T
traeai
登录
返回首页
跨国串门儿计划播客1:15:57

#540.AI Agent 的达尔文时刻:技术重构、多模型博弈与未来软件三分天下

8.5Score
#540.AI Agent 的达尔文时刻:技术重构、多模型博弈与未来软件三分天下

播客收听

时长 1:15:57原播客页面

问这期播客

会先在本集摘要、章节、转录和笔记里找答案。

TL;DR · AI 摘要

Tasklet 通过重构技术栈,打造多模型中立平台,未来软件将分为横向平台、Headless API 和解决方案公司三类。

核心要点

  • Tasklet 六个月推翻所有代码,转向通用 AI Agent 平台。
  • 文件系统替代无限聊天记录,压缩上下文成本。
  • Harness 不是控制模型的缰绳,而是增强其能力的机甲。

结构提纲

按章节快速跳转。

  1. Tasklet 通过重构技术栈,打造多模型中立平台,未来软件将分为横向平台、Headless API 和解决方案公司三类。

  2. 用户需求推动 Tasklet 推翻所有代码,转向通用 AI Agent 平台。

  3. 文件系统替代无限聊天记录,压缩上下文成本。

  4. Harness 不是控制模型的缰绳,而是增强其能力的机甲。

  5. Tasklet 定位为中立平台,替企业押注所有模型并优化选择。

  6. 未来软件公司将分为横向平台、Headless API 和解决方案公司三类。

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • AI Agent 平台重构
    • 技术重构
      • 用户需求驱动
    • 上下文管理
      • 文件系统替代聊天记录
    • Harness 角色
      • 机甲增强模型
    • 中立平台策略
      • 押注所有模型
    • 未来格局
      • 三类软件公司

金句 / Highlights

值得收藏与分享的关键句。

章节

  1. 开场 & 播客简介

    开场 & 播客简介

  2. 被迫转型:用户想要的不是工作流,而是同步对话的通用 Agent

    被迫转型:用户想要的不是工作流,而是同步对话的通用 Agent

  3. 上下文管理革命:把历史放进文件系统,发送给 LLM 的只需是提示

    上下文管理革命:把历史放进文件系统,发送给 LLM 的只需是提示

  4. 分桶压缩与缓存:如何在数万次自动触发中不破产

    分桶压缩与缓存:如何在数万次自动触发中不破产

  5. 跨用户缓存潜力与多模型序幕

    跨用户缓存潜力与多模型序幕

  6. Opus 4.5/4.6 的突破与拒绝 4.7 的成本账

    Opus 4.5/4.6 的突破与拒绝 4.7 的成本账

  7. GPT-5.5 赶上来了,为什么 Kimi、DeepSeek 也值得认真对待

    GPT-5.5 赶上来了,为什么 Kimi、DeepSeek 也值得认真对待

  8. 残酷的供应商竞合:Max 订阅吸走了 80% 流失用户,Anthropic 正补贴从我们这里离开的人

    残酷的供应商竞合:Max 订阅吸走了 80% 流失用户,Anthropic 正补贴从我们这里离开的人

  9. 中立的魔力:给任何模型“穿上机甲”,替企业押注所有人

    中立的魔力:给任何模型“穿上机甲”,替企业押注所有人

  10. 重新定义 Harness:不是限制模型的缰绳,是让它征服世界的机甲

    重新定义 Harness:不是限制模型的缰绳,是让它征服世界的机甲

  11. 用小模型调度大模型:借鉴 Anthropic Supervisor Agent 的省钱哲学

    用小模型调度大模型:借鉴 Anthropic Supervisor Agent 的省钱哲学

  12. 多模型 Harness 的挑战:为不同缓存 API 编写不同代码

    多模型 Harness 的挑战:为不同缓存 API 编写不同代码

转录

开场 & 播客简介

被迫转型用户想要的不是工作流,而是同步对话的通用 Agent

上下文管理革命把历史放进文件系统,发送给 LLM 的只需是提示

分桶压缩与缓存如何在数万次自动触发中不破产

跨用户缓存潜力与多模型序幕

Opus 4.5/4.6 的突破与拒绝 4.7 的成本账

GPT-5.5 赶上来了,为什么 Kimi、DeepSeek 也值得认真对待

残酷的供应商竞合Max 订阅吸走了 80% 流失用户,Anthropic 正补贴从我们这里离开的人

中立的魔力给任何模型“穿上机甲”,替企业押注所有人

重新定义 Harness不是限制模型的缰绳,是让它征服世界的机甲

用小模型调度大模型借鉴 Anthropic Supervisor Agent 的省钱哲学

多模型 Harness 的挑战为不同缓存 API 编写不同代码

模型的趋同与变数大实验室互相偷师,新玩家可能从斜刺里杀出

组织、团队、Agent 三层上下文Tasklet 的第二大脑计划

未来仅存三类公司横向平台、Headless API、解决方案公司

赢得企业信任回滚、审核与版本控制如何让 Agent 进入关键业务

推荐供应商Black Salt、Firecrawl;内部 Token 支出仅占人力成本 5‑10%

对 Mythos 的谨慎没摸到的东西很难兴奋

扎克伯格会打电话吗?Manus 收购被中国否决后的花絮

#AI#平台#架构#中立#多模型

节目笔记

📝 本期播客简介

本期我们克隆了全球知名科技播客《Cognitive Revolution》**Three Kinds of Software Survive: Tasklet's Andrew Lee on Competing to be a Horizontal Platform**

主持人 Nathan Labenz 与 Tasklet 创始人兼 CEO Andrew Lee 进行了一场深刻坦诚的对话。这是 Andrew 第四次做客节目,他依然坚持“速度是唯一的护城河”,并毫无保留地分享了 Tasklet 过去六个月如何将整个产品技术栈彻底推倒重写。你将听到他们怎样用文件系统取代无限增长的长聊天记录,重新发明上下文管理以大幅降低 token 成本。Andrew 还首次袒露了从几乎 all-in Anthropic 到果断拥抱多模型平台的心路历程,也直言不讳地讨论了与模型供应商之间既合作又竞争的微妙舞蹈,更抛出一个惊人的预测:未来只有三类软件公司能活下来。这不仅是一场关于 AI Agent 平台前沿技术的第一手分享,也是关于如何在极速变化的赛道中思考护城河与商业模式的战略大师课。

👨‍⚕️ 本期嘉宾

Andrew Lee,通用 AI Agent 平台 Tasklet 的创始人兼 CEO。他曾是数据库创业者,坚信速度是唯一护城河。过去半年,他带队将 Tasklet 从专注工作流自动化完全转向通用的、取代知识工作者所有 SaaS 的横向 Agent 平台,并正在将 OpenAI、Google、开源模型等全部纳入 Harness,目标是成为企业中立、多模型的 AI 超级机甲。

⏱️ 时间戳

00:00 开场 & 播客简介

六个月推翻所有代码

04:12 被迫转型:用户想要的不是工作流,而是同步对话的通用 Agent

09:01 上下文管理革命:把历史放进文件系统,发送给 LLM 的只需是提示

10:20 分桶压缩与缓存:如何在数万次自动触发中不破产

14:59 跨用户缓存潜力与多模型序幕

从 Claude 信徒到多模型平台

16:01 Opus 4.5/4.6 的突破与拒绝 4.7 的成本账

18:14 GPT-5.5 赶上来了,为什么 KimiDeepSeek 也值得认真对待

19:51 残酷的供应商竞合:Max 订阅吸走了 80% 流失用户,Anthropic 正补贴从我们这里离开的人

23:30 中立的魔力:给任何模型“穿上机甲”,替企业押注所有人

30:26 重新定义 Harness:不是限制模型的缰绳,是让它征服世界的机甲

33:16 用小模型调度大模型:借鉴 Anthropic Supervisor Agent 的省钱哲学

36:23 多模型 Harness 的挑战:为不同缓存 API 编写不同代码

44:33 模型的趋同与变数:大实验室互相偷师,新玩家可能从斜刺里杀出

构建共享大脑与终极软件格局

53:18 组织、团队、Agent 三层上下文:Tasklet 的第二大脑计划

01:04:02 未来仅存三类公司:横向平台、Headless API、解决方案公司

01:06:56 赢得企业信任:回滚、审核与版本控制如何让 Agent 进入关键业务

快速问答与幕后趣闻

01:09:54 推荐供应商:Black Salt、Firecrawl;内部 Token 支出仅占人力成本 5‑10%

01:13:57 对 Mythos 的谨慎:没摸到的东西很难兴奋

01:15:35 扎克伯格会打电话吗?Manus 收购被中国否决后的花絮

🌟 精彩内容

💡 六个月,全部推倒重来

Andrew 透露,用户的需求迫使他们从工作流自动化彻底转向一个能同步对话的通用 Agent。这导致了整个产品、架构、甚至底层假设的重写。他用一句话概括:“过去六个月里,基本上每一行代码可能都被动过了,我们大多数基础假设都被推翻了。”

🛠️ 文件系统拯救 Agent 的上下文

为了解决无限聊天历史带来的成本崩溃,Tasklet 创造性地把历史状态移入文件系统,实际发送给 LLM 的只是精心设计的提示。这不仅能无限扩展,还搭配了按时间分桶的智能压缩,让自动触发一年的 Agent 依然记得最初的指令。“我们真正需要的是一个保存你历史的文件系统,然后实际发送给 LLM 的只是提示。”

🚀 给模型“穿上机甲”,而不是套上缰绳

Andrew 重新定义了 Harness 的角色:它不应该只是控制模型的缰绳,而应该是一套增强其能力的机甲。“我倾向于认为大家其实都在构建同样的东西。……Harness 更像是给它穿上机甲,让它能在真实世界里真正去做事。”

⚔️ 微妙的供应商战争与中立平台之策

面对 Anthropic Max 订阅近乎五倍以上的隐性补贴,Tasklet 80% 的流失用户直接去了第一方产品。Andrew 果断将 Tasklet 定位为中立的 AI 平台,替企业押注所有模型并优化选择。“押我们,等于押注所有人。我们会给你提供 Anthropic 的模型、OpenAI 的模型、Google 的模型……我们是纯粹的中立方。”

📉 终极预言:未来软件公司只会有三种

在对话尾声,Andrew 给出了一个大胆而清晰的预测:“我们想做的,就是成为那个取代知识工作者所有 SaaS 产品的 AI Agent 平台。”他认为最终只会剩下横向通用平台、纯 API 的 headless 公司,以及直接售卖结果的解决方案公司。像 Salesforce 这样的旧日巨头,将面临大幅萎缩。

🌐 播客信息补充

翻译克隆自:《Cognitive Revolution》

本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的

使用 AI 进行翻译,因此可能会有一些地方不通顺;

如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight

AI 可能会生成不准确的信息,请核实重要内容