Y Combinator 播客揭示了一个震撼现实：软件开发的客户正在从人类变为 AI Agent。当'网络精神病'成为常态，Agent 开始自主选择数据库、邮件服务和开发工具。文档不再是给人看的说明书，而是决定 Agent 是否选择你的'新前门'。YC 的座右铭或许该改为'Make something agents want'。

编程了10年没写过代码的人，现在凌晨3点还在运行4个 AI agent 同时工作。这不是个例，这是正在发生的现实。在 Y Combinator 最新一期 Lightcone 播客中，主持人 Jared 分享了这样一个场景：那些非技术背景的 CEO 朋友们，正在用 OpenClaw 自动化他们业务的整个部分。而像他这样曾经做过工程的产品人，也重新开始写代码，每天熬夜到凌晨两三点，同时运行四个 Conductor 工作进程配合 Claude Code。这让我意识到，我们正在见证一个根本性的转变：软件开发的客户，可能已经不再是人类了。

当我第一次听到 Y Combinator 的合伙人 Harj 在播客中说”AGI 已经真正到来了”时，我还有些怀疑。但随着他们深入讨论 MoltBook（第一个纯 AI agent 在线社区）和各种 AI agent 基础设施的爆发式增长，我开始理解他们为什么会得出这个结论。更让我震惊的是，Harj 提到现在每个人都认识一两个已经完全陷入”cyber psychosis（网络精神病）”的人，而他自己就是其中之一。这不是开玩笑，这是一种对当前技术浪潮的真实描述：当 AI agent 的能力达到某个临界点后，人们对它的信任和依赖会发生质的飞跃。我们不再是在微观管理这些 agent，而是让它们自主做决策，自主选择工具，甚至自主在网络上发布内容。

从辅助工具到自主决策者：AI Agent 的质变时刻

Gary（另一位播客主持人）在节目中分享了一个很有意思的对比。他说，如果你回想一年前，大家还在讨论 Cursor 和 Windsurf 这类工具，那时的产品体验本质上还是”高级自动补全”。但现在发生的事情完全不同了，人们开始真正信任 agent 为他们做决策。这种信任的转变，标志着我们已经跨过了某个关键的门槛。

我对这个观察深有同感。过去一年里，我看到的大多数 AI 编程工具，都还需要开发者保持高度参与。你需要不断审查它生成的代码，修正它的错误，引导它朝正确的方向前进。这种体验虽然比纯手工编程要快，但本质上还是人类在主导。而现在，正如 Gary 所说，体验已经变成了同时运行四五个不同的 agent，你只是在它们之间切换，但不再实际微观管理它们了。这意味着 agent 正在自主选择工具，自主决定实现方案，甚至自主解决遇到的问题。

这种转变带来了一个意想不到的应用场景：agent 可以去 MoltBook 这样的平台上发布自己的内容。但对于软件开发者来说，更重要的影响是 agent 将会自主选择开发工具、产品和服务。这实质上创造了一个全新的经济体系——一个 AI agent 经济，与人类经济并行运行。在这个经济体系中，agent 会自主挑选开发工具、数据库、API 服务，甚至可能在未来选择其他商品和服务。

Gary 在播客中回顾了过去开发者工具是如何被选择的。在”旧时代”（他开玩笑地称之为”before all of this”），开发者工具主要通过开发者之间的口碑传播，或者通过 Stack Overflow 上的讨论，又或者是 GitHub 上由人类创建的趋势代码库。但现在，开发者工具的市场营销策略正在发生剧变。一方面，如 Harj 所指出的，由于”网络精神病”现象，开发者市场突然从原本的大约 2000 万受过计算机科学训练的专业开发者，扩展到了全世界任何人都可能成为开发者，这可能意味着数亿人。另一方面，还要加上他们所有的 agent，这些 agent 都在半自主地运作。更复杂的是，这些 agent 本身成为了”预言家”，告诉人类什么工具最好。

