一个 AI 创始人的虚荣心、装，和愚昧之巅：对谈 invoko.ai 创始人梦琪

概览

本期围绕 AI 软件创业的现实困境展开：模型能力和 Coding Agent 快速增强，让很多应用层创业者一边被质疑“几个人几周就能做出来”，一边又在真实交付中发现，能稳定、顺畅、真正可用的产品依然很少。

梦琪复盘了自己过去一年的创业路径：从垂直 Agent、Sourcing Agent、增长 Agent，到逐渐放弃 2B 方向，转向更偏 2C 的桌面/浏览器效率产品。她反复强调，早期很多判断来自融资叙事、风口概念和创始人的虚荣心，而不是来自用户真实问题。

讨论的核心结论是：AI 应用创业不能只靠“首发”“RL”“数字员工”“Agent”等漂亮概念，真正的壁垒更可能来自用户体验、稳定性、细节维护、对用户场景的持续理解，以及创始人是否真的相信并热爱自己做的产品。

节目最后回到更宽的判断：尽管软件行业被模型进步持续牵引、被迫频繁 pivot，但现实世界的 AI 渗透率仍然不高，需求分层明显，软件产品依然有机会，只是创业者需要更务实地面对用户、交付和商业化。

分段落总结

[00:20] 嘉宾背景与 AI 软件创业低点

[事实] 主持人介绍梦琪是 Invoqo/invoko.ai 创始人，并提到她过去两年在圈内较受关注，也融过较多资金。

[事实] 梦琪说自己去年开始创业，创业前做过 2B 解决方案、TikTok 相关 2C 工作，也做过一年 HR。

[事实] 主持人概括了一类 AI 软件创业流程：有大厂背景、组团队、讲 Agent 等热门故事、先融资，然后不断 pivot 或做小产品试水。

[推测] 本期开场把梦琪的个案放进了过去两三年 AI 应用创业的共同周期中，而不是只讲一家公司的经历。

[02:56] Agent 叙事、Manus 与软件市场降温

[事实] 梦琪认为去年 5 月之后能融到大钱的软件创始人，很大程度上应该感谢 Manus，因为它让 Agent 这件事在国内变成了可被投资人关注的方向。

[事实] 她说很多 2B Agent 与过去 SaaS 在商业模式上没有本质区别，仍然要面向企业客户销售，只是产品形态不同。

[事实] 主持人与梦琪都认为软件行业当前不如算力、具身智能、AI 硬件等方向热。

[推测] 这段讨论暗含一个判断：资本市场对“AI 软件”的热情下降，不完全是因为没有需求，而是因为叙事和差异化越来越难讲清楚。

[04:28] Coding Agent 变强带来的压力

[事实] 梦琪说自己在今年二三月份非常焦虑，因为很难回答“和 Claude Code 有什么区别”“模型厂商做了怎么办”这类问题。

[事实] 她提到 Coding AI 的能力提升带来了很强的推背感，甚至听到 OpenAI 内部有人说 Post Training 的大量代码由 Agent 写。

