夜雨聆风
AI 时代，只有三种软件公司能活下来？Tasklet CEO 讲透 Agent 平台战争
Andrew Lee 与 Nathan Labenz 谈横向 Agent 平台、Claude Max 的挤压、GPT-5.5、共享大脑和软件公司的生存形态
Andrew Lee 是 Tasklet 的创始人兼 CEO，此前做过 AI 邮件产品 Shortwave，现在把公司重心转到面向企业知识工作的通用 Agent 平台。
这次访谈值得看，不只是因为 Tasklet 在一线做 Agent 产品，而是因为 Andrew 说出了很多 AI 应用公司不愿公开说的现实：模型越来越强，供应商可能亲自下场竞争，token 成本会改变产品路线，而 SaaS 的护城河正在被重新定价。
在 Nathan Labenz 的追问下，Andrew 把 Tasklet 过去半年的架构重写、Claude 与 GPT-5.5 的选择、多模型策略、共享大脑、即时生成 UI，以及“AI 时代只剩三类软件公司”的判断完整讲了一遍。
以下为访谈完整版内容稿，按原访谈顺序整理为一人一句的中文完整覆盖稿。
开场：一个正在被供应商挤压的平台公司
主持人：欢迎 Andrew Lee 回到 The Cognitive Revolution。过去半年，Tasklet 的口号仍然是“速度是唯一护城河”，但产品和架构几乎都被重写了一遍。
Andrew Lee：我们原本以为 Tasklet 是工作流自动化工具，用户却很快告诉我们：既然已经把上下文、账号和工具交给代理，就不只想让它定时跑流程，也想随时和它同步对话。
Andrew Lee：这迫使产品从“创建并触发自动化”变成更通用的 Agent：既能跑公司流程，也能像一个随叫随到的工作伙伴。
主持人：这也是 Tasklet 面临的战略张力：它依赖 Anthropic 的模型能力，又在某些场景里与 Claude 自己的产品竞争。
一、过去六个月：Tasklet 基本把自己重写了一遍
主持人：过去六个月，Tasklet 到底重写了什么？还是说，有什么没重写？
Andrew Lee：实质性的东西几乎都重写了。视觉设计、App 结构、连接系统、计算机使用、Agent 核心、上下文管理、压缩方式，都变了。
Andrew Lee：之前每个自动化任务都是短对话，设置完就由任务代理按触发器执行。现在用户希望所有内容都在一个长聊天里，工程问题马上变复杂。
Andrew Lee：你不能无限把历史消息塞进模型，即使能塞也太贵，也没必要让每次自动化都带着几百万 token 的旧记录运行。
Andrew Lee：所以我们改成：历史不再主要是发给模型的聊天记录，而是放在文件系统里。真正发给模型的是提示、索引和需要读取哪些文件的线索。
二、文件系统成为 Agent 的长期记忆
主持人：这听起来像是从“长上下文”转向“文件系统加指针”。现在上下文工程怎么做？
Andrew Lee：我们把完整聊天历史放到文件系统，让它可访问；再用固定长度的压缩摘要呈现历史。越近的内容保留越高粒度，越旧的内容粒度越低。
Andrew Lee：最近一轮通常会保留完整用户消息、助手响应、工具调用和结果；再往前会逐步移除 thinking blocks、截断工具结果、折叠工具调用，最后才进入 LLM 摘要。
Andrew Lee：这套机制按 bucket 组织，尽量少破坏缓存前缀。核心判断是：用户通常更关心最近内容，代理需要旧信息时可以自己去文件系统查。
主持人：所以它不是把所有记忆都压成一句话，而是把“应该看哪里”留给 Agent。
三、缓存和成本：商业化 Agent 首先是经济学问题
主持人：缓存以前就是关键，现在还重要吗？
Andrew Lee：更重要了。真实上下文进了文件系统，基础操作要做更多工具调用，如果缓存不工作，成本会非常高。
Andrew Lee：压缩历史会在每次操作时增量更新，甚至长任务中间也会更新。我们会持久化这些压缩结果，因为重新计算本身就可能很贵。
