十字路口目录 · Agent 产品

Paperboy:连续上下文与主动协作的边界

如果助手能从操作系统层面观察你的跨应用工作流,用即时通讯而非一次性会话组织协作,它能省去多少重复解释?它又怎样避免误解、越权与打扰?

先把访谈讲清楚

开场与快问快答:21 岁二次创业者与 19 岁 CMU 创始工程师

本期《十字路口》由 Koji 与 Ronghui 联合主持,对谈 Paperboy 创始人兼 CEO John Yang 与 Founding Engineer Jett Chen。因 John 用英文表达更自然,整期对话中英混杂,团队负责招聘等事务的 Vivian 也在现场短暂出声。开场快问快答先交代了团队基本面:

John Yang21 岁(2004 年生),就读于 Pratt Institute 建筑专业;ISTJ,双子座。Paperboy 是他的第二家公司:第一家公司 Million 入选 YC Winter 2024,早年在 React 生态做了大量开源开发工具,并向大企业售卖网页性能 RPA 机器人,后做出 same.new——输入一句话和 URL 即可复刻几乎一模一样的网站界面。创办 Paperboy 前,他曾在 Manus 工作过一段时间。
Jett Chen19 岁,毕业于上海新虹桥双语学校,刚读完卡内基梅隆大学(CMU)大一;INTJ,处女座。加入 Paperboy 前是高中生,热爱开源与 CTF(网络安全夺旗赛);一两年前做过多模态定位项目 EarthKit,拍一张照片用多模态大模型推测拍摄地,效果超过传统纯神经网络模型。
团队与现状Paperboy 的使命是探索人与 AI 协作的最佳形态。团队现有 12 名全职员工(其中 10 位工程师),融资 470 万美元;产品尚未公开发布,当前收入为零、毛利率为负(John 直白笑称「每天都在亏钱」)。他们曾把让 Agent 从操作系统(OS)活动学习的原型发给朋友试用,但成本太高且效果不佳,正赶在录制当月收尾下一版迭代并准备重新推向市场。

起点:对现有 AI 交互的不满,与不断移动的球门

Koji 提到第一次见 John 时读过一份令人震撼的内部文档——去年 11 月 30 日团队仅四人(John、杜哥、陈、Jett)开首次全员会时 John 写下,开篇第一句就是:「人类和 AI 配合工作的最佳方式,很可能还没有被发明出来。」

John 回顾,做完 same.new 后,他对市面上所有 AI 产品都感到不满:为什么非要把文件、邮件和个人背景手动扔进对话框?为什么不能顺畅地让多人与一个 Agent 在同一个上下文窗口协作?为什么 Agent 知道了大量个人信息后,依然只能被动等提示,而不能主动(proactive)提前帮忙?在他看来,这全是模型能力与产品部署形态之间的落差。当年 Cursor 最先锁定了「与 AI 协作写代码」的球门并率先跑通,Paperboy 想去争夺通用工作场景的球门。

Koji 追问:创业至今这半年,Claude Code、Claude Cowork、OpenClaw、Hermes Agent 等重磅产品轮番登场,不少创业者感到绝望,Paperboy 的方向有没有因此剧变?John 回答「还真没有剧烈变化」。他将其称作「不断移动的球门(moving goalpost)」——每当新形态出现,有品味的用户总能看出新的摩擦点,只能持续演进。只要从人的真实需求出发,问题空间就聚焦在三点:

  1. 从环境中自主学习:Agent 必须原生接入用户已在使用的本地文件与各类集成,而不是等人手把手喂材料。
  2. 深度个性化与可靠性:足够懂你,你才不用频繁写 prompt,才敢放心交给它更复杂、更高风险、运行更久的任务。
  3. 极致直觉的设计:你不该像学全新专业软件一样去学怎么用它;一旦多个 Agent 开始主动产出想法,就需要一种自然存在于用户原环境且便于团队协作的形态。

打破 Session 模式:为什么必须从操作系统层采集上下文

面对已经重度使用 Claude Code 或 Manus 的听众,John 指出这两类最成功的 Agent 都有两个根本痛点:基于会话(session-based)与一对一被动问答(reactive)。侧边栏堆满工作区和几百上千个孤立会话,每次开新会话都像重新认识一次;旧会话里再宝贵的洞见,不刻意抄进 Agent.md 或技能文件就会随会话沉底丢失,而人的品味与判断根本无法靠手写纯文本完整转译。