[事实] 但她也补充，即便 Agent 写了更多代码，人并不一定更轻松，因为要做的事情也变多了。

[推测] Coding Agent 的进步既降低了产品开发门槛，也抬高了创业者解释自身长期价值的难度。

[05:36] “很容易做出来”与“真正能用”之间的差距

[事实] 梦琪反驳“谁都能很快做出来”的观点，认为过去一年做过 PR 的软件公司里，真正稳定、顺畅、能在电脑上用起来的产品比例很低。

[事实] 她以 Manus 为例说，General Agent 的想法很多人早就说过，但一年多后真正达到较好稳定性和公众质量的仍然很少。

[事实] 主持人总结，当下软件遇到的两个压力之一是模型太强，导致大家觉得软件不行了。

[推测] 这段把“想法同质化”与“交付稀缺”区分开来：AI 产品的难点不在概念，而在可用性和细节。

[07:06] 体验是 AI 产品能否成立的关键

[事实] 梦琪认为大部分产品“没有体验而言”，很多产品宣称能交付的价值和用户实际使用感受不匹配。

[事实] 她说未来很多赛道都会是“明牌”，不存在只有某个团队想到、别人想不到的 idea。

[事实] 她乐观的部分是，每个明牌赛道里仍可能跑出真正重视体验、会做产品的公司。

[推测] 在她的框架里，AI 应用的差异化不再主要来自 idea，而来自产品手感、稳定性和持续打磨。

[08:28] 从 General Agent 转向 Vertical Agent

[事实] 梦琪说公司成立前先做了一个决策：不做拥挤的 General Agent，而做 Vertical Agent。

[事实] 她回忆，当时觉得自己的逻辑非常自洽、非常聪明，但后来发现很多“特别对”的决策都是错的。

[事实] 团队最初选择了 Sourcing Agent，具体切入达人营销里的“找达人”，并认为找达人、找候选人、找专家、找客户有一定泛化性。

[推测] 这段体现了创业早期常见的“从抽象能力推导市场”的路径：先相信某种通用能力，再寻找多个可迁移场景。

[10:08] 专业用户与非专业用户需求分叉

[事实] 团队做了约两个月达人营销产品并上线后，收到两类用户反馈：创始人类非专业用户要直接结果，专业营销用户要过程可审计、可确认、可配置指标。

[事实] 梦琪说他们当时选择了听专业用户，希望沉淀专家经验和知识，再把高认知能力浓缩成产品卖给非专业用户。

[事实] 又过一两个月后，她发现产品越来越像传统 SaaS，甚至像八年前同类 SaaS 产品的翻版。

[推测] 专业用户的需求会把产品拉向复杂工具，而不是端到端结果，这成为 Vertical Agent SaaS 化的重要原因。

[12:39] Sourcing 不是高价值环节

[事实] 梦琪后来判断，Sourcing 只占用户工作的一部分，可能约 30%，而沟通、来回推进等环节更耗时、更耗人力。

[事实] 她说团队当时希望替代 agency 的工作，但一旦陷入专业用户的需求，就很难做真正端到端交付。

[事实] 到 10 月底左右，团队意识到当前产品过于 SaaS 化，于是尝试延伸到 communication 等更高价值环节。

[推测] 这段反思的重点是：AI 应用切入“容易自动化”的环节，不等于切入了客户愿意付费的高价值环节。

[15:13] 横向找人 Agent 与纵向增长 Agent 的选择

[事实] 团队当时面临两个方向：横向做找人 Agent，把找达人扩展到找候选人、找客户；或者纵向把增长场景做深。

[事实] 梦琪认为横向扩展很难做 cross sale，因为同时有找客户、找达人、找候选人需求的人主要是 founder，而测试下来 founder 自己不太用产品。

[事实] 团队因此选择把增长做深，开始做 GEO、Reddit 等其他增长动作，也服务过几个较大的 2C 方向客户。

[推测] 这里的关键判断是，能力相似不代表客户购买路径相同；按技术能力横向扩展，可能不如围绕同一客户目标纵向做深。

[17:14] Vertical Agent 的结构性困局

[事实] 到 12 月左右，梦琪开始强烈感觉垂直 Agent 可能不成立，至少在她经历的方向上问题很大。

[事实] 她说很多垂直 Agent 公司会被迫变成 agency，因为客户不用产品，但公司还要挣钱，于是只能派人服务客户。

[事实] 她还提到，有些产品是做给投资人看的，真实服务人员内部也不用。

[事实] 她认为 2B 业务周期长，中国 2B 难做，华人在美国做 2B 也有明显挑战。

[推测] 她对 Vertical Agent 的批评，主要针对“产品没有真实使用、服务却在赚钱”的错位结构。

[19:17] Pro C、OPC 与 AI 产品商业模式

[事实] 梦琪说团队曾经把 Pro C 和 OPC 混在一起，以为很多 AI 创业者都需要增长，所以增长 Agent 就像卖铲子。

[事实] 她后来认为 OPC 是趋势但不是现实，现实中 OPC 数量少，能挣钱的更少，没挣钱就很难付费。

[事实] 她把 AI 产品商业模式分成两类：一类是高 ARPU 的 token 生意，服务少量高消耗大 R 用户；另一类是“健身房业务”，收订阅费并赌用户不会把 token 打满。

[推测] 这段说明她从“面向创业者卖工具”的逻辑，转向更谨慎地看待用户是否真的有支付能力和使用频次。

[21:07] 生产力与情绪价值的边界变模糊

[事实] 梦琪在转向 2C 时研究了游戏和 Steam 上的产品，发现番茄钟、清单、习惯养成、ADHD 相关工具都可以用更游戏化的方式呈现。

[事实] 她认为很多产品很难被定义为游戏还是生产力工具，第一印象更像是一种陪伴。

[事实] 她提出生产力产品也可以提供情绪价值，并认为品类边界会变得模糊。

[推测] 这为她后面做 C 端产品埋下了方向：不是只追求效率，也要关注用户每天愿不愿意打开、是否有情感连接。

[22:50] 放弃 2B 与创业动机的重新校准

[事实] 大约 2 月份，团队对 2B 产品进入低功耗经营，只保留少量维护人力。

[事实] 梦琪说，如果只是做 2B，她不应该融资创业，因为凭借过去资源也能做，而且这件事不够让她兴奋。

[事实] 她认为 2B Agent 最大的新模型红利，更多是内部开发效能提高，而不是产品解决问题效率出现 10 倍、20 倍提升。

[事实] 她反思自己当时“左脑用太多”，被概念和逻辑推导牵引，而不是用心感受自己想做什么。

[推测] 放弃 2B 不只是商业判断，也是她从“证明自己厉害”转向“做真正想做的事”的分界点。

[25:20] RL 叙事、算法团队与创始人虚荣心

[事实] 主持人提到梦琪创业早期也讲 RL、算法等故事，并招过做 RL 算法的人。

[事实] 梦琪承认这其中有追风口、装和虚荣心的成分，很多决策不是基于真实市场需求，而是为了展示自己能招到厉害科学家。

[事实] 她认为大部分纯应用创业公司不需要招算法研究人员，用不上，还不如让他们去真正训练模型。

[事实] 她说创业公司讲“增长场景有反馈信号所以适合 RL”的故事，落地后看非常可笑，因为模型厂商的改进可能远大于创业公司自己训练带来的收益。

[推测] 这段是全期最直接的自我批评：AI 创业中的“技术含量展示”可能服务于融资和自尊，而不是服务于产品。

[28:12] 旧金山调研与对美国创业生态祛魅

[事实] 梦琪说自己焦虑时去了旧金山两个多月，想弄清楚 Vertical Agent 是自己没做成，还是事情本身不成立。

[事实] 她调研了多家 Vertical Agent 公司，认为大家的困境都很像。

[事实] 她还提到美国创业生态中也有冲流水现象，例如多家公司互相购买产品来制造收入记录。

[事实] 她表示自己没有参与这类行为，因为付款麻烦，也觉得没必要给自己找麻烦，希望维持道德标准。

[推测] 这段削弱了“美国市场天然更健康”的想象，也把融资导向下的虚假繁荣纳入了批评对象。

[30:33] 转向 C 端：Clico 插件的意外验证

[事实] 梦琪说在彻底停止 2B 前，团队已经做了一些 C 端尝试，其中一个浏览器插件产品跑出来了。

[事实] 这个产品解决的问题是用户浏览器开很多 Tab、工作时不断切换和寻找信息；它也提供随光标唤起的写作能力。

[事实] 她说这个产品功能很简单，替代品很多，但仍有不少用户喜欢并反馈有帮助。

[事实] 有用户反馈使用后终于能沉浸式做一件事，因为可以直接引用某个 Tab 或 Gmail 上下文，不必反复切换。

[推测] Clico 的验证让团队看到，小而具体的用户痛点，即使不新奇，也可能比宏大的 Agent 叙事更有价值。

[32:47] 客户端产品与软件细节的敬畏

[事实] 浏览器插件的局限是只能在浏览器内运行，团队因此顺势做了客户端产品，扩大到整个桌面环境。

[事实] 梦琪说这样一个看似简单的客户端产品做了三个月，到访谈前一晚上线第 49 版，仍然还有 Bug。

[事实] 她认为软件由大量细节组成，需要一点点把问题吃掉，用户体验才会变好。

[事实] 产品三四月公测时仍有很多问题，但用户持续反馈，帮助团队继续打磨。

[推测] 真实开发让她从“AI 让软件很容易”转向“AI 时代更要敬畏软件工程和产品维护”。

[35:52] C 端产品价值：缩短意图与解决方案的距离

[事实] 梦琪后来认为，只要产品能缩短用户意图和解决方案之间的距离，就有价值。

[事实] 她举例说，用户本来也可以截图、发给 ChatGPT、写 prompt、复制结果，但 Clico 可以通过一个按钮表达意图，减少步骤。

[事实] 她认为 C 端产品最后很大程度上是体验，团队在交互、情绪价值和美国设计师打磨上投入很多。

[事实] 团队还为隐私问题做了漫画解释数据如何存储，并尝试用更易懂的方式处理用户对权限和隐私的担忧。

[推测] 这里的“体验”不仅是效率，也包括信任、舒适感、低心理负担和情绪反馈。

[39:07] 用 Reddit 做用户研究与需求验证

[事实] 梦琪认为中国创业者在做面向美国用户的 C 端产品时，用户研究做得不够。

[事实] 团队把 Reddit 用作用户研究和验证阵地，不只做数据挖掘，还发大量帖子和评论来验证需求、痛点和付费意愿。

[事实] 她说每个问题大约会发 40 到 50 个帖子，再回收反馈，看哪些是真需求、刚需，以及旧产品哪里不好。

[事实] 她认为 Reddit 让团队不那么焦虑，因为会发现很多简单问题仍没有被 AI 很好解决。

[推测] 这段提供了一个具体方法论：不要只靠创始人脑内推演，而要把产品决策拆成可被用户反复验证的问题。

[40:38] 克制概念堆砌，把用户作为最大牵引力

[事实] 梦琪反思 2B 产品时曾经想把 Chat UI、GUI、数字员工等流行概念都塞进去，觉得自己很高明。

[事实] 用户的反馈却是先解决问题，不要讲那些复杂概念。

[事实] 她说现在会花更多时间思考问题和需求本身，再看新概念是否能更好解决问题，而不是为了吹嘘而加入概念。

[事实] 她总结，创业者会受到投资人、员工、市场等多方牵引，但真正的衣食父母是用户。

[推测] 这段从方法上完成了转向：从“拿先进概念证明产品先进”，转到“用最短路径解决用户问题”。

[45:26] 内部增长 Skill 与“过程产品”