Andrew Lee：模型侧缓存取决于供应商。Anthropic 当前主要是 5 分钟缓存，适合一次活跃会话或一个运行过程；OpenAI 的缓存原语更自动，前缀缓存可以保留更久。
Andrew Lee：以后还可能做跨 Agent、跨组织的缓存优化。现在基本还是每个 Agent 独立受益，未来还有降本空间。
四、Claude 4.5、4.6、4.7，以及 GPT-5.5 的新变量
主持人：你们一直说“永远押注模型”。Claude 过去半年的进步如何改变 Tasklet？
Andrew Lee：Claude 4 已经能走很远，4.5 是一次明显解锁，尤其让计算机使用、连接发现和工具启用更稳定。Opus 降价也很关键，让我们能把更强模型给更多用户。
Andrew Lee：4.6 是扎实的增量改进，对 headless/headful computer use 和 CodeGen 都有帮助，也支撑了 Instant Apps。
Andrew Lee：4.7 在写代码和一次性完成长项目上更强，但对 Tasklet 支持的迭代式知识工作提升没那么大，而且 tokenizer 变化让我们的成本大约上升 30%，所以不会默认推荐。
主持人：那 OpenAI 呢？
Andrew Lee：GPT-5.5 对我们的用例相比 5.4 是很大的提升，已经能很好地驾驭我们的 harness，在多数场景里可以和 Opus 4.6 竞争。我们也刚和 OpenAI 签了合作，会把 OpenAI 模型带进来。
Andrew Lee：Google 的最新模型也在快速接近；DeepSeek、Kimi 等模型在某些成本/性能段也很有吸引力。未来 Tasklet 会是多模型选择，而不是只押一个供应商。
五、和 Anthropic 的微妙关系：最强供应商也是竞争者
主持人：当 Claude Max 用户用订阅价格能拿到远多于 API 的 token 时，你们怎么竞争？
Andrew Lee：这是现实压力。直觉上看，Claude Max 的有效 token 成本可能比 API 便宜很多，甚至可能是数倍差距。
Andrew Lee：但 Tasklet 的定位不是“更便宜地转售 token”。我们要做的是云端、团队化、长期运行、可审计、可管理的知识工作自动化。
Andrew Lee：比如公司开票流程不能跑在某个人的本地电脑上。你需要云端运行、多人员管理、审计日志、权限控制、成本控制和触发器体系。
Andrew Lee：我们的销售主张是：选择 Tasklet 不是押注 Anthropic 或 OpenAI，而是押注所有模型进步。我们作为中立层，帮企业按任务选择模型并优化成本。
六、Harness 不是缰绳，更像给模型穿上机甲
主持人：“Harness”这个词听起来像是在约束模型，但现在的系统更像是在扩大模型能做的事。你怎么看？
Andrew Lee：我更愿意把它理解成 mecha suit。模型要真正做事，需要存储、计算、API、用户交互、浏览器、文件系统和权限体系。
Andrew Lee：很多人以为 LLM 产品只是把屏幕上看到的内容发给模型，实际上屏幕和模型调用之间的代码越来越复杂。
Andrew Lee：模型会继续变强，但 harness 也会继续变复杂。它不只让模型更聪明，还影响成本、速度、可靠性、监督、体验和商业可用性。
主持人：所以问题不是模型重要还是 harness 重要，而是二者是乘法。
Andrew Lee：对。更强模型加更强 harness 才是最终形态。哪怕 harness 只让你“领先六个月”，在商业产品里，六个月和成本曲线都很重要。
七、多模型世界：尽量统一，但不能假装供应商一样
主持人：当你接入 Anthropic、OpenAI、Google、DeepSeek、Kimi 等模型时，会不会为每个模型单独做一套 harness？
Andrew Lee：理想上越少越好。我们希望同一个 Agent 可以在模型之间切换，而不是每次切换都要翻译状态。
Andrew Lee：目前主要是做少量提示调整，让一个模型的问题不破坏另一个模型。随着 API 和能力收敛，这件事可能变容易。
