# 新的创业机会，正在 Claude Code 和 Codex 周围长出来｜对谈 Treg

> 十字路口 Crossing 精读

- 发布日期：2026-10-18
- 主持：Koji · Ronghui
- 原节目：https://www.xiaoyuzhoufm.com/episode/6ad2412d0e4e410a05be01a7
- 网页版：https://crossing.qiaomu.ai/ep/6ad2412d0e4e410a05be01a7.html
- 精读字数：约 8682 字（阅读约 19 分钟）

> 本文为 crossing.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

九个多月，三次转型。SuperDesign 在 GitHub 上拿到 6000 多颗星，团队辞职全职做，然后放弃。Coolit 收到用户预付，做了一个多月，叫停。Treg 上线三周，收入是 SuperDesign 的好几倍。

这是 Treg 创始人 Jason Zhou 和 founding engineer 石天鑫过去一年的轨迹。他们坐在十字路口的录音间里，把这三次转向拆开讲：哪一步是被模型能力推着走，哪一步是自己判断错了，中间停下来两个月不做产品，又换回了什么。

这期节目由 Koji 和 Ronghui 主持。聊到最后，话题落在两个更实际的问题上：当 Claude Code 和 Codex 变成新平台，应用创业者还能在周围做什么；当一个人同时跑十个 Agent，瓶颈又回到了哪里。

## 九个月三次转型，第一次撞上模型的天花板 2:18

Jason 这样介绍 Treg：给 Agent 用的数据和 API 市场。用 Claude Code、Codex，或者自己搭 Agent 时，不用一家一家去买订阅，一个 key 就能接入想要的数据和工具。他用的类比是 OpenRouter，只不过路由的对象从模型换成了数据和工具。

第一个产品 SuperDesign 的起点很偶然。Jason 在澳洲做过一家叫 Relevance AI 的创业公司，带产品和 AI 团队，做全自动销售、SDR 这类东西。他自己还运营一个油管频道，发现 UI 设计相关的视频流量巨大，大量人想了解这方面内容。于是团队做了一个 Cursor 插件，用户说一句「我要设计这个东西」，插件直接给出三四版不同方案供选择。

项目发在 GitHub 上，几个月做到 6000 多颗星，完全自然增长。有了这个 traction，团队决定辞职创业。

创业后第一件事，是不再走开源这条路。原因有两个：IDE 插件这个形态当时看不到好的商业化路径；团队想让更多人用，做网页版更直接，打开一个网址就能开始设计。Jason 的判断是，插件意味着用户必须先用 Cursor、Claude Code 或者 Codex，这会限制人群。

没想到一年后，所有人都在往 Claude Code 和 Codex 里涌。

放弃 SuperDesign 的直接推手是模型能力。Gemini 3 出来以后，大厂开始集体卷前端，OpenAI 和 Anthropic 也跟着补足。团队反复问自己一个问题：模型越来越强，我们的增益到底在哪里。另一边，Claude Code 和 Codex 作为通用 Agent，基础能力变强，skill 生态也长了起来，用户拿通用 Agent 加几个热门前端 skill，同样能出不错的效果。

**SuperDesign 遇到的，是模型公司顺手把应用层能力吃掉。**

Jason 记得 2026 年 2 月到 6 月是一段很魔幻的时间，大量优秀创业者在那几个月里 pivot，方向高度集中到 AI employee 赛道。触发点是他 2 月看到的一个产品 Posia。当时对方 ARR 可能只有十几万美金，体验却让他大为震撼。他上一次有这种感觉，是第一次用 Cursor。

Posia 的演示流程是这样：注册时不给任何信息，它从邮箱反查到 Jason 是谁、在做什么，马上生成两三个创业 idea。选一个，产品首页也搭好了。Koji 也试了，Posia 从他的邮箱线索里搜出背景，推荐他做一个给播客主用的 AI 播客后台。他当场充值，两天后又充了几百刀，开了 god mode。客户邮件发出去，居然有人回。

但真正用下去，Jason 发现 Posia 最聪明的地方在别处：它说帮你用 AI 掌管整个公司，实际交付的结果只有「set up」那一段，从 0 到 1 把网站和工具建起来，做到极致丝滑。再往后，进入真实业务，交付结果就非常难。产品形态看上去也十分 dodgy，不允许接入公司内部的 product analytics 和广告系统。

团队判断这里有空位：做一个类似 Posia 的 Agent，面向已经有业务、想 scale 的公司。这就是 Coolit，帮企业自动做 SEO、社媒、广告投放、找客户。上线时产品还没 ready，直接放了付费墙，仍然有不少用户 preorder。

