夜雨聆风我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。全文约 3500 字，如果你现在没有时间，试试转成播客稍后再听晚点再听LaterCast
"SaaS 卖软件，Agent SaaS 卖工作。"
"产品不是那个 Agent，产品是它接手的那份工作。”
"一个好 Agent，应该比初级员工更稳定，比外包更便宜。”
Greg Isenberg 在这期 Startup Ideas Podcast 里，把 Agent SaaS 讲得很直白：过去 SaaS 公司卖一套软件，让团队自己进去点按钮；现在 Agent 产品要卖掉的是一份原本由人完成的工作。餐厅接电话、维修公司排工单、客服处理退款、物业分派供应商，原来都是工资、外包或低效协作成本。Greg 的判断很适合今天还在想 AI 产品方向的人：先别急着做一个很大的平台，先找到一个每天重复、老板愿意付钱、结果能验收的小工作。
产品先被定义成一份工作
Greg 开场给的心智模型很简单：传统 SaaS 说“这里有一套工具，团队可以使用”；Agent SaaS 说“这里有一份工作，你的团队以后不用手工做”。餐厅的电话在晚餐时间响起，领位员正在安排座位，客人反复问营业时间、预订、私人包场，电话漏接就会变成收入流失。Slang AI 这类餐厅电话 Agent 之所以容易理解，是因为它没有先卖一个后台，而是接住了“电话没人接”这份工作。
"产品就是那份工作。SaaS 卖软件，Agent SaaS 卖工作。"
家政维修、暖通、屋顶、虫害防治也是同一套逻辑。公司错过电话，订单就被下一个服务商拿走；调度员反复确认地址、时间、服务范围，越忙越容易漏。Agent 如果能 24 小时接电话、回短信、重新预约、把紧急事项推给人，老板买到的就是少雇一个初级接待员也能跑起来的前台能力。
这也是 Greg 一直强调“工作”这个词的原因。软件时代的 demo 往往展示页面、按钮和看板；Agent SaaS 的 demo 要让客户看到一通电话如何被接起，一个预约如何被创建，一条投诉如何被标记给经理。客户脑子里换算的是今天少漏几单、少打几个电话、少让员工做多少重复协调。
有工资条的流程，才值得下手
Greg 选方向的第一条，是先看谁已经在为这份工作付钱。员工、外包、接待、协调员、调度员，只要公司已经付出成本，就存在用 Agent 便宜一点、稳定一点地接住工作的空间。他把好工作流拆成五个特征：发生频率高，有清晰终点，会接触现有软件，边界情况烦但能学，买方能感到损失。
"如果人们已经在为这份工作付钱，他们就在付员工、机构、接待员或协调员的钱。"
他建议先选一个细分行业，写下 20 个大家经常抱怨的工作。屋顶公司可能是漏接电话、融资问题、保险资料、预约提醒；医美店可能是线索筛选、爽约挽回、会员加购；Shopify 品牌可能是退换货、批发线索跟进。接着按频率、痛感价格、完成标准、需要访问哪些工具、谁掌握预算打分。Agent SaaS 的起点落在一张已经存在的工资单上。
他还给了一个很实操的筛法：每天发生比每周发生好，每小时发生更好；完成标准越清楚，越适合第一版；已经接触 Gmail、Slack、Shopify、HubSpot、Zendesk、Stripe 的工作，Agent 才有可读取的上下文和可调用的工具。太简单的任务容易被 Zapier 这类自动化吃掉，太依赖人类判断的任务第一版会碎。中间那块重复、烦、又有一点判断的活，才是甜点区。
先旁听人类员工，再写提示词
找到工作之后，Greg 不建议立刻写 prompt 或开工编码。他会先看一个人类员工连续做 10 到 20 次同类任务，最好让对方录屏并边做边讲。要问清楚哪些情况简单，哪些情况奇怪，做决定前会查什么资料，错误通常在哪里出现。餐厅接电话看起来只是回答“几点营业”，实际还牵涉厨房几点关、哪些桌适合婴儿车、露台是否开放、VIP 怎么处理、私人活动咨询什么时候转人工。