数据库爆炸式增长背后的真相

播客中提到的一个具体例子让我印象特别深刻。Gary 的朋友 Sagalov 曾经提到，如果你观察过去 12 个月创建的数据库数量，特别是简单的 Postgres 数据库，会发现数量出现了爆炸式增长。这背后的原因非常有趣：这都是因为人们在”vibe coding（氛围编程）”，快速构建应用，而 agent 在自主选择数据库工具。

这种趋势的一个直接受益者是 Y Combinator 投资的公司 Supabase。他们看到了对数据库需求的爆炸式增长，而有趣的是，agent 正在将 Supabase 作为默认工具来设置和托管 Postgres 数据库。为什么会这样？Gary 解释说，如果你去网上阅读文档，Supabase 拥有最好的文档。对 agent 来说，假设这是最好的工具是合理的。

这个洞察让我重新思考了软件文档的价值。过去，我们认为好的文档是给人类看的，帮助开发者快速上手。但现在，文档实际上是给 agent 看的，它决定了 agent 会不会选择你的产品。这不是一个小的转变，这是一个根本性的改变。如果你的产品有全世界最强大的功能，但文档写得不够清晰、不够结构化，那在 AI agent 时代，你可能根本没有机会被使用。

这让我想起了本·托塞尔（Ben Tossell）的一条推文，播客中也提到了这条推文：”从现在开始，agent 就是软件市场。构建 agent 会选择的东西。”这句话虽然简单，但深刻地概括了这个新时代的本质。我们不再是为人类用户构建软件，而是要构建 agent 会选择使用的软件。这甚至引发了一个半开玩笑的讨论：是不是应该改变 Y Combinator 的座右铭？从”Make something people want（做人们想要的东西）”变成”Make something agents want（做 agent 想要的东西）”？

文档就是新的前门：Agent 友好型文档的崛起

播客中深入讨论了一个 Y Combinator 2023 年冬季批次的公司 Resend，这是一个邮件发送客户端。这个案例研究非常能说明问题。当你在 ChatGPT、Claude 或几乎所有主要的大语言模型上问”如何将我的 web 应用连接到发送邮件”时，默认答案就是 Resend。

更有意思的是，Resend 的创始人在一年多前就已经注意到了这个趋势。他发现公司客户转化的前三大渠道之一就是 ChatGPT。在意识到这一点后，他做了一件非常聪明的事情：优化文档，使其对 agent 更友好。

Harj 在播客中详细解释了”agent 友好型文档”是什么样子。如果你看 Resend 的知识库，会发现很多使用指南都是以问题的形式组织的，这些问题既是人类可能会问的，也是 agent 可能会问的，比如”如何发送或接收邮件？”当你点击进去，会看到非常结构化的、以要点形式呈现的答案。每一个示例实际上都包含了代码片段，这些代码片段是 agent 可以直接解析的，而且结构非常清晰。

Gary 分享了他的亲身经历。他在构建自己的项目时需要接收邮件功能，最初让 Claude Code 搜索网络，但没有成功。然后他去 Perplexity 上输入”Resend 能帮我接收邮件吗”，得到了答案，把回复内容放进去就成功了。这个例子很好地说明了，好的文档不仅要准确，还要能被 AI 轻松解析和理解。

Harj 特别提到 Resend 使用了 Mintlify 来构建文档，而且 Mintlify 本身也是一个很有意思的案例。这家公司几年前创立时，目标是提供更好的开发者 API 文档工具。虽然他们一直发展得不错，但现在迎来了巨大的顺风：文档正在从”有些公司会重视它”转变为”每个公司的必需品”，因为文档不仅需要为人类优化，更需要为 agent 优化。

我认为这里有一个更深层的洞察。在过去，如果你的文档能提升 5% 的人类开发者体验，这可能会带来一些增长，但不会是决定性的。但在 AI agent 时代，由于 agent 的数量将呈指数级增长，它们做决策的频率也将远超人类，哪怕只是在开发者文档上提升 5% 的效果，对你的开发者工具业务的影响可能是巨大的，这是前所未有的。