交付结果成了死结。Jason 举了 SEO 的例子：让 Agent 去拉所有相关关键词，挑流量好、竞争小的去写内容。真做起来发现，大部分关键词早被抢得差不多。真正的机会在那些流量不高、但判断未来一到三个月会火的关键词上。这种判断需要人的 taste，Agent 很难自己完成。

另一个原因是数据本身不够准，marketing 没有 silver bullet。有效的方法往往来自大量尝试：试了一圈，发现某个渠道没多少人做、又适合自己，然后不断加码。当所有人都涌进同一个渠道，它又失效了。这个动态过程里，人的介入无法省略。

## 两个月不做产品：零人公司不成立 12:35

Coolit 做了一个多月，onboard 了一些用户，团队叫停。Jason 的说法是步子迈得太大，零人公司这个前提根本没被验证，就假设它一定是未来，假设六个月之内模型会足够强。

他们决定 take a break，两个月不做任何产品开发，回头用 AI 去运营 SuperDesign。理由很实际：SuperDesign 虽然几个月没管，仍有自然流量进来，转化漏斗有明显优化空间，放在 Acquire 这类交易平台上会有人买去 scale。如果 AI 真能全自动运营并带来增长，团队就能拿到一套可复用的 playbook；如果不 work，也能清楚知道这条路走不通。

两个月里不断搭各种 loop，结论分成两半。support 和 bug fixing 确实可以全部自动化。增长相关的 use case 很难自动化，需要人介入的 taste 太多。

两个判断在这段时间里变清晰。第一个：未来六到十二个月，零人公司不会成立。

> 未来六到十二个月零人公司，它一定不是一个可能的场景。

需要解决的问题，是人跟 Agent 大量协作的场景。第二个判断更重要：一定要围绕 Claude Code 和 Codex 的生态做产品。Jason 说，如果没有这两个相对的确定性，团队很可能还在迭代 Coolit，每天怀疑是 skill 做得不够好、prompt 调得不对，还是方向本身有问题。创业的不确定性太多，有一点点确定性，操作起来会好受很多。

## 一个 Codex 插件，把增长曲线掰弯了 15:02

第二个判断的来源，是一次没做任何宣发的发布。

Codex 刚推出 plugin marketplace 时，有意思的插件不多。天鑫把 SuperDesign 原来的 skill 发布上去，让用户能装。ChatGPT 和 Codex 本身已经有巨大用户量，用户很容易看到插件，插件有吸引力就会用，然后转化。早期市场还有一个很小的细节：插件按字母顺序排序。团队把名字改成 01 SuperDesign，排到了第一。几天后平台改了排序策略，但起步的量已经拿到。

天鑫从这件事里得到一个方法论：早期的工具和市场都值得试一遍，你不知道哪一次尝试会带来流量。插件带来的用户，churn 还更低。

团队接着意识到，Codex 和 Claude Code 有海量用户，体验却不够好。**把它们当成平台，帮平台补体验，可能是一个好机会。**Jason 用的类比是 Facebook 早期的 Zynga，以及 eBay 上的 PayPal。

再往回看 Coolit，最有价值、可以迁移的是工具那一层。Agent 的 harness 各家差别不大，但要做真实的 go to market 工作，或者任何专业工作，都需要大量专业数据和工具。Coolit 内部本来有一层中转服务，用来给不同用户连接数据。团队决定把这层单独拿出来，就是 Treg。

发布三周左右，收入已经是 SuperDesign 的好几倍。具体数字不方便说。收费方式完全按用量，没有月费。

## Treg 像 Costco，也像大众点评 20:13

目前付费最集中的场景是 go to market，尤其是找 B2B 客户。过去用户要买 Apollo、RocketReach 等一串 vendor，每家只覆盖一部分数据，每家都收月费，结果往往只选一家。Treg 把 vendor 集中起来，用户按场景和行业挑最合适的 endpoint。

供应商愿意被整合，原因在于很多垂直领域的 vendor 缺少触达终端用户的方式。它们原本就按 API 用量收费，再经过 Clay 这类整合方转卖。Clay 自己的数据大部分来自外部供应商，做的是同一件事。

其他场景包括 SEO 和 AEO，Treg 整合了能找到的 SERP ranking、AI visibility 数据源；社媒 UGC 相关的做图、做视频 endpoint 也在里面，一条链路能走完。