Paperboy 正面回应这两个问题:一是在用户逐项授权下,让 Agent 通过观察日常电脑操作自己学习——涵盖屏幕截图、键盘输入、鼠标移动、会议音视频、浏览历史与 iMessage;二是抛弃一次性会话,改用类似微信或 iMessage 的持久聊天,让可搜索的对话历史远远长于单个模型上下文窗口。

Jett 补充了更细的工程区分:有人会说 Claude Code 和 Manus 靠上下文压缩(compaction)也能模拟无限窗口,而 Interaction 的 Poke、Zoo Computer 乃至 OpenAI 也在探索无 session 的持续聊天。但那些产品的上下文主要来自人与 Agent 的历史对话或导入邮件、消息。团队最早做原型时也试过全量导出微信和 iMessage 聊天记录,很快发现这条路既不具扩展性、信息浓度也太低——观察用户过去 60 分钟的微信聊天学不到太多东西,但从 OS 层观察他用电脑 60 分钟,就能高浓度掌握他当下真正在做什么。从 OS 层捕获上下文做用户适配,成了团队最早压下的重注。

屏幕上下文成为共识之后,真正的战场在哪里

Koji 提到此前采访过的 AirJelly、OpenAI 新推的桌面客户端 Chronicle,以及 Littlebird 都在做桌面上下文捕获,Paperboy 有何不同?John 坦承,抓取桌面原始活动流加工为记忆已成为「下一个显而易见的上下文前沿」,Codex、Claude Cowork 和 Claude Code 都会做。但不同应用场景决不能共用同一套记忆压缩管道——帮人回邮件与帮人做深度研究,该抽取什么细节、如何建模跨应用状态与人际关系截然不同。

Jett 也表示,采集屏幕数据已成行业共识,但在此之上如何做主动式 Agent——是预测用户下一个按键,还是预测接下来一小时的动作——目前无人找到公认「最佳配方」,仍需大量工程与研究探索,对创业公司依然是好机会。

前五分钟的信任破冰:从会前准备到团队里的「数字分身」

Ronghui 追问新用户装上后的头五分钟到一小时能获得什么价值。John 说团队计划从会前准备(meeting prep)切入:打开后不是干巴巴的提示框,而是真正的聊天窗口。用户授权日历与邮件后,系统先简短核实身份背景,随即针对即将到来的会议给出克制提议,比如「我看到你马上有一场会,要不要帮你提前查点资料?」早期必须通过几次「懂你又不令人厌烦」的短信式互动,建立「这个 Agent 能自然发消息帮忙」的信任预期。

John 接着展示了团队已在内部 Slack 实战的两个分身——AutoJohn 与 Mini Vivian(Vivian 曾任职小红书,在团队承担大量招聘):

Jett 坦白说,日常很多时候跟 AutoJohn 聊确实比找 John 本人更顺手:作为一线工程师,他每天思考做什么研究或工程对公司价值最大,而 AutoJohn 同时握有 John 对全公司的上下文与相似的启发式判断。但他也划清红线:遇到必须由 CEO 批准授权的决定,或担心分身意志还不能完全代表本人时,仍会直接找 John。John 补充,用户必须为自己的 Agent 负责:接入 Slack 前有一套引导流程,Agent 会逐一确认对哪位同事可以分享多少信息,默认则镜像本人真实聊天尺度——比如对 Jett 分享极多,对新入职工程师则收敛。

跨应用自动补全 @pb、PR 起草与「防走神日报」

Jett 分享了自己最早的顿悟时刻——全局文本补全。底层上,团队先搭起 OS 数据采集与记忆框架,沉淀为一份实时更新的 Markdown 文档,同时记录用户职业、近几天在忙什么,以及过去几分钟乃至几秒钟的操作——距离当下越近,颗粒度越细。基于这套随身上下文,用户在系统任意输入框键入激活词 @pb 即可调用:

John 则把它当成 CEO 思考外脑:如今他很少写代码,大量时间在试产品、做调研、见人,Paperboy 会帮他把不同维度的念头连点成线,适时提醒「你两个月前试过类似产品形态,当时记过这几个问题」。

抛弃定制侧边栏,向微信群聊借界面灵感

录制前两周,Paperboy 启动了一版全新界面,灵感正是 Paperboy 帮 John 推演出来的。团队最初瞄准 VC 等核心客群,设想在侧边栏塞入个人 CRM、日程提醒、季度交易、被投公司与 LP 追踪模块,却立刻撞墙:运营、创业者、房产经纪人各自要的侧边栏截然不同,难道让用户去插件或技能市场挨个拼装?