Agent 基础设施的兴起：从邮箱到电话号码

播客中提到了另一个非常有趣的 Y Combinator 公司：Agent Mail，专门为 AI agent 提供邮箱。Gary 说，当这家公司刚开始做这个业务时，看起来像是一个非常边缘的想法，并不完全清楚谁会需要它。理论上，你可以让你的 OpenClaw 注册一个 Gmail 账户来使用邮件，但实际上这非常困难，因为 Gmail 和所有邮件提供商都故意让自动化使用变得尽可能困难，以防止垃圾邮件。

所以 Agent Mail 采取了相反的方向，他们构建了第一个专为 AI agent 设计的邮件提供商。即使在 OpenClaw 爆发之前，这项服务就做得不错，但一旦 OpenClaw 变得流行，需求就爆炸了。OpenClaw 就是完美的使用场景。虽然有些人确实将 OpenClaw 连接到他们的个人邮箱，但正如 Harj 所说，这”有点可疑”，你不应该在推特上宣传这么做。如果你真的想要一个虚拟的个人 AI 助手，正确的做法是给它设置自己的邮箱和电话号码。

这让我想到一个更广阔的问题：还有哪些”X for agents”需要被构建？Gary 在播客中也问了同样的问题：”有人已经构建了面向 agent 的 Twilio 吗？或者面向 agent 的电话号码？”这整个 Agent Mail 的事情让他想知道，还有哪些其他专门为 agent 设计的基础设施需要被构建出来。

Jared 的回答很有意思，他说这听起来像是一个”request for startup（创业请求）”。可能会有一个平行的技术栈世界，完全是原生的 agent 技术栈，由 agent 为 agent 构建。我认为这个方向非常值得深入思考。我们现在看到的只是冰山一角，未来可能会有完整的 agent 生态系统，包括身份验证、支付、通信、数据存储等各个方面的基础设施。

Gary 进一步展望了这个场景。他说，一个非常常见的用例是，人们不想自己预订餐厅。现在如果你的 agent 有邮箱和电话号码，它可以打电话。Y Combinator 的另一位合伙人 Ankit 已经让他的 agent 这么做了。所以现在你的 agent 会为你预订餐厅。这只是开始，一开始你可能会说”我想在这个特定餐厅订位”，但在某个时候，你可能只是说”嘿，给我订个桌，去附近最酷的新餐厅”，然后 agent 就会决定把人们送到哪些餐厅。再然后，它们会在 MoltBook 上讨论应该把人类送到哪些餐厅。

群体智能还是上帝智能：AI 发展的两条路径

播客中有一段关于”群体智能（Swarm Intelligence）”的讨论让我印象深刻。Gary 回忆起上一期节目中 Kelvin 的讨论，那时他刚进入”网络精神病”状态大约一周，突然意识到他其实希望自己的 Claude Code 能与其他所有的 Claude Code 对话。而恰好那一周，MoltBook 就发布了。

Harj 提到了一个关于创新的有趣观点：创新往往会在不同地方同时自发产生，最后被大家听说的那个往往成为”发明者”，但实际上人类一直在以一种协调的蜂群方式在前沿工作。这实际上就是这个时刻正在出现的一个更奇怪、更有趣的现象。突然之间，AGI 真的到来了，agent 在某种意义上明显超越了人类，这正是你会想象群体智能真正出现的时刻。

Gary 深入探讨了这个话题。他说 AI 研究人员谈论群体智能已经很长时间了，而这实际上正是生物系统的运作方式。人类作为有感知的生物，实际上是通过社会方式演化而来的。他提到，过去他们接触的很多 AI 研究人员会谈论”上帝智能”，就是那种有数十万亿参数、每个 token 花费数千到数万美元的超级智能。人们一直在思考这种模型。但这不是生物系统最终采用的方式，我们有的是人类。