这一层会不会被模型公司或数据供应商绕过去？Jason 的答案分两点。模型本身的知识不一定是实时的，真实业务需要实时数据。浏览器加 computer use 能抓一部分，但很多数据抓不到，比如找人这个场景里的信息，或者社媒主动关掉的部分。

Koji 提到一个旁证：有朋友用 Kimi，原因是它接入了 Wind 的股票数据。各家 harness 会因为接入数据的独特性吸引到对应用户。Treg 想做的是中立市场，用户从 Claude Code 切到 Codex，之前积累的工具调用和数据都留在这里。

为什么价值留在 Treg，而不是供应商直接对接模型公司？Jason 说他们站在中立位置，目标是让用户用较高性价比拿到最满意的数据，更像 Costco：去市场上找最好的数据提供商，再展示给用户。

现实是每个场景都有几十个提供商，强项各不相同。找人需要各种维度的信息，SEO 数据商也有很多家，覆盖的平台和价格都不一样。没有一个头部供应商能包打天下。

数据飞轮也在长。天鑫说，Treg 的真正用户其实是人的 Agent，所以系统会随机挑一些用户，让 Agent 给反馈。简单的 bug 直接修掉，有趣的 feature request 收进来考虑。

另一套机制更像大众点评：让 Agent 用户给每一次 API 调用打分，返回的数据有没有用，哪个字段起了作用，全部脱敏。数据沉淀后，可以得到某个领域里每个 endpoint 在有用度和性价比上的得分。下一个用户要精确性，就挑最贵最好的端点；要广度、要便宜，就挑评分高、性价比高的。

转型也改变了团队对边界的理解。以前做 Agent 想覆盖太多层，harness 自己做，推理自己做，有人连沙盒和 memory 都自己做。每一层外面都有公司在持续优化。现在的做法是把一部分做到很好，嵌进 Claude Code 和 Codex 的生态。

Jason 和 uware 的 founder 聊过一件事：以前不同工种用不同工具，设计师用 Figma，做 marketing 用邮件序列工具。今年以后，大家的工具都变成了 Claude 和 Codex。这是一次平台跃迁，周围还有不少空间。

## Coding Agent 成了新平台，周围长出一圈新工具 25:38

Koji 举了两个例子。Ego 是一个浏览器，最大卖点是用 Codex、Claude Code 去操作它做 computer use 时效率极高。ChatCut 是一个 Codex 插件，让你在 Codex 里剪视频。

ChatCut 解决的是一个中间状态问题。不装插件，一个 prompt 下去直接出成片，想改只能把成片重新生成一遍。装了插件，剪出来的是带编辑器的中间状态，你能看到视频被切成三个音轨、十个片段，可以在上面拖拽微调。

天鑫说，SuperDesign 做插件时参考过 ChatCut，接入体验和使用体验都最丝滑。视频和代码有一个本质差别：代码出来可以继续改代码，视频出来要改，没有中间状态就非常难。每次重新渲染要等十到二十分钟，还烧很多 token。

Koji 是 Hyperframe 的重度用户，他的用法是人给反馈，打包让 Agent 去操作。真人在时间轴上拖拽的情况已经少了，但 Agent 能调用 ChatCut 的接口，省下大量等待。

模型成本是另一条暗线。Coolit 时期模型成本非常高，想让一个用户长期用零人公司的方式运营，token 消耗惊人。创业公司从模型公司买 token 再卖给用户，压力很大。反过来，用 Claude Code 和 Codex 的用户正在享受红利：200 刀的 coding plan，能换到现在价值 6000 到 7000 刀的 API token 使用量。这个红利，用户和小型创业公司都要想清楚怎么用。

生态里长出来的公司不止一两家。Jason 提到 Apify 和脱不花 SEO，两家都做了很长时间，今年莫名其妙出现大量增长。Apify 是 API marketplace，上面有大量长尾爬虫端口。设计领域的 Paper 也增长很快。Koji 问 Paper 会不会遇到 SuperDesign 同样的问题，Gemini 3 之后前端能力普涨。Jason 认为 Paper 调整后提供的是画布，让用户对比不同设计、手动微调，仍然嵌在原有工作流里。

天鑫补充了 Exa，一家专为 Agent 做搜索的公司，已经到 C 轮，说明为 Agent 做好搜索工具有很大场景。Composio、Firecrawl 做网页抓取和 OAuth 授权，本身也获得了不小增长。

一个结构性变化是，这些传统 infra 公司的用户画像变了。以前大部分用户是开发者，现在接近一半一半。另一半是不会编程的白领，他们不知道 API 怎么调用，只知道接了 Firecrawl 之后，Claude Code 抓网页更高效。这批人是 Claude Code 的重度用户。

Vibe Island 是 Koji 很喜欢的一个产品。大家在 Claude Code、Codex 里同时跑很多线程，经常搞不清哪个跑完了、哪个在等 review。Vibe Island 把 MacBook 的灵动岛用起来，任务完成时轻轻展开，配一个像素小人和提示音，让你直接在灵动岛操作。它是 AI Hacker House 某次周日黑客松的冠军产品，后来发布在 X 上，卖了很多份。Koji 和 Jason 都付了费。

另一个是晶晶做的 Orca，定位是 ADE，Agent 的 IDE，帮你同时管 Claude Code、Codex 等多个工具。一个真实痛点是薅两边的羊毛：Codex 的 quota 用完了，可以把做到一半的任务平滑转到 Claude Code。Orca 的界面做得有审美，体验丝滑，GitHub 上已经 8 万颗星。天鑫说，他们的用户里有人同时跑 50 个、100 个 session，这种用量下人跟 Agent 该怎么交互，Codex 和 Claude Code 团队还没有集中处理。

## Loop Engineering 管运营，多 Agent 之后人成瓶颈 36:18

Jason 说，创业这段时间收益最大的，恰恰是那两个月不做产品。团队没有包袱，假设自己是一家新公司，会选市面上什么工具。答案很本能：Claude Code 和 Codex。用完发现体验比自己搭的 Agent 好太多。发布插件的过程，又让他们看到生态的机会。

Loop Engineering 是 Coolit 时期流行过一两个星期的词。Jason 喜欢 loop 这个概念，但把创业拆成创新和运营两块看，创新那块显然靠 loop 完成不了，否则让人直接造一个创业公司就行了。运营这块，loop 有很多踏踏实实能做的事。

他提到《系统之美》，公司是一个复杂系统，要搭开环、闭环的反馈，让它稳定、健壮地跑下去。创业之前，他没想到有一天要处理大量黑客攻击。SuperDesign 和 Treg 一旦有邀请新用户送 credits 这类激励，就会有人不停攻击。四个人团队，每天花精力折腾这些非常痛苦。有 loop 长期监控系统，找风险行为，小漏洞直接堵住，能省下很多精力。

搭 loop 的经验是别一上来就搞复杂。短小精炼更有用：一个 loop 只监控数据库、找安全风险，一个只做代码整理，每次做的事小到不容易出错。十几个小 loop 跑起来，自然形成一个复杂系统，系统因此有了健壮性。一个 loop 发现 bug 发上去，线上监控的 loop 会找到并提示。小 loop 之间的配合才是关键。

最近两三个月，协作方式的变化很直观。Jason 同时跑的 session 比原来多得多，Fable 这些模型发布后，同时开 5 到 10 个，完成质量已经很高。另一个变化是从纯本地转向混合，Grok Bot 提供了丝滑的 cloud 加本地体验，context 随时可以交换。

天鑫的观察是，一个人打开一个 session 跟 Agent 对话，处理瓶颈有上限。YouTube 上一位叫坤的资深工程师做了 first mate 工具，思路是你当船长，只跟大副布置任务，大副再去跟其他 coding session 沟通。天鑫没直接用这个项目，但把思想学了下来，用 Herder 这类新一代 terminal 管理工具，让 Agent 之间互相聊，或者指定一个主 Agent 做答复，把任务转达给其他 Agent。

Claude Code 还是 Codex，两个人的答案不一样。Jason 几个月前是 Claude 重度用户，很难迁移，最近 Extra 模型出来后换到了 Codex。团队宣发经常用 Hyperframe 做视频，Extra 下的效果好很多。有一次他把一个视频丢给模型，one shot 一比一复刻。视频需要素材，模型聪明到从原视频里截图、裁剪成合适样式，再放进新视频。

天鑫两个都用。两个模型没有绝对领先，Fable 某天强一点，Extra 立刻反超。保持长期都用，有些任务让两个模型同时干，挑更好的版本。这个时代需要长期用世界上最好的模型，感受它们的差异。

Grok Bot 也被频繁提到。OpenClaude 出来后，没多少产品真正拿到大众使用，Grok Bot 谈不上太多创新，但把云端沙盒体验做到极致丝滑。Treg 和 SuperDesign 的 loop 全搬了上去，稳定性好，随时能查看。Grok Bot 收购 Cursor 这件事，Jason 用下来才觉得合理：Cursor 做得最好的是沙盒，每个 coding task 对应一个沙盒。本地很难做到，最多开一个单独 work tree，想同时测五六个环境几乎不可能。现在他也在 Grok Bot 上做很多 coding，简单前端修改、bug fix，点开就能测，PR 里带链接，随时进沙盒环境验证。

国产模型各有位置。SuperDesign 时期试过 Kimi 做主模型，设计能力很强。MiniMax 接的是视频模型 H3，质量高、价格好。DeepSeek 很多人说好，Jason 自己体感一般。天鑫认为国产模型在前端领域都很强，他喜欢 DeepSeek 4.1 Flash，效率高、速度快，一直想把 SuperDesign 的第一道 Agent 换过去，Claude 在大量请求下更稳定，生产环境还没切。

Jeff 是另一种思路。别的模型拼价格或者拼某个场景的能力，Jeff 速度足够快，场景又非常简单，导致一些原来做不到的场景，现在只有它能做。Treg 每天产生大量数据，调度每个 endpoint 时等几百毫秒都是浪费，快速的 system one 直觉模型很适合做路由。大规模数据过滤也是，两三千条召回结果要清洗再展示，直觉模型一条条对比，比其他 LLM 快很多，质量也不差。

## 把才华埋葬在昨天之后 45:08

Koji 提到 DeepSeek 一位研究员写的文章，《我不得不把我的才华埋葬在昨天》。

天鑫的反应很直接。前十年的职业生涯，他是前端工程师，擅长 React 和前端。从去年开始，他很清晰地知道这个技能对自己的意义不大了。除非做到世界前几百人，否则很快用不上。他想清楚接下来几年、十年要做什么，然后义无反顾加入 SuperDesign 团队。

他把这看成一个人生的十字路口：之前走的路可能走不通，甚至不存在了，在这个路口做什么选择，会对人生造成比较大的改变。

> 你再也写不过 AI 了。

这个技能点上比不过，但还有更多可以尝试的方向，比如加入一家创业公司，做更有挑战、更有意思的事。

Jason 的看法是，以后更多是跨领域能力被释放出来。他自己的经历有点奇怪：学的是设计，却从来不喜欢调 pixel，更喜欢从产品经理的角度看东西，也会自己写前端代码。这样的人在 Agent 时代反而容易被释放。

创业不到一年转型这么多次，想放弃的时刻肯定有。Jason 最挣扎的是做 Coolit 那段时间，不确定的东西太多，每天想下一步怎么做，想半天想不出特别好的答案，还得往前走。他的 pivot 判断标准是：这个方向上，现在能做什么真正改变处境的事。想不到就换方向，想到了就继续做。

天鑫也有很多次想放弃。他做油管频道，过个小康生活比较容易。但每次度过低谷，想到一个新方向，发现它非常 promising，那种刺激非常大。他用了八个字：万物之中，希望之美。发现自己不断学习、在进化，这个过程本身很好。

Koji 也经历过崩溃时刻。长期看不到增长，不断被打击，有一天醒来发现被人薅了 credits，损失 4000 刀，觉得天塌了。团队一直在找别的方向和机会，每次至暗时刻到来，总能找到有曙光的地方。Fail Fast 是另一个经验：一件事真要失败，就让它快速失败，换新东西去试，反而可能得到意想不到的惊喜。

Koji 最后问了一个问题：相信 AGI 会到来，相信它由模型进化带来，同时还在创业，你们是这样的人吗。

Jason 的回答是，模型是必要条件，通往 AGI 的路径有很多。团队每个人都是 AI 重度用户，市面上最新的东西都会试一遍。保证自己沉浸在 frontier 在哪里，才能对未来六到十二个月的最大机会有比较好的直觉，沿着那个方向做，就不会太悲观。否则东西都被模型做了，创业也没什么机会。

天鑫的答案更朴素：即使 AGI 到来，做有性价比的事情依然有用。一个万能模型也需要自己的工具，需要找到它要的数据。如果它花 1000 刀 token 才能拿到一份数据，而有人能让它 100 刀拿到，它可能直接选那个人。

> 给模型做一个合适的工具，找到自己的定位，也是很重要的。

给模型做合适的工具，找到自己的定位，然后不停打磨效果。这是 Treg 两个人给出的答案，也是这期节目里最实际的一条行动建议：别在模型注定会变强的地方押注，去找模型变强之后仍然需要有人做的那一层。