推演中冒出一个核心追问:人类日常使用的软件里,什么东西本质上是无限长列表、却不会让人烦躁?答案直指即时通讯(IM)——尤其是微信和 iMessage。同样的三个人可以按不同议题建四个群;Koji 当场附和,《十字路口》团队就是每录一期新播客建一个固定几人的群,否则全挤在一个群里一片混乱。IM 最妙的是自然沉淀:不聊的群自动沉底,也能随手隐藏,本身就是一个收件箱。团队于是放弃另造侧边栏与收件箱,直接用 IM 群聊组织人与多个 Agent 的协作。

竞争格局:只有两家巨头真正重要,以及为什么不做「AI Slack」

谈到竞争与壁垒,John 异常坦白:「今天真正重要的对手只有两家——OpenAI 和 Anthropic。」它们手握模型、算力与分发,其余玩家都在后面追赶。创业者能赌的,一是像 Cursor 那样靠产品品味抢先定义面向个人的新界面;二是切入有预算的企业市场。

他们最早也想过做「AI 版 Slack」。Koji 问起市场上几款团队协作 AI 产品(含 Moxt 及由 Richard 创立的协作工具)。John 称赞对方创始人极优秀,却指出「AI Slack」的三重硬障碍:① 迁移成本极高,即便做到数据一对一导入,企业已有的外部连接器仍需重接,Ronghui 也补充跨企业沟通已深度绑定 Slack Connect,网络效应如微信般难以撬动;② Slack 本身并不令人愉悦,频道加串评只是规模化后的无奈选择;③ 仅靠群聊学得太慢,忙碌的职场人没空训练机器人,期望开箱即用且越用越聪明。因此 Paperboy 放弃硬替 Slack(John 估计超 50 人团队极难迁走),选择在 OS 层做补充——把 Agent 送到人们原本工作的地方。

《The Last Interface》与 Pace Layers:任务速度决定产品形态

Koji 提到 Paperboy 官网唯一博客《The Last Interface》里的「五种速度」。John 解释「五」只是思考归类,灵感源自旧金山非营利组织 Long Now Foundation 创始人 Stewart Brand 的节奏分层(Pace Layers)理论:世界由变化速率迥异的六层构成——时尚、商业、治理与政治、基础设施、文明、自然规律,各层相互反身作用。映射到 AI 产品的任务时间尺度光谱上:

任务时间尺度典型工作场景团队判断的合适产品形态
极短期(1 秒—10 秒)微信回复一句话、命令行写提交说明输入处原地弹出的自动补全(如 @pb)
中期(数分钟—数小时)读十份长报告并作业务决策、跨应用起草文档IM 对话协作与持续上下文辅助(最佳形态仍在探索)
长周期(数周—跨月)长期研究推进、复杂业务项目交付产品形态高度开放,是团队最感兴趣的前沿空白区

核心观点是:你在哪一个速度层做自动化,直接决定了产品应该长成什么形态;时间跨度越长,现有界面的空白越大。

21 岁首次做 CEO:挑市场、管理书单、CEO 教练与两种工程师

多位成员向 Koji 感叹和 John 交流感觉不到他生于 2004 年。John 笑称和 Jett 在一起时依然很幼稚,但带队必须清晰、高效、聚焦——CEO 的头号职责是定义什么叫成功,并确保每人对目标与运作有完整准确的上下文。他回顾高中到大学间做过多份实习;Million 早年向大企业卖 B2B 网页性能 RPA 机器人,20 岁的他们吃尽苦头,深知自己不擅长拉企业关系。这让他把「选对市场」视为早期创始人最重要的特质——市场要能持续膨胀十年、支撑一条演进的产品线,并与团队特质匹配。