[事实] 团队后来为了给自己的 C 端产品做增长，又内部做了一个达人营销相关的 skill。

[事实] 梦琪说这个 skill 通过每天不断补充细节，效果反而比之前全员投入五六个月做的 2B 产品还好。

[事实] 这个 skill 的端到端结果是一张表格，包含合作对象、报价、议价、价值判断、内容检查、沟通状态、拍摄和上传日期等信息。

[事实] 她认为这是因为团队自己的 context 是完整的，可以持续打磨；而客户需求往往是离散沟通，context 容易缺失。

[推测] 她在这里提出一种更务实的 AI 产品路径：先服务自己的真实流程，再把被验证过的过程产品分享给外部。

[47:48] 软件创业者的共性焦虑与模型牵引

[事实] 主持人问这些问题是初次创业者问题，还是 AI 时代本身的问题。

[事实] 梦琪认为软件创业者精神状态最大的牵引力是 AI 模型发展，当这个牵引力变化时，大家都会被影响并被迫 pivot。

[事实] 她说客户端产品难做，需要适配不同版本和型号，可能要打磨三到六个月，但又会担心产品寿命只有一年多。

[事实] 她提到自己曾在 Palo Alto 的咖啡店调产品调到生气，反而因此让旁边的人对产品产生兴趣。

[推测] AI 时代压缩了产品生命周期预期，让创业者既要长期打磨，又要假设窗口期很短。

[50:46] AI 渗透率、健身房业务与小工具维护成本

[事实] 主持人提出，当下有些产品是在解决 AI 使用过程中的新问题，而不是传统行业问题。

[事实] 梦琪不同意其用户都是典型 early adopters，并说自己在旧金山活动上问人是否知道 Wispr Flow、Tabless 等产品，发现认知和付费比例并不高。

[事实] 她对 AI 渗透率不高感到乐观，因为许多问题仍未被解决；但她也对简单小效率工具的前途保持悲观。

[事实] 她提到自己用 AI 做小工具后发现，创造的快乐很快结束，后续维护、修 corner case 才是痛苦部分。

[推测] 她的乐观来自市场仍大，悲观来自小工具容易被做出来但不容易被长期维护好。

[53:44] 多 Agent 协作与内部研发流程

[事实] 团队曾在一二月份尝试过几个 Agent 互相协作的产品，但没有发布，因为梦琪不想做一个平台型产品等用户来演绎。

[事实] 这套架构后来被用于内部问题流转，例如用户提 Bug 或需求后，由 Agent 判断、分配、推动修复和通知用户。

[事实] 梦琪认为 AI 时代软件开发流程可以简化为发现问题、解决问题、验收问题三步，其中解决过程越来越少被人关注。

[事实] 她认为人主要在发起端和验收端，复杂产品问题仍可能需要人甚至用户来验收。

[推测] 她尚未发布该产品，是因为还没有想清楚它应当是什么界面，也不希望只做抽象平台。

[55:37] 为什么不做“全球首发”式大宣发

[事实] 主持人指出，很多 AI 公司会做“全球首款”式大宣发，但梦琪公司没有这样做。

[事实] 梦琪说原因之一是去年需要低调，另一个原因是她看到很多产品一波流宣发后留存不好，像是在给投资人交作业。

[事实] 她更深层的原因是对当时产品不满意、不相信，所以没有做大规模宣发。

[事实] 她说现在的产品即使还有问题，她也愿意全力做，因为自己爱它、自己用得爽，也看到用户觉得有价值。

[推测] 从不宣发到愿意分享，变化来自她对产品的信心从“融资叙事”转向“内在确信”。

[58:23] 信息噪音、软件草坪与需求分层

[事实] 梦琪说过去一年听了很多关于大模型的预测和判断，但很多声音其实是噪音。

[事实] 她希望本期不要增加行业 slop，而是让软件创业者别因 Coding Agent 变强就过度悲观。

[事实] 她用“草坪”比喻软件，认为软件需要持续维护，不是别人三秒钟做一个相似东西就能立刻干死你。

[事实] 她反思当初坚持做 Agent 而不是 workflow，其实对很多企业而言，能把 workflow 用上就已经能解决大部分问题。

[推测] 她反对自媒体把复杂商业竞争压缩成戏剧化的一幕，因为真实市场是动态、分层、缓慢演化的。

[61:03] 软件行业仍大有可为

[事实] 梦琪认为世界不是只有 early adopters 活着，很多公司甚至还没有完成基础数字化。

[事实] 她承认 AI 行业结构决定大部分利润可能被预算方或上游吃走，但应用公司喝汤也可能不错。

[事实] 她认为由于趋势明确、渗透率低，应用公司喝到的汤甚至可能比过去做 SaaS 吃到的肉还多。

[推测] 她对软件的乐观不是基于应用层能吃掉所有价值，而是基于市场足够大、需求足够分层。

[62:03] 如果重来，是否还会创业

[事实] 主持人问如果回到一年前，她是否还会离开大厂创业。

[事实] 梦琪说官方版本是仍然会创业，因为她很适合创业，也很爱创业；非官方版本是三四月份时她确实无数次想过不干了。

[事实] 她说最痛苦时觉得做软件没有意义，2B 也不做了，新产品又遇到很多基础问题，整个人陷入虚无。

[事实] 最近她重新产生信心，认为如果这个行业有人能做出来，那个人一定是她。

[推测] 这段呈现的是创业者心理的剧烈波动：怀疑行业、怀疑自己，但又需要某种强烈自信支撑继续往前。

[63:30] 融资、大牛团队都不是充分必要条件

[事实] 梦琪说自己足够幸运也足够厚脸皮，在那个周期里拿到了钱。

[事实] 她认为融资好不是创业成功的充分必要条件，新消费里融得最好的公司后来也可能很痛苦。

[事实] 她也认为团队里有大牛不是充分必要条件，因为大牛可能只是挂名，也可能不够落地，或者赛道本身不对。

[事实] 她说越来越觉得创业很难完全科学化，应该把手上的牌打好。

[推测] 她从寻找“成功公式”转向接受创业的不确定性，并强调用心和用户真实反馈。

[64:25] 把用户当人，而不是只当 DAU

[事实] 梦琪说自己不太想做传统意义上的效率工具，因为很多效率工具只关注问题，不关注用户是谁、心情如何、处在什么关系中。

[事实] 她希望产品首先能解决问题，同时也在乎用户是谁、用户现在的状态如何。

[事实] 她认为 DAU 不是一个数字，背后都是人；与用户聊得足够多后，用户形象会变得立体。

[推测] 这与她强调情绪价值一脉相承：AI 产品不只是完成任务，也可能重新塑造人和软件之间的关系。

[66:08] 务实、理想主义与软件行业结尾判断

[事实] 主持人观察到，重访多位 AI 创业者后，发现大家都变得更务实，不再像早期那样务虚和讲概念。

[事实] 梦琪说自己现在很讨厌搞抽象、造词和虚幻概念，因为这些对解决问题没有帮助。

[事实] 主持人认为好的创业者需要把投资人的语言、自己的理想主义和务实落地结合起来。

[事实] 梦琪最后表示自己非常乐观，认为软件行业还大有可为。

[推测] 节目的最终落点不是否定理想主义，而是要求理想主义必须穿过真实用户、真实交付和真实产品细节。

播客点评/总结

这期的价值在于它不是一个成功学式的 AI 创业分享，而是一位创始人对错误路径、融资叙事、技术虚荣、产品落地和组织转向的自我拆解。尤其是从 Vertical Agent 到 C 端产品的复盘，能帮助听众看到“逻辑上很对”的创业想法，为什么在用户、交付和商业化层面会逐渐变形。

亮点是非常具体：专业用户如何把 Agent 拉回 SaaS，Sourcing 为什么不是高价值环节，Reddit 如何做用户研究，客户端产品为什么 49 个版本仍有 Bug，内部 skill 为什么比外部 2B 产品更有效。这些内容比单纯讨论“Agent 未来趋势”更接近创业现场。

局限也很明确：大量判断来自梦琪自身经历、朋友交流和一线观察，不是系统研究或完整市场数据。例如美国创业生态、Vertical Agent 普遍困境、AI 渗透率等判断，都应理解为她的经验性结论，而不是可直接泛化的行业定律。

[推测] 这期适合 AI 应用创业者、产品经理、投资人，以及正在被模型进步和产品同质化困扰的软件从业者。它不太适合只想听某个产品发布细节的人，但很适合用来校准对 AI 创业的预期：概念会变，模型会变，最后还是要回到用户、体验、稳定性和持续维护。