"在你开始写提示词、开始写代码之前，先旁听一个真正做这份工作的人。"
他给 Agent spec 列了七件事：什么触发它启动，需要哪些上下文，能使用哪些工具，可以自己完成哪些动作，哪里必须拿批准，什么时候升级给真人，成功长什么样。把这七件事写清楚，产品才不会变成一个看起来会聊天、实际不敢交付的 demo。细节越贴近员工日常，Agent 才越像一份可靠的工作。
录屏还能暴露很多文档里不会出现的小动作。员工可能先看日历，再打开 CRM，再翻一条旧短信，最后才回答客户；也可能一看到某个地址、金额或客户身份，就把任务升级给经理。Prompt 里缺掉这些顺序，Agent 就只能给出漂亮回答。Greg 想拆出来的是员工手上的判断路径。
最小 Agent 从批准和分流开始
很多人听到 Agent，会想做一个完全自主的员工。Greg 的做法更小：先做最小有用 Agent。他列了四种第一版：读上下文后起草回复、报价、摘要或下一步，由人批准；把进来的工单分流到正确地方；在系统和人之间协调，查时间、发提醒、补信息；在明确规则下做一个小动作，比如预约、跟进、处理 50 美元以下退款。
"先从一个可预测路径开始，只在判断能创造价值时再加入判断。"
他提到 Anthropic 的 Agent 指南：很多 Agent 任务应该先被当成 workflow。工作流走可预测路径，Agent 才动态决策。屋顶公司可以先承诺“我们接住漏接电话并预约合格工作”；物业公司可以先承诺“我们分流维修请求并安排合适供应商”。一个能稳定跑通的小承诺，足够成为第一天的产品。
批准型 Agent 适合有创意、有合规、有金额风险的场景；分流型 Agent 适合维修、账单、退款、线索等入口；协调型 Agent 适合查日程、补材料、催进度；限定动作型 Agent 则适合“50 美元以下退款”这种规则清楚的动作。创业者不需要一口气跨四级，先让客户放心把一小段工作交出来。
控制台和评测让客户敢用
Greg 说，Agent 做工作，SaaS wrapper 建立信任。客户需要看见发生了什么：日志、审批、控制项、交接规则、上线前测试方式，以及 Agent 为什么做出某个动作。餐厅电话 Agent 的控制台可能展示通话摘要、预订结果、人工接手次数；物业维修 Agent 的控制台可能展示已创建工单、供应商路由、租户更新和业主审批。
"Agent 做工作，但 wrapper 创造信任。"
评测集在这里会变成销售资产。拿 50 个真实维修请求，标出正确答案，再让 Agent 跑一遍：分类是否正确，是否追问了缺失信息，是否用了正确政策。Greg 的话术很具体：我们在你过去 50 个维修请求上测试过，42 个路由正确，6 个标记人工审核，2 个犯错，错误和修复都在这里。对拥有传统生意的人，透明比炫技更有说服力。
每次改 prompt、模型、工具或流程，Agent 都要回到这组案例里重跑一遍。Greg 把 eval 比成健身房：系统每次训练后都要知道哪里做对、哪里做错。客户看到的也不只是“我们用了最新模型”，而是一套可以复查的结果记录。对第一次购买 Agent 的老板，这种记录能降低很多不安。
先卖试点，再沉淀产品
最快路径通常先找同一个细分行业里的三个客户，卖同一个 workflow、同一个痛点、同一个结果。前期可以手工加 AI 做服务，慢慢把重复部分产品化。承诺可以非常窄：我们帮你接住并筛选漏接电话；我们帮你分流维修请求。收费也先简单，设置费加月费，等理解客户如何衡量价值，再加使用量或结果计费。
"你通过先做这份工作，来赢得软件。"
