首发｜被陆奇称赞最有「硅谷产品Sense」的创业者要改写「微软」定义的世界

Intro

当一个人说要颠覆微软时，你会觉得他在说大话；

当这个说大话的人告诉你，他大学肄业，之后是自学成为产品经理和开发者，你会认为他不自量力；

而当他又告诉你，他大学辍学的理由是「过于热爱跳街舞，要经营自己的街舞社」，你一定会觉得这个人的脑子出了问题。

这是张浩然的基础画像，一个非典型创业背景，先后两次创业都获得奇绩创投的投资。陆奇曾多次在内部称赞他是「最有硅谷产品 sense」的 Founder。

他以产品交互入行，做了十几年生产力工具，完整经历移动互联网高潮，2020 年开始创业切入MarTech SaaS，出售业务后， 在2023 年加入飞书主导无代码与流程引擎。

2024 年冬天因为「不想错过 AI」又跳回一线下场服务了十几家出海落地 AI ，参与设计了包括 Fellou AI 浏览器在内的几个 Agent 应用 。

2025 年夏天，他开启了自己的第二次创业：一款企业级 Agentic 生产力工具：Agencize.ai。

他此前在 AI 闹的《AI 实践派》分享过如何从传统 RAG、流程编排，到进入 AI 时代后亲自建构复杂 Agent 生态的经验和教训。被陆奇称赞「最有硅谷产品思维」的创始人分享：一个AI Native必备的四种底层产品能力｜AI 实践派

由于历经过全栈建构，张浩然对产品有很多独特的观点。

和AI闹聊天时，他最常提到的词是「不同」和「执念」。他认为，AI 时代最稀缺的是「把产品做得与众不同」。

品味一方面来自「长期的输入」，另一方面来自内在的执念，「心里要有团火，一定一定要做出和别人不同的产品。」比如第二次创业，做一个垂直类 Agent 不是他的目标，他的野心是「像微软创造了 Excel 开启软件时代一样，创造下一个 AI-Native 的工作方式。」

奇绩创坛 2025 年秋季创业营路演日72 小时，AI 闹拿到了这个明星项目的首次曝光。这是张浩然第一次对外详细阐述新产品「Agencize」，

Agencize的Beta版将在12 月 7 日，也就是奇绩创坛 2025 年秋季创业营路演日发布，正式版上线计划在2026年4月。张浩然的目标是在 2026 达成 百万美金ARR，且无论后续如何增长，团队尽可能保持 3 人规模。

我们提炼出张浩然的9 个鲜明观点，包括他的思考路径，非共识探索和对未来的预判。

小彩蛋：采访结束后，张浩然谈到大学因为太热爱街舞说服父母放弃读书，当时他在想「如果有什么事情能让我放弃街舞，那我绝对可以做到顶尖。」—他想表达，自己当时想不到有任何事情可以让他放弃跳舞，执念型人格——「结果很快迷恋上做产品直到今天，街舞只是他舒缓创业压力的运动方式了。」

• 2013年还是街舞少年

• 2021 年第一创业在奇绩创投路演

亮相观点 NOW！

1、所有预先构建工作流的 Agent都是错的。

张浩然：2024 年 10 月份我在深圳帮客户落地 AI 时，有一天突然产生了一个疑问，如果推理都是动态的了，那为什么产品和流程还是固定的？那是我第一次产生了要做一个「活软件」的想法。即根据需求自适应变化的软件。

我当时就找 fellou 的谢扬聊了聊，发现我们想法差不多，而且他已经在践行了。然后我又赶紧跑去客户那里验证真实场景，发现是奏效的。

在这个过程还得到了一个很重要的验证点：很多组织对预先构建工作流这套模式已经痛苦很久了。

由此我极端认为，现在市面上，所有提前去构建，用极度复杂的编排和条条框框造 Agent 的方式都是错的，但很可惜，我几乎没有看到任何一个同行做出一款能在过程中自生长出来的的 Agent。