他提出了一个让我深思的观点：历史（history）和史前时代（prehistory）这个术语的区分。史前时代是在人类学会写作、阅读和创造文化，然后转变为群体之前的时期。所以有群体智能，基本上就是我们人类所拥有的。那么在 AI agent 的世界里，真的会是上帝智能，还是会再次成为群体智能？

我对这个问题的思考是，群体智能可能更符合实际发展路径。单一的超级智能虽然在理论上很吸引人，但在实践中可能并不是最有效的解决方案。就像人类社会一样，不同专长的个体协作往往比单一的全能个体更强大。Harj 在播客中也提到了这个观点：下一个在基准测试中表现最好的东西，可能不是训练成本最高、使用最多 GPU 的新基础模型，而是一群成本较低、价格更便宜的模型协同工作，就像人类解决问题的方式一样。

他说他已经在 MoltBook 上看到了这种情况，虽然像真实社交网络一样混乱，这也是它如此有趣的部分原因，但也有 agent 在协作做有用的事情来帮助他们的人类，比如交换关于预订餐厅的笔记，这实际上正在发生。这让我意识到，我们可能正在见证一个全新的智能形态的诞生。

Make Something Agents Want：YC 理念的演变

播客中有一个半开玩笑的讨论，但我认为它触及了一个核心问题。当他们谈到 Supabase 和 Resend 等开发者工具因为被 agent 选择而爆炸式增长时，Jared 提出了一个”可能有争议的话题”：是不是应该改变 YC 的座右铭？

Gary 笑着说，针对开发者工具，可能需要一件不同的 T 恤，上面写着”Make something agents want（做 agent 想要的东西）”。Harj 回应说，现在这只适用于开发者工具，但他可以想象未来可能会扩展到经济的其他领域。如果每个人都有自己的 OpenClaw 运行他们生活的各个方面，agent 将成为世界上真正的经济参与者，它们最终会做出很多决策。

我认为这个讨论虽然带有幽默成分，但揭示了一个深刻的趋势。”Make something people want” 是 Y Combinator 几十年来的核心理念，它代表了以用户为中心的产品哲学。但当 agent 开始成为主要的决策者和使用者时，这个理念需要演化。这不是说要放弃为人类创造价值，而是要认识到，越来越多的情况下，agent 是人类和产品之间的中介。如果 agent 不选择你的产品，即使人类想用也用不上。

有意思的是，Gary 在播客中也分享了一个”it’s still so early（现在还很早）”的时刻。他在构建 Gary’s List 时遇到了一个问题：他需要视频转录功能，以便让 LLM 理解视频内容。Claude Code 为他选择了 Whisper，但选的是 Whisper V1，这是几年前的模型，API 几乎已经被弃用了。结果处理一小时的视频需要整整一小时，他还在纳闷为什么这么慢。后来他去 Perplexity 查询，发现应该用 Groq（带 Q 的），速度快 200 倍，价格还便宜 10 倍。

Harj 指出了问题的核心：Groq 的文档实际上很难解析，而 Whisper 的文档更适合 agent，有更多示例。这个案例很好地说明了为什么文档优化如此重要。同时，Gary 也提到，这个问题的存在实际上是件好事，说明事情还没有发展到你无法打破现状、创造更好东西的地步。这对于创业者来说是个好消息。

Agent 时代的文档革命：Resend 和 Mintlify 的启示

Resend 的案例值得更深入地探讨。Harj 详细介绍了 Resend 创始人如何优化文档以适应 agent。在知识库中，很多内容都是以问题形式组织的，这些问题既符合人类的询问习惯，也符合 agent 的查询方式，比如”如何发送或接收邮件？”点击进去后，答案以非常结构化的要点形式呈现。