Greg 给了几个价格锚点：1500 美元设置费加 1000 美元月费，服务一个 workflow；2000 美元设置费加每个合格预约 30 美元；或每月 3000 美元覆盖 500 张处理过的票。价格数字没有学习更重要。你要看客户最在乎什么，Agent 在哪里会坏，哪些动作必须审批，如果把服务拿走，客户会最想念哪一部分。重复答案越来越多，产品轮廓就出来了。
他特别看好结果计费，但也提醒不要一开始就跳过去。因为团队还不知道每个结果值多少钱，也不知道客户愿意怎样承担风险。手工试点的作用，是把客户的语言听出来：他们到底说“少漏电话”，还是说“多约上门”，或是说“减少员工被打断”。等这套语言稳定下来，产品页面和定价页才有依据。
拆旧流程，客户才会点头
分发上，Greg 看到有效的内容形式是 workflow teardown：先展示旧办法。电话来了没人接，客户打给下一家公司；客服问五个问题、查日历、查服务范围、预约、写备注、发提醒，最后忘了跟进。老板一看就懂，因为这些损失发生在每天的经营里。再展示 Agent 办法：接电话，问正确问题，查服务区域和紧急程度，约时间，更新 CRM，发确认，把特殊情况交给人。
"展示旧办法，然后展示 Agent 办法。经理、老板、管理者能感到那种痛。"
他建议创始人把自己和一个 workflow 绑定起来，做清单、基准、拆解、50 个流程案例，把内容做成可复用资产。先选一个平台，不断发旧流程和新流程的对比，挑出有效内容，再投放广告。Agent 产品要卖痛点止痛片。客户点头的瞬间，通常发生在他认出自己每天亏钱的那个环节。
Greg 还提到，很多人不想做内容，但 Agent 产品早期很需要内容。客户正在第一次理解这种购买方式，创始人要不断把旧流程拆开，把新流程演给他看。内容要把一个旧动作拆成五步，再把 Agent 如何接住这五步拍清楚。
30 天计划从一个小场景跑通
如果从零开始，Greg 的 30 天计划很朴素。第一天选一个漏掉工作就会损失钱的行业，比如家政维修、物业管理、保险代理。第二天访谈 10 个运营者，请他们共享屏幕跑一遍流程。第三天选一个高频、有痛感、能接软件、有清晰成功标准的 workflow。第四天写 Agent spec：触发器、上下文、工具、规则、交接、评测。第五天先用 Claude 或 ChatGPT 手工跑，验证 AI 是否帮得上忙。
"第一天，选一个漏掉工作就会花钱的细分市场。"
第六天做最小版本，起草审批或分流通常足够。第七天用 50 个真实案例做 eval。第二周卖两个同一行业的试点。第三周补 wrapper：日志、审批、设置、分析、交接。第四周发布 workflow teardown，把试点变成证据，同时建设受众。到第二、三个月再看 LTV、渠道、投放。Greg 最后的落点仍然回到一份工作：找一个全天重复、足够痛、自己懂的小流程，把它消失掉。
这套 30 天计划听起来不性感，但每一步都能降低创业假设。访谈降低对行业的误判，手工跑降低对模型的幻想，eval 降低客户对交付的担心，试点降低定价和分发的不确定。等一个小流程真的跑起来，再用 AI 去搭控制台、审批和分析，软件才跟着服务长出来。
写在最后
如果你正在找 Agent 产品方向，可以先暂停“大平台”想象。拿一张纸写下一个行业里每天重复的 20 份工作，再找一个人录屏给你看。能被看见、能被验收、能让客户少亏钱的小工作，往往比宏大叙事更接近第一笔收入。
内容来源："AI Agents are the new SaaS"丨Startup Ideas Podcast
原视频：https://www.youtube.com/watch?v=83fWzQSWB10
如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣
