给每个愿意参与的专家建一份能对话的 AI 档案，你抛出一个业务问题，系统挑出最相关的几个人，让他们的档案一起坐进群聊回答你。这家叫 SuperMe 的公司刚拿 2000 万美元 A 轮，赌的是没上过网的那部分知识。

你有没有想过，工作里碰到一个拿不准的问题，你会去问谁？大多数人的办法是翻通讯录，找认识的人问一句“你知道谁做过这件事”。再往外一层就更难了，想让朋友帮忙引荐一个在职业社交网站上和他连着的人，最常见的回答是，其实我不认识那个人。谁真的懂，几乎只能靠熟人的一句话来判断。

10 月 29 日，旧金山一家叫 SuperMe 的公司宣布融资 2000 万美元 A 轮，由投资机构 Forerunner 的 Kirsten Green 领投，Greylock 参与。它想解决的就是上面这件事。做法是给每个愿意参与的人建一个能对话的 AI 档案，你抛出一个业务问题，系统去网络里挑出最相关的几个人，让他们的档案一起坐进一个群聊里回答你。

SuperMe 公布融资时的产品示意图：问一个问题，几位专家的档案一起回答。图片来自 Casey Winters 的文章

公司的两位创始人，Casey Winters 和 Ludo Antonov，是在 Pinterest 一起做增长的老同事。这个产品并不是一次就做对的，前两个版本都没有成为他们想要的那种网络，第三个版本加上搜索和群聊以后，才算有了样子。他们想让真正做事的人不用写文章、不用发帖，也能被需要的人找到。不过专家凭什么愿意长期参与，谁来付钱，这两个问题到现在还没有答案。下面就顺着这条线讲。

01 SuperMe 到底怎么用，一个能聊天的档案，加一个会找人的搜索

先看档案这一半。一个人把自己愿意分享的工作内容接进去，公开的有文章、播客、LinkedIn 和 X 上的帖子、Substack，私下的有 Google Drive、Notion、Gmail，还有记会议内容的工具 Granola。系统用这些东西训练出一个可以对话的 AI 档案，别人想知道这个人怎么看一个问题，直接问档案就行。它有个设计，遇到这个人从没表过态的话题，会老实回答不知道，同时给本人发一条提醒，本人可以补上自己的答案。

在这个基础上，SuperMe 加了搜索。你把问题打进去，比如“帮我分析一下我的 pitch deck（融资演示文稿），故事里哪里最弱，投资人最可能追问什么”，系统会判断哪几个人最合适，建一个群聊，把他们的档案拉进来。回答这类问题的，可以是 Mercedes Bent、Sarah Tavel、Josh Elman 这几位做了多年投资的人的档案。

群聊里的档案会互相讨论，你能看到他们哪里一致，哪里有分歧。系统会替你把讨论往下推，不用每一轮都自己追问，你可以边看边跟，也可以等结束后读一份要点。这些对话默认是私密的，除非你自己选择分享。如果你已经有一份信得过的名单，还可以建一个 Work Group（工作小组），把这些人固定在一起，现在已经有 200 多个这样的小组。

它还出现在你本来就在用的地方。SuperMe 接上了 MCP（一种让 AI 助手连接外部工具和数据的标准），所以你在 Claude 或 ChatGPT 的对话里，就能直接向这个网络要意见。Casey 注意到，用户提问时带的背景特别细，大家愿意把一大段上下文塞进去，于是他们让专家直接出现在同一个对话窗口里，用起来像拍一下同事的肩膀。

我认为这个产品最实在的地方，是把“问几个人，再自己拿主意”这个老办法原样搬了过来。想象一下你手里有两个 offer，拿不准选哪个、该谈什么条件，你最想要的不是一个平均的答案，而是三五个走过类似路的人各讲各的，再让你看见他们哪里吵起来了。分歧本身就是信息，一个只给结论的聊天机器人，恰好把这一层抹掉了。

02 两个做过增长的人，为什么想做一个找人的产品

先说这两个人。Casey 来自新奥尔良，在芝加哥的 Apartments.com 实习起步，后来成了 Grubhub 的早期员工，搬到湾区以后，在 Pinterest 带增长产品团队。Ludo 来自保加利亚，做过 Microsoft 和 Hulu 的软件工程师，到了 Pinterest 管增长工程。两人都不是在硅谷起步的，用 Casey 的话讲，他们没上过斯坦福，也没有泡在创业圈的氛围里。

他们在 Pinterest 一起干的事，是 Facebook 改了一项功能、让增长慢下来之后，找一条新路。办法是把力气压在 Google 搜索上，Pinterest 在 2019 年上市。那时 Ludo 已经去了 Lyft，Casey 在 Greylock 当驻场创业者，又给 Airbnb、Canva、Discord、Figma、Tinder 这样的公司做过增长顾问。再后来两人在购物独角兽 Whatnot 碰上，Casey 在那里做顾问，Ludo 是工程负责人，当时 ChatGPT 刚火起来，两人决定用 AI 做一个网络型的生意。

促成这个想法的，是两件很具体的事。Ludo 当时在辅导一批少数族裔背景的创始人，每次都问同一句，我还能怎么帮你，得到的回答几乎都是，给我接入人脉。Casey 做顾问时也有同感，他的工作一大半不是教创始人怎么想，而是把对方引荐给某个问题上最厉害的人，做多了才发现，谁是那个人，外人几乎无从知道。Casey 的表述是：“硅谷有一些隐形的圈子，哪些人在某个小众技能上最强，只有圈里人知道。我们想，能不能把这份名单摊开，再把锁在他们脑子里的东西拿出来。”

领投种子轮的 Mike Duboe 给这件事补了一层。他是 Greylock 的合伙人，那一轮是 680 万美元，不少产品圈的人以个人身份参与。他的观察是，公司里真正有本事的人，往往不是有公开名气的那一批，他们最好的建议常常发在 WhatsApp 或 Slack 的私聊里，大模型读不到。

Greylock 的 Mike Duboe 与 Casey Winters 的访谈封面。图片来自 Greylock

Casey 自己的判断，是从三个变化出发的。过去人们把学到的东西发在博客和推特上，现在这类讨论大多缩进了私密的小群，小群里既没有可靠的身份，也搜不出来。搜索也变了，从十条蓝色链接变成大模型直接给一个答案，可那个答案来自公开互联网上的平均说法，做生意的人要听的是各人的看法，不只是事实。至于职业社交网络，越来越像追求连接数的老式社交网站，连得越多，越难搜索，也越难判断谁靠谱。所以他想用共同做过的事和共同待过的社群来建立联系，不靠一份庞大的联系人名单。这三条里，我最在意中间那条，大模型回答得越流利，我们越需要知道这到底是谁的看法。

03 第一版做语音，第二版做档案，都差了一步

最早他们想的是先走进职业社群，帮大家把脑子里的东西拿出来。产品很直接，你对着麦克风讲，系统克隆你的声音，把零散甚至有点絮叨的想法整理得有条理，再用你的声音做成音频和视频，可以发给别人。内容的质量很高，因为开口的都是聪明的从业者，不少东西在互联网上找不到。可它传不开，大家不太愿意转发，而且很多人坐到麦克风前，不知道该讲什么。Casey 的总结是，这等于要给人写提示词，而不是给 AI 写提示词，当时他们没有一套好用的办法引导人开口。它没有变成他们期待的那种东西，让人因为工具而来，因为网络而留下。

模型在这段时间一直变强，第二版换了思路：写一个程序，把一个人已经在网上讲过的话全部抓下来，随时可以检索。对已经有公开内容的人，效果很好，上过几期播客，写过几篇文章，十分钟就有一个不错的档案。拿到档案的人会自己发到 LinkedIn 上，来问的人常常惊讶于答案相当接近本人。

但 Casey 很清楚这还不够。档案做完，用户的事就办完了，这是一个交付产品，不是网络产品。我认为这句判断点到了要害。网络要让两头互相需要，提问的人来了，被问的人才有理由继续更新，更新了，下一个提问的人才觉得值得再来。只做档案，人们建好以后就没有理由回来。

这两版没做成的地方不一样，留下的东西却是相通的。语音那一版证明了聪明人愿意讲，讲出来的东西有用，缺的是把它送到需要的人面前的办法。档案那一版解决了怎么便宜地拿到内容，缺的是谁来找谁。把这两块拼起来，剩下的空缺就是搜索。

04 加上搜索和群聊以后，它才像一个网络

搜索补上的正是那个空缺。你问一个问题，系统在网络里找出最合适的人，给你一份综合了几个人看法的回答，不再只是一个人。Casey 看中的是，这件事创始人本来就天天在做：发消息问朋友“你认识谁擅长这个”，收到一批推荐，打几个电话，有的好有的不好，自己记下笔记，最后拿主意。SuperMe 把这一整套自动化了，用户不需要换习惯，原来要花几天的事被缩短了。我留意到这里没有要求任何人学新东西，这样的产品更容易被第一次来的人接受。

搜索一出来，专家这一头的意义也变了。档案不再只是一张名片，会因为别人的问题被拉进对话，被更多不认识的人看到。去年 11 月公开上线时，大约 3000 人建了档案，产生了 3 万次对话，其中有 Lenny Rachitsky 这类有影响力的人。到今年 10 月底，Work Groups 已经有 200 多个。团队约 13 个人，正在招人改进对话和匹配问题的模型，还要找一个人专门去发掘平台没覆盖的领域里的专家。

SuperMe 的团队合照，公司约 13 个人。图片来自 TechCrunch

目前能找到的人还集中在产品和增长这个圈子，也是创始人最熟的地方，正在向市场营销和工程扩展，长远的打算是覆盖所有职能，再走出科技行业。这符合冷启动的常识，先把一个领域做深，让一小群人真的拿到好用的回答。

最早愿意用的专家，是些工作了十五年以上、被问得太多又想帮忙的人。Elena Verna 是个例子，她现在负责应用生成公司 Lovable 的增长，LinkedIn 上有 17 万关注者，Substack 订阅超过 7 万 5 千人。她每次分享完，收到的还是同样的基础问题，比如“第一个增长岗位什么时候招”，明明写过，却要一遍遍重复解释。现在这类问题她直接指给自己的档案。另一位早期用户 Nikhyl Singhal，做过 Google、Credit Karma、Meta 的产品高管，办着一个叫 Skip 的职业社群，他发现档案里收到的问题，是写帖子、做播客选题的好来源。

这两个例子里，专家拿到的东西都很具体，少答重复的问题，知道别人最近在问什么。我认为这是搜索加群聊真正的价值所在：专家得到了点什么，才有理由接着往里放内容，网络才会转起来。

05 和直接问 ChatGPT 比，它赌的是没上过网的那部分知识

最容易冒出来的疑问是，这些问题直接问 ChatGPT 或 Claude 不行吗。Casey 的回答有三层。大模型给的是互联网对这个问题的平均看法，而在增长、产品、工程这类事上，知道前百分之一的人怎么做，价值差别很大，据 Casey 说，SuperMe 只从最好的那批人里取答案，公司自己评测过，结论是答案更好。你还能直接看到这些人的背景、待过的公司、做过的案例，比大模型黑箱一样的来源让人放心。

但他自己接着承认，这两条不会长久。模型会越来越会判断，一个有二十年经验的人和一个写了篇爆款博客的新毕业生，谁的话更可信，就像 Google 当年越来越会排序一样，大模型迟早也会学会。所以真正的赌注在第三层：最优秀的人怎么想这些问题，大部分不在公开的互联网上，而在他们的脑子里和工作文件里。

为了拿到这部分，SuperMe 让专家把会议记录、文档、Slack 和邮件接进来，但不是照单全收。每一条内容先过一遍筛选，看对别的行业和场景有没有用，是不是只与当前这家公司有关，是不是太私密，比如一轮还没公布的融资，一次绩效评估。筛完之后，内容可以标成私密、仅团队可见、网络内可见或完全公开，最终的决定权在本人手里，每一条都能改。公司对用户的保证是，这些数据里会有个人信息和商业机密，但不会出现在回答里。

我认为这个赌注比“挑出最强的一批人”难抄得多。挑人只是一份名单，别人也能列。拿到别人拿不到的私下经验，要靠专家愿意一直往里放东西，每多一条，档案就多一点别处没有的内容，公司也把独有数据的量当作最重要的指标之一。这是数据越多越有价值的循环，前提是专家真的在放。

同类的东西不是没有。Delphi 这样的创业公司也在做“数字分身”，通用聊天机器人更是随时可以替代。SuperMe 的不同在于它做的是网络，帮你从很多人里挑出该由谁回答，不是做某一个人的分身。

06 一位编辑自己建了个档案，哪里答得准，哪里答得不准

对这个产品最具体的一次检验，来自一位科技媒体的编辑 Alex Konrad。他给自己建了个档案，系统自动从网上归纳出 57 万条观点。他试着提问，最让他意外的是，档案能翻出他最近在 YouTube 上和公关公司 LaunchSquad 那里讲过的相关内容。

问题出在没有调整之前。档案会夸大，把他随口讲的一句话，写成面试官“经常会问”的事。另一个小毛病是，人在播客里的说话方式，和写东西的方式不是一回事，不同载体的语气不同，档案学到的口气就会偏。他让档案回答一个关于创业公司的问题，长长的回答里，有些他认得是自己的声音，有些他得改。

这些毛病可以靠反馈慢慢纠正，档案也会从本人的反馈里学习。可 Alex 指出了一个门槛，要让档案真的像自己，需要花力气，而没人来问的时候，谁愿意先花这个力气？另一头是用户，需要一个足够新鲜、值得天天来看的信息流，不然只是图个新鲜来一次。

和 SuperMe 合作紧密的 Reid Hoffman，是 LinkedIn 联合创始人，也是 Greylock 的投资人。他的看法是，让大模型扮演专家，本来就是今天提升提示效果的窍门，用真实专家的档案来做，推理会调得好得多。至于到底好 20%，好 300%，还是好 10000%，他说这是公司的工作。我倒觉得这个说法比一般的宣传坦率，因为这个数字现在没有人有。

在我看来，“答得像本人”和“答得有用”是两件事。前者容易被一个夸大的细节破坏，后者要看提问的人有没有拿到能用的东西。SuperMe 在不知道时敢说不知道，这比一个什么都敢答的系统，更容易被人信任。

07 专家为什么愿意，谁来付钱，现在还没有答案

产品的故事讲到这里，剩下的是生意的故事。现在 SuperMe 免费，打算给提问次数设上限，超过以后收费。更早的设想是按用户和某位专家互动的多少分档，想多问就订阅，订阅费由专家和公司分成。更远的打算，是把专家的 agent 版本提供给企业，嵌进企业自己的数据和系统，通过 Slack 频道使用。专家那一头怎么得到更多回报，公司称还在考虑。

这里有个很具体的难处。一次提问在后台会拉起好几位专家的档案，付钱的人是一个，分钱的人是好几个。每位专家能分到多少，会不会多到让一位忙碌的高管觉得值得，现在没有任何数字。我更想知道的是，一位有名气的专家被拉进一次五个人的群聊，算被问了一次，还是被问了五分之一次。Green 的想法是，关键要建一个真正有分享成分的网络，让每个人拿出自己知道的东西时，都有实在的好处。

专家现在得到的东西，大多不是钱。Verna 和 Singhal 得到的是少答重复的问题，加上一个看别人在问什么的窗口。Casey 描绘的是更长的一条线：你的档案帮到了人，对方可以来找你，聊合作，聊工作机会，聊想一起弄清楚的问题，聊不聊由你决定，时间长了变成声誉，也会变成招聘。这对已经有名气、时间又紧的人最有吸引力，因为不用多做一件事。

外界对这家公司的了解还很有限。收入、付费用户数、总用户数和估值，都没有公开，能核对的只有前面那几个数字：约 13 人的团队，3000 个档案，3 万次对话，200 多个小组。免费的时候人们为什么来，设了上限以后留下多少，在这些问题有答案之前，这 2000 万美元只能说明投资人看好这个方向。

我自己的一点思考

回到最开头那个问题：做事的人，怎么才能不靠写文章、发帖子，也被需要他们的人找到？过去能被看见的人，大多是会写、会讲、愿意天天更新的人，真正在公司里把事做成的人，往往没有这些时间，也不爱做这件事。SuperMe 的想法是让档案去读他们做过的工作，把值得别人知道的部分挑出来，再由本人确认。我认为这是它最值得看的一点，被看见的标准，从会表达换成了会做事。

这个想法能不能成立，要看两个环节。一个是档案要准，答得过头、口气走样这类毛病，得在专家厌倦之前就被控制住。另一个是专家要觉得值，肯一直把私下的东西接进来。前一个靠产品打磨，后一个靠回报，而回报恰好是现在最空的地方。

还有一点我想了很久。Casey 描述的长远样子，是每个职场人都有这样一个档案，用它了解一个人擅长什么、能帮上什么，招人的时候可以先对这个 AI 做一轮电话面试。真到那一天，档案就不只是帮人回答问题，也成了一个人的履历。这会让一些人更愿意认真经营，也会让另一些人更谨慎，因为放进去的东西，别人会拿来判断你。

现在的 SuperMe 还很早，约 13 个人，一个免费的产品，一个还没有定价的网络。我想知道的只有一件事：有一天开始收费，会有多少人为这些 AI 档案掏钱，又有多少专家觉得值得继续往里放东西。

资料来源：

TechCrunch，SuperMe raises $20M for its network of AI expert profiles，Ivan Mehta，2026-10-29原文 https://techcrunch.com/2026/10/29/superme-raises-20m-for-its-network-of-ai-expert-profiles/

Casey Winters，Building a Better SuperMe, and Raising a $20 Million Series A，2026-10-29原文 https://www.caseyaccidental.com/p/building-a-better-superme

Upstarts，They’re Building An AI Expert Network. Would You Ask It For Help?，Alex Konrad，2025-11-11原文 https://www.upstartsmedia.com/p/superme-launches-ai-expert-network

Greylock 访谈，Introducing SuperMe: A Professional Network for the AI Era原文 https://www.youtube.com/watch?v=5K-A6xR5ovI

Subversive 播客，How SuperMe is Building the Professional Network for the AI Era，Phil Carter，2026-03-05原文 https://www.youtube.com/watch?v=I9q8YE2T8uY

SuperMe 官网原文 https://www.superme.ai