Andrew Lee：但缓存原语、thinking blocks、工具调用格式这些差异不能忽略。比如 OpenAI 的缓存自动且保留更久，Anthropic 的缓存显式且点位有限，所以实现层必须不同。
主持人：Grok、Meta、GLM、Minimax 这些会不会进来？
Andrew Lee：我们会测试很多模型，但真正进生产要看是否接近 frontier、是否值得投入适配。现在更明确值得做的是 OpenAI、Google、DeepSeek、Kimi，加上 Anthropic。
八、Bring Your Own Tokens：OpenAI 可能改变定价边界
主持人：OpenAI 似乎更愿意让用户在第三方产品里使用自己的 OpenAI 账号和 token。Tasklet 会支持这种模式吗？
Andrew Lee：如果这成为长期方向且用户喜欢，支持是合理的。我们提供的价值远不只是 token 转售，所以不一定是威胁，也可能降低上手门槛。
Andrew Lee：但我们确实比过去更关注 OpenAI 的产品化。如果他们把最强团队转向商业生产力，像 Codex 那样从追赶者快速变成领先者，那会变成真实竞争。
Andrew Lee：目前还没有客户告诉我们因为 OpenAI 产品离开 Tasklet，但我们会观察。
九、模型性格：Claude 更懂人，OpenAI 更临床
主持人：Andon Labs 的实验里，GPT-5.5 被描述为更“干净”，而 Opus 4.6/4.7 更“ruthless”。你们构建代理时会考虑模型性格吗？
Andrew Lee：我没听过这个具体结论，但和个人感受并不冲突。Anthropic 模型更有创造力、更有同理心，也更理解人的体验；OpenAI 模型更临床。
Andrew Lee：我们还没遇到用户反馈代理做了不伦理的事。但模型个性确实存在，这会影响监督系统和产品设计。
十、Shared Brain：组织级上下文会成为 Agent 平台的核心
主持人：当一个人或一家公司跑十几个 Tasklet Agent 时，需要一个高于单个 Agent 的共享大脑吗？
Andrew Lee：需要，而且我们已经在产品里埋了基础。你现在能看到 organizations 和 workspaces 的一些设置，后面会正式发布。
Andrew Lee：我们把上下文分成层级：组织层存公司使命、价值观、基础信息；工作区层存团队资源、目标、流程、品牌声音；单个 Agent 再存具体 workflow 和对话指令。
Andrew Lee：今天已经共享的是连接。团队负责人配置好 API key 和连接，新成员可以直接开始用，不用重新找凭证。
Andrew Lee：接下来会有共享技能、跨 Agent 记忆、共享文件系统。一个 Agent 学到的信息，应该能以合适方式服务其他 Agent。
十一、Instant Apps：UI 正在被即时生成
主持人：Tasklet 为什么从 Shortwave 邮件客户端转向更通用的 Agent 平台？
Andrew Lee：一年前我们看到：很快你可以对 ChatGPT 说“显示我的收件箱”，它就现场生成邮件 UI。如果这成立，AI 邮件客户端的差异化会消失。
Andrew Lee：于是我们转向更通用的 Agent。后来用户又说，不想一个工具做工作流、另一个工具做日常工作，因为共享上下文无法维护。于是我们继续泛化。
Andrew Lee：今年三月我们推出 Instant Apps：用户用一句话生成连接到自己数据的 UI。比如内部做数据分析，不再打开 BigQuery 或 BI 工具，而是在 Tasklet 里让它生成一个可交互分析面板。
Andrew Lee：这意味着我们当初对邮件客户端的担忧已经成真：很多 UI 会从固定产品，变成按需生成。
十二、三类软件公司会留下
主持人：如果 UI、工作流和分析都能由通用 Agent 生成，软件行业会变成什么样？
Andrew Lee：我认为剩下三类公司。第一类是少数横向平台：知识工作、编码、个人使用可能各有一两个，不会有很多。Tasklet 想成为知识工作的平台。
Andrew Lee：第二类是 headless 公司，比如 Stripe。支付很复杂、很重要，仍然需要专业系统，但用户未必再打开 Stripe dashboard，它更多变成 API。
Andrew Lee：第三类是解决方案公司。软件隐藏在背后，用户买的是结果，比如律师、房产经纪、客服工单解决，而不是软件本身。
主持人：那 Salesforce 呢？
Andrew Lee：Salesforce 会有麻烦。系统记录的价值会下降，因为 Agent 让跨系统移动数据更容易；很多代码和复杂 schema 会被替代。它不会死，但可能会小很多。
十三、可靠性：Agent 要能回滚世界
主持人：如果 Agent 真的替代很多 SaaS，用户为什么敢把数据交给它？
Andrew Lee：这是 harness 的巨大价值。Agent 不只是要更聪明，还要能提供版本、回滚、日志、权限和审批。
Andrew Lee：普通聊天出错可以删掉几条消息，但一个接触真实世界的 Agent 出错，你要能回滚文件系统、回滚 API 操作，至少有完整日志和人工确认。
Andrew Lee：邮件就是例子：用户通常愿意让 Agent 读邮件、搜索邮件、写草稿，但不希望它未经确认就发送。我们要让审批变得足够顺滑，比如推送通知直接确认。
Andrew Lee：数据迁移也一样。不要让模型把数据读进上下文再“复述”到另一个系统，更好的方式是让模型写迁移脚本、写测试、跑测试，再让人批准执行。
十四、供应商、信用点和“花钱调用一切”
主持人：有哪些基础设施供应商值得提？
Andrew Lee：Blaxel 是我们比较满意的 sandbox 供应商，冷启动快、性能好，让 sandbox 能处在产品核心。Firecrawl 也用于抓取，有不错的性能特征。
Andrew Lee：数据库和 agent file system 方向我们看过不少，但目前还是自己做，因为这块太核心，除非外部供应商价值足够大且路线可信。
主持人：未来 Tasklet 会不会用自己的 credits 帮用户调用外部服务，比如图像、音乐、搜索？
Andrew Lee：会。搜索和浏览已经有这种味道。ImageGen 很可能很快变成原生能力，用户不需要另开账号，而是用 Tasklet credits 支付。
Andrew Lee：这也是我们采用 credits 而不是固定 token 包的原因：credits 可以覆盖 token、图片、网页搜索、音乐生成等不同成本项。
十五、尾声：Mythos、内部 token 成本和 Manus 后续
主持人：你们内部开发时，token 开销相当于薪资的多少？
Andrew Lee：粗略估算，用于内部开发和流程的 token 支出大约是 payroll 的 5% 到 10%。这里包括 Claude、Codex 和 Tasklet 自己。
主持人：你怎么看 Mythos？
Andrew Lee：听起来很强，基准很漂亮，但大多数人还没真正用上。现在很难对一个摸不到的东西太兴奋。
主持人：Meta 收购 Manus 被迫撤回之后，如果 Zuckerberg 问 Tasklet 多少钱，你怎么回答？
Andrew Lee：我们确实关注了这件事。之前有人约过咖啡但后来没跟进。如果他们想聊，不难找到我的邮箱。
主持人：这次访谈到这里。
Andrew Lee：谢谢邀请。
原访谈：The Cognitive Revolution, “Three Kinds of Software Survive: Tasklet's Andrew Lee on Competing to be a Horizontal Platform”，发布于 2026-05-15。链接：https://www.cognitiverevolution.ai/three-kinds-of-software-survive-tasklet-s-andrew-lee-on-competing-to-be-a-horizontal-platform/
