Episode Details
Back to Episodes
人类和 AI Agent 的最佳配合方式，还没被发明｜对谈 Paperboy
Description
🚥 本周，十字路口的嘉宾是 Paperboy（https://www.paperboy.com）团队。John Yang 21 岁，CEO。Jett Chen 19 岁，CMU 大一在读，同时是 founding engineer。Paperboy 团队 12 人，10 位工程师，融资 470 万美金。
John 认为：人类和 AI Agent 配合工作的最佳方式，很可能还没被发明出来。虽然已经有了 Claude Code、Codex、Manus、OpenClaw，但它们本质上都是 session-based + prompt-based。用户需要打开一个窗口，输入 prompt，等完成，关掉。下次从零开始。
Paperboy 正在尝试找到一种更自然、更连续、更可协作的 Agent 界面与记忆结构——Agent 应该通过观察你用电脑来自己学习，用 IM 而不是 session 来组织对话，主动找你，而不是等你 prompt。
如果你在做 AI 产品、AI infra、或正在思考 Agent 如何进入团队工作流，希望这期内容会给你启发。
🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版已发布于 @十字路口Crossing 公众号。
🟢 00:00 快问快答
年龄、毕业院校、MBTI 与星座、一句话介绍 Paperboy、融资情况、收入与利润、团队规模、创业前经历
🟢 01:59 起点：现在的 AI 产品，我用着不爽
今天的 AI 产品都有一个共同的问题：你必须把文件、邮件、个人信息手动扔进对话框，然后对话完就消失了。
三个核心痛点：不该这样协作，不该这样留下历史，不该这样主动。
「人类和 AI 配合工作的最佳方式，很可能还没有被发明出来。」
现有的 Chatbot 和 Agent 产品形态是 AI 时代的「默认答案」，而默认答案几乎从不是最优解。
🟢 06:21 Claude Code 轰炸之下
Agent 赛道的三个机会：一，让 agent 真正从用户环境中学习；二，足够个性化，做到主动的同时不造成干扰；三，使用体验必须极其直觉——「你不该像学新工具一样学怎么用它。」
这三点依然要靠人类团队，市场上冒出的新东西还没有打破这个框架。
🟢 08:01 Agent 的两大问题
Cursor 和 Manus 是目前最成功的 agent 形态，但 John 说它们有两个根本性的问题——这直接定义了 Paperboy 要做的事。
问题一：基于 Session。你有一堆工作区、一堆对话，每次开新 session 就像重新认识一次，context 不跟着你走。
问题二：Reactive（被动）。你必须先问，它才回答。Agent.md 文件要主动维护。
Agent 应该知道你的鼠标移动、视频音频、所有电脑活动——context 应该比 context window 长得多。
🟢 14:21 屏幕数据成了行业共识之后
「收集用户屏幕数据去构建 Context Layer，已经一定程度上成为行业共识。」
Codex、Littlebird 在做，各路玩家都在做，但接下来怎么做——是预测用户下一个 Keystroke，还是预测他接下来一个小时要做什么——还没有人找到最佳”配方“。
这个领域需要大量 engineering 和 research，「在今天，对一家公司来说，探索这个区域还是一个非常好的选择。」
🟢 16:46 Mini Vivian & Auto John
Mini Vivian 是团队在内部 Slack 里训练出来的 Paperboy 实例，理解 Vivian 曾经说过的所有话、她的判断品味、她的招聘标准。
它能帮 Vivian 从 GitHub、小红书、推特挖掘候选人。
和 Auto John（John 的 agent 分身）聊天，有时候比直接找 John 更顺。
「期待我可以直接躺平，让 Auto John 成为比我更聪明的存在。」
🟢 27:36 微信群聊，启发了界面设计
不同角色的「侧边栏」完全不同，如果每人一个定制版，根本没法做成产品。
转机来自微信——同一批人，可以同时存在于多个主题不同的群组里，这是人类组织信息最自然的方式，而且不会让人觉得烦。
🟢 33:36 The Last Interface 与五种速度
Paperboy 目前唯一一篇 blog 标题叫「The Last Interface」——context 的速度层级，决定了产品形态。
「节奏分层」理论（Pace Layers）：时尚、商业、基础设施各自以不同的节奏变化。
映射到 AI 产品：1 秒内的 task 可能最好的