体跑公司：睡前给智能体派活，让智能体替他盯推特、读邮件，甚至替他监控二手车网站。

问的人叫 Marina Mogilko，YouTube 科技频道 Silicon Valley Girl 的主持人。她自己创业做内容公司，是创始人也是最大瓶颈，所以她问的全是干活的人最关心的问题：这东西现在到底能不能用？我一个人该怎么上手？

访谈标题叫 “This Is What the Top 1% Do With AI”（那 1% 的顶尖玩家是怎么用 AI 的）。

我在最近写作访谈的过程中，有接触到一些 AI 玩得特别溜的大神。有那种每天操作起来都不舍得睡觉，一个人干完一整个公司的活。也有吭哧吭哧做了一系列小工具，每月躺着有十几万进账。而我在很长一段时间还停留在一问一答的跟 AI 对话的阶段。

所以，这一篇访谈真的是讲到我心坎里了，很多的点我有感受，但是没有提炼出来。

这场访谈信息密度很高，我不打算只摘几句金句，而是按访谈本身的脉络完整走一遍。在我有判断的地方，我会停下来分享一些我的判断和相关的案例数据。

主持人一开场就抛出了一个问题：作为创始人，她就是公司最大的瓶颈，所有内容和决策都要经过她。如果能以接近零的成本雇佣无限多的”员工”，你会把他们放在哪些岗位上？

Howie 的回答是：先别管岗位，最重要的是动手。他给自己定的目标是，让那些一直围观 AI 资讯、却因为觉得复杂而不敢尝试的人，看完这场访谈就能去部署几个自己的智能体。

从 Chatbot 到 AI Agent：如何凭借 AI 成为超级个体 — 从 Chatbot 到 AI Agent 的范式转移

一、AI 智能体什么时候真正开始可用？

Howie 先把时间线拉清楚。

ChatGPT 的出现是一次阶跃式变化，但随后我们进入的是一个”聊天机器人成熟期”：模型越来越聪明，但你必须主动发起对话、不断纠正它，很难放心让它替你干一件真正要紧的事。

2023 年起，行业开始炒作”智能体”。美国最大的 CRM 软件公司 Salesforce，其 CEO 贝尼奥夫在台上说，未来每个 CEO 都会管理成千上万个智能体员工。Howie 的评价是：方向对，但说早了。当时的底座模型撑不起这种自主，所谓智能体，多半活在演示视频里。

拐点出现在 2024 年底之后。以 Anthropic Opus 4.5、GPT-5.5、Kimi 2.6 为代表的新一代模型把智力推过临界线，智能体第一次可以连续几个小时、以接近人类的水平自主干活。

▍陈欢有话要说 我想起 2023 年的时候看的新闻，卡耐基梅隆大学的研究者搭了一个叫 WebArena 的测试场，用接近真实的网页环境考验智能体干活：当时最强的 GPT-4 智能体，端到端成功率只有 14.41%，而人类是 78.24%。那时候满世界吹”智能体元年”。所以 Howie 这种在泡沫期保持冷静、在拐点期才开始兴奋的人，他的话比永远亢奋的布道者值钱。当然他自己也留了边界：现在的智能体还不能在没有人类监督的情况下运营一家像样的公司。这句话在传播中很容易被忽视。

二、AI 智能体如何实现并行工作？

Howie 用程序员的世界打了个比方，说明智能体走到了哪一步。

第一阶段是 GitHub Copilot（微软出的 AI 编程插件），只会补全几行代码，是个顺手的辅助。第二阶段是 Cursor 这类工具，你说”帮我建个文件、写个函数”，它能独立完成。第三阶段就是现在：顶尖程序员同时跑好几个智能体，比如多个 Claude Code 并行干活。Howie 自己写代码的方式是，睡前布置几个实质性的大任务，睡醒时已经全部完成。

他说，我们正在走向一个”管理智能体舰队”的世界。这和一个程序员从独立贡献者转型为团队管理者是同一种跃迁：角色变了，需要的技巧也变了。

▍陈欢有话要说 “睡前派活”听着很美。美国 AI 评测机构 METR 在 2025 年的一项随机对照研究中，让 16 名熟悉成熟开源项目的开发者，在各自熟悉的项目里使用当时前沿 AI 工具完成 246 项任务；在那组特定条件下，允许使用 AI 的任务平均多花了 19% 时间。更微妙的是，参与者主观上却觉得自己快了 20%。时间花哪儿去了？审查错误、修正不合规范的方案、收拾返工，这些成本在感觉里是隐形的，在工时里是真实的。 GitHub 官方做过受控实验，用 Copilot 的开发者完成编程任务快了 55.8%，只不过那些任务的边界特别清晰。两个故事放在一起看：任务边界清楚、你能验收，AI 就是杠杆；任务模糊、你验收不了，并行开十个智能体，得到的可能是十份都需要返工的草稿。

核心洞察：从执行瓶颈到舰队管理 — 人类带宽负责战略与判断，智能体舰队负责并行执行

三、AI 如何帮助内容团队提升产能？

谈到人机协作，主持人 Marina 描述了一个闭环：智能体起草内容，人类审核发布，发布后智能体再分析数据、追踪热点，反过来优化下一轮起草。

Howie 用自己的团队佐证：内容团队没有扩大编制，产量提升了 3 倍。一个员工能同时管 SEO、Newsletter、Threads 多个渠道，另一个员工负责另外三个平台，连深度选题研究也大部分交给智能体。以前最耗人的调研工作，现在由智能体代劳，人只做关键节点的把关。

▍陈欢有话要说 值得抄的是闭环结构：素材进来、智能体起草、人审核、发布、数据回流、再优化。这种闭环在别的行业早就被验证过。NBER 发表的一项研究跟踪了 5,179 名客服人员：接入生成式 AI 助手后，每小时解决的问题数平均提升 14%；新手和低技能员工提升 34%，资深员工受益很小。看出门道了吗？AI 最擅长干的事，是把老师傅的套路标准化给新人用。

四、聊天机器人和 AI 智能体有什么区别？

面对每周冒出来的新产品，Howie 给了一个代际划分。

第一代，聊天机器人时代，代表是普通用户用的 Claude、ChatGPT（两家美国公司的 AI 助手，你可以粗略类比国内的豆包、DeepSeek）。能聊几个来回，但没法在没人干预的情况下独立工作几小时。大多数人把它们当搜索引擎用：输入一个问题，答案不完美，关掉标签页，走人。

第二代，前沿智能体时代，代表是 Claude 的 Co-work、Perplexity 的电脑操控功能，以及他自己团队做的 Hyper Agent。特征是高度自主，能连续几小时完成接近人类水平的复杂工作。Howie 说 Hyper Agent 的差异化在两点：团队协作属性，以及一个”自我改进闭环”，让智能体在你的工作流里越用越懂你。

一句话定义：什么是 AI 智能体？ AI 智能体不是单次回答问题的聊天窗口，而是能在明确目标、工具权限和规则边界下，主动分解任务、调用工具、持续执行并交付结果的系统。它的价值不在于“像人一样自主”，而在于把一段原本需要人反复盯着推进的流程，变成可监督、可验收的工作单元。

聊天机器人时代 vs 自治智能体时代 — 从被动响应的聊天工具，到能独立工作数小时的自治智能体

▍陈欢有话要说 这里要打个标：Hyper Agent 是 Howie 自己的产品，这段分类顺带就是带货，标准当然是按自家产品的长项划的。不过”上传一个下午的配置文件，把你怎么思考、怎么工作、怎么给反馈喂给智能体”这个做法本身，我认为是全场最值钱的动作。它对行业专家尤其友好：你脑子里那套”这个行、那个不行”的标准，过去只能靠带徒弟传，现在第一次有了别的载体。

五、怎样把个人品味和判断沉淀给 AI？

Marina 接着讲了自己的计划。她的团队用 Telegram 沟通，这是一款海外流行的即时通讯软件，机器人生态做得极好，可以粗略理解成功能更开放的微信群聊。她平时在群里给团队留了大量碎片反馈，这些记录沉淀在聊天里，别的系统读不到。她打算把这些记录导出来训练一个”虚拟分身”，拉进所有群聊，她出差时由分身按她的口味和标准替她给团队反馈。

Howie 对此非常兴奋。他认为 Telegram 有机会成为智能体时代最核心的通讯平台，因为它部署机器人的体验做得最好，而且免费。在群聊里可以同时拉入多个不同职能的智能体，它们不仅参与人类讨论，智能体之间还能互相讨论、互相给反馈。

▍陈欢有话要说 两点提醒。第一，国内读者用不了 Telegram，不必纠结，这个思路可以平移到飞书或企业微信的机器人上，核心是”把你在群里说过一百遍的判断沉淀成分身的规则”。第二，别真的上传一个文件就指望分身上线。可靠的做法是把反复出现的判断写成规则、示例库和禁区清单，让系统每次运行留下记录，再不断修订。这更像带一个很聪明但完全没有常识的实习生，而且是长期带。另外，给智能体开放邮箱、日程、群聊权限，等于把攻击面一起开放：安全组织 OWASP 已把”提示词注入”列为大模型应用的头号风险，恶意指令可以藏在邮件和网页里诱导智能体越权。权限给多大，审批和日志就要跟多紧。

六、创始人最值得部署的 4 类 AI 智能体是什么？

Howie 讲了四个他正在用的高频案例。

降维打击的三个场景象限 — 多媒体与创意执行、24/7 高管幕僚长、极客级个人管家

第一个是”参谋长”。24 小时读他的邮件和 Slack（美国的办公聊天工具，类似企业微信），可以定时唤醒，也可以实时监听。它识别出真正紧急的邮件，比如重要客户、投资人来信，就推送提醒，并且附上一版已经写好的回复草稿。他扫一眼，确认，发出。

第二个是”X 情报员”。X 就是原来的推特。科技圈资讯迭代太快，刷推是时间黑洞，不刷又怕错过。这个智能体全天候盯着 X，因为深度了解他和他的公司，能过滤掉 99% 的噪音，只推送真正重要的动态，还会附一句”这条为什么跟你有关”。

第三个是广告牌策划。Hyper Agent 发布时要投纽约、洛杉矶、旧金山的户外广告，智能体拿到供应商的广告位清单，自动把每个地址和谷歌街景交叉比对，评估车流和可视角度，还按路段人群画像给出文案建议。

第四个是”超级碗广告”。超级碗是美国橄榄球年度决赛，广告位全美最贵，历来是营销创意的最高考场。Howie 把产品官方文档喂给智能体，它理解卖点后自己写了分镜剧本，再调用谷歌的语音合成工具，产出了一条接近工业水准的宣传样片。

▍陈欢有话要说 把四个案例摆在一起，共性很明显：智能体做的是收集、整理、初稿、提醒，Howie 做的是确认。没有一封重要邮件未经他确认就发出，没有一个案例里智能体独立对外做了承诺。这个”确认键”在谁手里，是整场访谈最重要的隐藏信息。瑞典支付公司 Klarna 的故事是现成的警示：它曾高调宣布 AI 客服顶得上 700 名全职员工、首月处理 230 万对话，到 2025 年承认押注过度、服务质量受损，重新招聘人工客服。标准化、高频、规则明确的问题，AI 覆盖得很好；复杂、敏感、涉及客户关系的问题，还得人上。外面流传的”50 个智能体帮你开公司”，和实际发生的”智能体把世界整理成草稿，人负责签字”，两个版本之间的差，就是泡沫和现实的差。

七、AI 适合做什么，不适合直接做什么？

先给一个我更建议普通人拿去用的判断框架：任务边界清楚、输入拿得到、输出验得了、出错能回退，四项同时满足得越多，越适合先交给 AI。

更适合交给 AI 的任务	不宜让 AI 直接拍板的任务
信息监控、资料整理、研究初稿、内容初稿、规则明确的重复流程	对外承诺、敏感沟通、资金交易、高歧义决策、无法验收的开放性任务
先产出候选方案、摘要、清单和提醒	直接发送关键邮件、代表你作公开表态、修改不可逆的重要数据

这不是“能不能用 AI”的二选一，而是怎么分工：让 AI 负责把世界整理成可判断的草稿，人负责设标准、做取舍、按下确认键。

Howie 把 AI 放进了科技史的脉络里。

当年个人电脑刚出现时，主流学术机构和商业巨头嗤之以鼻，觉得普通人根本不需要桌上摆一台电脑。但苹果和微软的愿景是：处理器越来越便宜，就该用算力降低门槛，让每个人都能上手。这和今天的大模型一模一样。模型变聪明后，一条路是做极昂贵、极复杂的部署，他举的例子是政府花 3 亿美元请 Palantir 做项目；另一条路是用变聪明的模型赋能每个普通人。Airtable 当年做的是让应用开发民主化，今天他们在智能体上看到同样的机会。

顺着这个话题，他讲了”构建者思维”的两层。

第一层是捣腾。这个领域没人知道所有标准答案，谁要是向你推销”适用于所有场景的完美智能体方案”，谁就是在忽悠。社区里很多惊艳玩法是普通人瞎折腾时意外发现的。比如有人把 MrBeast（全球粉丝最多的 YouTube 博主，国内常译”野兽先生”）泄露的爆款内容手册喂给智能体，让它学透里面的规则，产出的视频脚本质量惊人。

第二层是抽象升维。把工作从”具体动作”还原成”最终成果”。程序员如果把工作定义成”一行行手写代码”，他会恐慌；如果定义成”低成本、高效率地产出优秀软件”，他就能站在更高一层管理智能体舰队。写文案也一样，别纠结于一个个敲字，去思考”怎样产生有爆发力的内容”，把底层拼装交给智能体。

▍陈欢有话要说 这段对行业专家来说，一半是蜜糖，一半是镜子。蜜糖在于，“定义问题”和”输出判断”正好是你十几年工龄攒下的存量资产，AI 没有稀释它们，反而装上了放大器。镜子在于：如果你的”专业”主要由执行层的熟练构成，做得快、做得熟、流程背得溜，那正是被压缩得最狠的部分。这场变革给专家的报价并不相同：卖判断的升值，卖体力的贬值。先想清楚自己在哪一边。

八、为什么要先从低风险的个人场景开始？

个人生活上，Howie 也折腾了一堆智能体。

他最近想买辆二手敞篷车，就部署了一个智能体，24 小时监控各大二手车网站，按他的参数找车源、比价格、核实位置，附上详细链接。另一个玩法是”旅行管家”：读取他所有信用卡积分和航空里程，在复杂的兑换规则里找出性价比最高的出行方案，连行程地图都规划好。比如你要去戛纳，它能把整个路线安排妥当。

他管这叫”零成本的奢侈雇佣”：过去只有富豪才雇得起的私人服务，现在边际成本接近零。主持人还补了一个脑洞：可以造一个”元智能体”，24 小时巡逻你的工作，发现哪些活儿还能再雇一个新智能体来干。Howie 说他的参谋长偶尔就会建议”你这部分工作可以外包给一个新的专用智能体”，他很想要一个”周会审查智能体”，每周盘点工作，像招聘会一样建议下周该”雇”谁。

▍我的判断 “零成本”这个词要打个折。模型调用、工具接入、数据整理、日常维护、出错兜底，都是成本，只是比雇人便宜几个数量级。这类生活场景真正的价值，在 Howie 自己的用法里：他是先在挑二手车、算积分这种低风险的好玩场景里建立对模型能力的直觉，再拿回工作里用的。这个顺序对普通人是全访谈最可操作的一条建议。

九、普通人如何开始使用 AI 智能体？

尾声，Howie 给普通人留了三步。

价值轴心的翻转 — 寻找值得解决的问题（Problem Hunting）占据 80% 的价值

第一步，选低门槛的图形化工具。他顺势推荐了自家 Hyper Agent，说体验做得像 Mac 系统一样开箱即用，没有任何复杂配置。

第二步，找你的问题清单。这是他全访谈最重的一个判断：智能体时代，“寻找问题”占了 80% 的权重。过去你发现一个痛点也没用，写代码做工具的成本太高，只能放弃。现在构建门槛趋近于零，“会做”不再稀缺，“知道该做什么”才是。

第三步，保持好奇，享受过程。别一上来就背 ROI 指标，先从帮你挑辆二手车、规划一次积分旅行这样低成本、好玩的场景开始，慢慢积累对智能体的语感和信心。

最后他总结了两项核心超能力：一是精准定义问题的能力，二是输出良好判断的能力。智能体把你做执行的手放大了一个量级，但决定杠杆上限的，是你能把多高质量的判断施加到多少个智能体身上。掌握这两点的人，会在这个时代变得”近乎超人”。

▍陈欢有话要说 先卖，后自动化：别先花三个月搭系统，先找到三五个愿意付费的客户，手动加半自动地交付，再把重复环节固化。常被拿来佐证一人公司神话的 Base44（一个人做出来的 AI 建站产品，被以色列老牌建站公司 Wix 以 8000 万美元收购），收购时其实已有 8 名员工，神话要打折看。

FAQ：关于 AI 智能体的常见问题

AI 智能体能完全替代员工或创始人吗？

不能把“能完成部分任务”误解为“能替代一个完整岗位”。智能体特别适合收集、整理、起草、监控和提醒；涉及复杂关系、模糊判断、风险承担或对外承诺时，负责人仍要在场。Howie 的四个案例里，智能体都在把世界整理成草稿，确认键始终在人手里。

普通人最适合从什么场景开始？

从低风险、结果容易验收、出错成本低的事情开始：例如监控符合条件的商品或信息、整理资料、比较行程方案、起草内容框架。先在这些场景里建立对 AI 能力边界的直觉，再接入真正的工作流。

为什么有些团队用了 AI 反而变慢？

AI 并不自动等于提效。METR 2025 年针对 16 名熟悉成熟开源项目的开发者所做随机对照研究发现，在它的实验条件下，允许使用当时前沿 AI 工具的任务平均多花 19% 时间；这不能外推到所有工作，但提醒我们：审查、纠错与返工都是真实成本。任务边界越模糊、验收能力越弱，这些成本越容易吞掉收益。