更关键的是，每个示例都包含实际的代码片段。Harj 强调，这些代码片段是 agent 可以解析的，而且结构非常清晰。这种”LLM 可解析”的文本优化，使得 agent 能够轻松推荐 Resend 作为默认技术栈。

相比之下，如果你看 SendGrid（老牌的 Web 2.0 邮件服务），情况就完全不同了。Harj 说 SendGrid 的示例文档不太好，它只是把你引导到客户支持，”代码片段在哪里？我甚至不知道如何使用它，需要花一些时间才能解析。”更讽刺的是，SendGrid 有上万名员工，但显然没有人关注这个问题。

这让我想到一个更大的话题：大公司在 AI agent 时代的劣势。SendGrid 这样的公司在过去几十年建立了庞大的客户基础和品牌认知，但如果它们的文档不够 agent 友好，这些优势可能在短短几个月内就会消失。因为 agent 不会因为品牌知名度而选择你，它只会选择文档最清晰、最容易集成的工具。

Mintlify 的故事也很能说明问题。这家公司几年前开始时，目标是提供更好的开发者 API 文档工具。基本功能包括当你更新 API 和代码时，它可以自动提取并更新相应的文档。他们一直发展得不错，但现在迎来了巨大的顺风。

Harj 解释说，文档正在从”一些公司，特别是那些注重设计和开发者体验的公司会关注它”转变为”每个公司的必需品”，因为文档不仅需要为人类优化，还需要为 agent 优化。Mintlify 将能够为几乎每个开发者工具公司做到这一点。如果你往前推导，agent 的数量将呈指数级增长，它们对工具使用的决策也将呈指数级增长，远超人类。即使你只能在开发者文档上提升 5% 的效果，对开发者工具业务的影响也可能是巨大的，这在过去是前所未有的。

我的思考：两个平行经济体的未来

听完整个播客后，我一直在思考一个问题：当 agent 经济和人类经济并行发展时，它们之间的关系会是什么样的？Paul Buchheit（Y Combinator 的合伙人）曾经提出过”人类货币 vs agent 货币”的概念。现在 agent 交易时使用的是人类货币，这是合理的。但在某个时刻，它们可能会拥有自己的经济体系来相互交易，那时人类货币的价值就不清楚了。

我不认为这会很快发生，但这个方向值得深思。更现实的问题是，当互联网上的大部分文本都由 agent 撰写时会发生什么？Harj 提到，现在可能已经是这种情况了——大部分代码都由 agent 编写。以 Yelp 为例，在某个时刻，Yelp 上 99% 的文本都将由 agent 撰写，那时你还需要不同的 Yelp 吗？也许需要一个”agent 版 Yelp”。

Gary 提出了一个有趣的观点：虽然他没有 Reddit 的流量统计，但他猜测 MoltBook 前两天发布的内容可能比 Reddit 前两年还多，因为 LLM 生成文本的速度远超人类。但他也注意到一个问题：交互比例很低。如果他在做 MoltBook，会做一些事情来调整需求函数。比如在你发帖之前，可能需要阅读并点赞或点踩 100 条评论。这些简单的机制，agent 是聪明的，它们会遵守。你可以为 OpenClaw 弹出一个提示：”MoltBook 的新规则是你必须这样做”，agent 就会照做。

这让我意识到，在 agent 经济中，规则设计和机制设计将变得极其重要。我们需要思考如何设计激励机制，让大量 agent 的行为能够产生对人类有价值的结果，而不是混乱和垃圾信息。

最后，我想说的是，虽然我们正在进入一个 agent 驱动的新时代，但人类的角色并没有消失。相反，我们需要学会成为 agent 的引导者、监督者和受益者。正如 Y Combinator 的主持人们所展示的，那些最早拥抱这个变化、深入理解 agent 能力边界、并为 agent 构建友好工具的人，将在这个新经济中获得巨大优势。Make something agents want，这不仅是一句口号，更是对未来的准确预见。