于是，经历了半年的思考和案例验证，今年6月我开始第二次创业，做一款企业级 Agentic 生产力工具「Agencize.ai」。

• 新产品Agencize 以自然语言驱动直接完成任务

2、软件应该是「活」的，是在工作的过程中自生长出来。

张浩然：企业采购 SaaS 的第一性原理：要么可以端到端完成交付，要么固定 SOP 让基础员工能规模化使用。

在美国，一个企业平均要采购 90 多款 SaaS 软件，每个员工要使用 10 多个应用，效率提升的同时也带来另外一个问题，我称之为数字化办公带来的应用疲劳。员工在大量的应用之间来回切换，搬运数据，做人肉路由器。

更痛的点是，企业从来没有真正把一个人脑子里的Know-how 变成知识资产，SaaS 也只不过是一个记录静态数据的数据记录员。

基于这些，我认为，软件不该是提前预设好的，而是应该基于你在工作过程中「长」出的。

所以在设计Agencize时，我的构建思路是基于用户的意图驱动完成任务。

当你要执行简单任务时，Agent 会调动现有企业内部的软件完成，当执行复杂任务时，Agent 会根据你的场景生成一个全新的个性化软件。

• 张浩然在奇绩创投展示PPT

3、SaaS一定会降级为数据基础设施。

张浩然：进入 AI时代，我更激进一点说，所有的 SaaS 软件都降级为企业的数据基础设施，我要用AI native 的视角让 AI 完成更有价值的交付。

电商是很复杂的场景：订单在 Shopify ，邮件营销记录在 Klaviyo ，用户行为数据在 GA ，消费者数据可能在 CDP 或者 CRM 里，物流信息在 ERP 里。

假设一个出海品牌是一个小家电品牌，发货涉及全球插头转化问题，且用户的发货地、接收地和用户实际使用地可能是不一样。一个运营人员想发邮件了解一个用户的插头使用情况，过去得在好几个应用中切换查询信息。如果要询问 10 个用户，过程要循环 10 遍，一天的工作可能就这么过去了。

现在，他只需要向 Agencize 说明意图，就可以自动生成一套个性化软件，且 AI 会主动询问你，每天都要做这件事情吗？大概什么时候做？

然后属于他的「个性化软件」就可以自主运行了。

• 用户只需要描述需求，就可以即时生成个性化软件

4、这是企业的 Know-how 第一次被结构化捕捉。

张浩然：由于我设计的这套 Agent 要调用非常多的企业内部工具，由此也做了非常多的测试和优化，为它做了一套推理架构，包括如何理解业务，用好、用准工具、自我纠正等等，相比其他 Agent 的推理策略，我们的策略不会提前做出任何所谓的 To do list 规划，这是一个真正能持续对齐用户意图的自适应推理架构。

现在，随着大模型性能提升，这套推理框架的准确度、速度和成本都在变好，我们自己的评估体系的评测边界在不断被扩展。

另外一个难点是企业 know how 如何被灌入Agent？ 我认为企业Know-how 是一个过程数据，是 AI 在和人的协作过程中学到的人的工作取向和方法。

这也是为什么我极端不认可用预先编排的方式构建的 Agent，因为看似把人的 Know-how 成 Agent ，但实际编排过程有非常大的损耗，以及需要非常高阶的人才能把一个真正没有遗漏、没有损耗的 Mapping 灌入AI的工作体系，并且不可能遍历所有情况。

要知道企业内部很多人是根本没有这个构建能力的，技术人员不理解业务，大部分构建它的人是非技术人员他们懂业务，但又根本编排不出来。

解决方法是，我们要把 Agent 理解为员工的数字分身，在和真人工作的过程中，掌握真人的工作方式、知道真人在决策时使用什么工具，学习「真人是怎么做事的」。

这是对企业记忆的重新定义，也可以让企业的Know-how 第一次被结构化捕捉。

未来，我们会构建一套在「过程数据」中产生自训练的管线，能实时更新模型的权重参数，让 Agent 真正有进化能力。

5、Agent为什么非要用「对话」交付结果。

张浩然：大部分 Agent 产品采取「对话」交付结果，但我作为一个交互背景出身的产品人，一直在思考，用对话交付不应该是 Agent 唯一的交互形态。

本质上，交付的结果应该是基于你的意图显化出一个适合的形态，所以「活」的软件才是 Agent 的最好呈现形式。

在做交互设计的时候规划「界面信息层级」是非常重要的环节，通过突出信息等方式，让不同信息对用户的行为产生干预。想象一下，在一个平铺的对话框，丰富的信息转变成线性语言，会有很多丢失。