谈到首次做 CEO 与管理者,John 直言太难了:以前看工程师浪费一下午会郁闷,做了 CEO 才明白自己才是公司里杠杆最大、一个错决定最能烧钱的人。他从零摸索招聘、绩效、一对一沟通与避免微管理,学习路径极为务实:

在 12 人团队里,John 明确只招两种截然不同的工程师:一种像 Jett 这样年轻、高智商、富于创造力,能把每个难题飞速搭出原型;另一种是系统基本功极其扎实的老兵,例如刚从 AWS 挖来一位做过 Windows 云基础设施内核开发的工程师——他断言这类深度专家短期绝不会被淘汰。

聊到 Palantir 直接招高中生、「AI 时代还要不要读大学」,仍在 CMU 读大一的 Jett 先调侃「因为有中国父母」,随后认真表示:CMU 身边多数同龄人并不确定未来方向,大学学业耗时不多,刚好提供 4 年探索期与技术积累;若已有笃定方向和稀缺机会,辍学同样理性。谈及为何加入 21 岁首次 CEO 的团队,Jett 用「截距与斜率」作比:选创始人斜率比截距重要得多,John 在极短时间交付过亮眼战绩,极富能动性、学习快、有产品和工程品味且具人格魅力。John 则表示自己招人绝不硬推销,更看重招进来后的兑现力;面试资深候选人时尤其爱问过去十年的关键人生决策,因为「轨迹没法造假」。

拒绝 Cognition、Vercel 与 Sentry:保持独立,以及对巨头与赛道的押注

Koji 透露 Million 时期他们收到过 Cognition(Devin)、Vercel 与 Sentry 的收购邀约。John 解释拒绝很干脆:这些本质是人才收购(acqui-hires),给钱不多,进去只是当普通员工执行别人的想法,何况自己本就不热衷开发者工具;能保持独立去实现梦想,就绝不轻易放弃。

聊起除 Paperboy 外最喜欢的 AI 产品,两人分化鲜明:

若能买二级市场老股,Jett 会配 80% OpenAI、20% Anthropic——赞赏 Anthropic 的可解释性与社会影响研究,但嫌它在道德与使用习惯上过于说教,偏自由意志主义的自己更喜欢 OpenAI 少设限的价值观与算力优势;John 则冷静补了一句:按当下估值两家都不会买,但同样敬重 Anthropic 的安全承诺。谈到「模型吞噬一切」,Jett 认为各家模型可能趋同,差异化仍靠产品,且公司不必画地为牢——Cursor 起步是产品公司,如今也能借 xAI 算力自研前沿代码模型;John 总结:「通常两者都是。」

最后 Koji 给出 300 万美元虚拟投资额请两人押注三个方向:John 投给欣赏的创业者 Richard、机器人与底层基础设施,并断言下一个 Cursor 级巨头不会出自企业级 AI,而会出自消费级市场;Jett 同样看好改造物理世界的机器人,更强烈看好 AI + 网络安全——模型越强攻防同步升级、需求近乎无限,只要多 Agent 漏洞挖掘系统比对手多挖 10% 漏洞就能胜出,是个极讲实力的市场。面对 John 反问怎么防 Anthropic 下场,Jett 认为最强模型之上的 harness(编排框架)、安全专家启发式经验注入,以及各国和机构对主权安全能力的刚需留出了巨大空间(两人顺带打趣「另一位 John Yang」——SWE-bench 作者——刚发了从规格复现完整代码库的新评测)。

面对「一年后希望 Paperboy 是什么状态」,John 的期待朴素而直接:「希望我们不要再每天亏钱了」——跑出真实正向现金流,同时把团队的人才密度推得比今天更高。

从活动到记忆:桌面记录如何变成一次有依据的主动帮助

本文自拟例子:一名研究者过去三天在三个地方推进同一课题:本地文档写下了假设,线上会议里合作者提出反例,终端实验日志显示初版参数跑偏。如果系统只压成一句「用户正在研究 X 方向」,下次起草周报或回复邮件几乎无用;只有按时间远近分层保留「当前假设、反例提出者、实验配置与失败现象」并附可回查来源,在用户键入 @pb 或临近下次组会时,它才能精准提醒「反例尚未回应、初版日志已证伪方案 A」。

要让这条链路在真实桌面稳健运转,系统需连续闯过五关:① 细粒度权限控制(按应用、目录、联系人与会议授权,随时暂停与屏蔽敏感窗);② 多粒度任务归类(近期留细节、跨周收敛为状态与待决项,防任务串味);③ 事实、建议与决定分层(防旧草稿被误当正式拍板);④ 低干扰触发时机(借会议临近或 @pb 显式触发,先给本地草稿,未经授权不对外发消息);⑤ 成本与纠错闭环(借事件触发与轻重模型分级控制算力开销,避免重演初代原型「太贵跑不通」,并支持一键修正过期记忆)。

独立判断:更多上下文不自动带来更可靠的理解

1. 看见操作流,依然不等于读懂意图与成本账

Jett 用「看 60 分钟电脑胜过看 60 分钟微信」点破了 OS 级上下文的信息浓度优势,洞察很犀利。但屏幕与键鼠动作天生充满歧义:反复翻看简历可能是准备发 offer,也可能只是帮朋友挑错字;网页停留半小时可能是深度研读,也可能只是起身倒了杯咖啡。再加上持续截屏与多模态实时更新记忆的高昂推理成本,直接解释了为何初代原型「太贵且还不好用」。评估这类产品不能只看演示瞬间,而应测算单位工作日成本、意图误判率与人工纠错耗时。

2. 团队「数字分身」面临权限漂移与责任归属难题

AutoJohn 与 Mini Vivian 的故事很迷人,却也暴露了企业落地最尖锐的灰色地带。按过往聊天习惯「镜像」分享尺度看似自然,但人际关系与信息密级是动态变化的:上个月能坦诚聊的融资或人事判断,本月可能已成机密;分身一旦把创始人尚未成熟的随口猜测包装成笃定回答,团队可能顺着错误方向白干一周。团队分身必须具备显式来源标注、置信度边界、单向降权撤回,以及「仅供参考、不代表本人批准」的硬性动作隔离。

3. 一人授权采集屏幕,天然会卷入他人的未授权隐私

相比手动粘贴文字,OS 级持续采集(截图、会议音视频、iMessage、浏览历史)会无差别收入同事私聊、客户合同、候选人隐私与亲友信息。能否把本地存储、脱敏机制、保留周期、敏感应用黑名单与彻底擦除做成透明可审计的默认能力,往往比多做一个炫酷功能更决定生死。

4. 「IM 群聊 + 节奏分层」是好框架,但长周期任务的界面远未收敛

用微信群聊化解侧边栏碎片化,用 Pace Layers 拆开 1 秒补全与跨月任务,体现了极佳的产品抽象力。然而 IM 擅长异步沟通,并不擅长承载跨周任务的依赖关系、版本比对与多方签核——这正是团队在群聊里依然常被刷屏淹没、不得不切回文档与任务系统的原因。面向数小时乃至跨月任务,如何在「像聊天一样零门槛」与「像工作台一样结构可控」之间取得平衡,仍是整个行业尚未交卷的难题。

证据边界与资料索引

本文依据《十字路口》官方单集简介与完整第三方机器转写整理,未逐字听审原音频或实测 Paperboy 内部原型。因原访谈中英混杂且多人穿插,第三方机器转写存在若干识别误差与说话人归属混淆,正文已据官方简介及上下文交叉核对校正:转写中的「嘴部动作」据官方简介校为「鼠标移动」;收购方「Brazil」「Century」「David」据官方简介校为 Vercel、Sentry、Devin,「billing / Melanie」校为 Million;「OpenCloud / Clockwork / Clock Code / Arms / Air Jelly」分别校为 OpenClaw、Claude Cowork、Claude Code、Hermes Agent、AirJelly;后半段关于最爱 Codex 及其开源/工艺/算力补贴、以及 AI 安全赛道的中文长段论述,转写一度误标为 John(酱阳),按官方简介与语言习惯校回 Jett Chen,其余个别存在转写歧义的产品名(如 Richard 创立的协作工具在转写中误记为 Slack)正文未擅自补全。团队人数、470 万美元融资、产品迭代进度与竞品体验评价均按 2026 年 5 月录制时点嘉宾口述理解;文中的研究记忆案例与评估框架为本文自拟。

返回十字路口目录