但为什么现在普遍认为使用界面交互是一件很糟糕的事？我认为只不过是软件时代 99% 的从业者能力太糟糕，导致大家觉得「界面」是糟糕的，所以得用「对话」。

错了，在今天注意力就是一切的时代，用户根本不用关心软件怎么用。最高效的办法是，用户对产品表达意图，产品立刻组成一个完美适配的界面，且用合适的呈现方式，多余的东西一点都不该有。

我认为，这比用「对话」交互要好很多。

Agencize 最终交付呈现是一个界面，界面里可能有个应用，类似微信的小程序，也可能是工作流，也可能是对话，用户怎么方便怎么来，支撑这个动态界面的是背后生成的一个 Agent ，它相当于这个软件的后端逻辑。

6、产品要先做宽，再做窄。

张浩然：这个观点是陆奇告诉我的。

当时我在纠结到底做泛化的场景还是收窄。

做具体垂直窄场景的优势是，我有客户资源，也能尽早商业化。但陆奇在和我 o一对一沟通时直接说，我的这个产品类型在没有找到市场强需求前，理论上都不应该让产品做得过窄，因为这会让信号变成噪音。

我觉得说得很对，一旦以垂直视角构建产品，未来在泛化时，几乎 80% 要重构。

在产品初期，我们应该像傻瓜一样，天真洞察各种各样的需求，认真调研每一个群体的需求，高度抽象化构建产品。

等度过傻瓜期，启动 Go to Market 的时候，就要锁定垂直场景下很具体的人群去击穿。

AI 产品的定义要高度抽象（这很难），但 GTM 的时候仍然需要符合商业逻辑去寻找具体的早期核心群体的核心场景。

7、押注全球 10 亿知识工作者。

张浩然：在内测期间，我们的用户画像很清晰：专业的个人用户和 SMB。

不碰大客户的原因是，大客户很多流程已经固定住了，员工体系一个萝卜一个坑。只有中小客户不能用人去换增长，所以更需要我们。

再回到创业原点，创业的第一性原理到底是什么？本质是今天你选中了一群人，也许现在很小众，但未来会成为主流的工作方式。

我押注未来 10 亿的知识工作者，因为随着 AI 发展，一人经济体或者小型经济体一定会越来越多，当我的产品跟随这些人一起成长，我就有了规则定义权。

8、 团队长期只保持三人。

张浩然：团队只有两个人，我和我的合伙人。

我们已经把市面上所有的 AI 工具用到极致了，我们就是 AI生成力提升的受益者。

我负责从需求到商业和产品定义，写一点代码，他负责产品核心业务代码和 AI 架构相关。未来，最多再招一个人来加速增长，且三个人团队要一直保持下去。

我是在用一个极端的限制条件即「 3 个团队做 500 万 ARR」来倒逼自己注做产品，要优先用我们自己的产品来经营我们自己这家公司，才能保证我的产品能更好的帮助到客户。

9、我们理应成为下一个微软。

张浩然：最早知识工作者的工作方式是 Excel 定义的，进入移动互联网时代， Salesforce 引领的 SaaS 定义了工作流。 我认为，来到 AI 时代像 Agencize 这类以意图+个性化切入的产品一定会成为新范式。

我们应该成为下一个微软。

其实我第一次这么想时，也把自己吓了一跳（笑），真的寒毛直立。

但仔细把我想做的产品模块拆开看，如果通过我们的努力都做到了，实际上我们理应成为下一个微软。

未来的工作可能不再是人和人之间，可能是 Agent 和 Agent 之间，工作流和工作流之间，机器 7 & 24 小时运转，人退到幕后，固定时间出现，打通关键卡点，作出关键决策。

「八小时工作」这件事大概率会消失。

文章来自于“AI闹”，作者 “张卓”。