邱懿武
工作台

在 agent 的世界里,留存就是分发

当分发由 agent 决定、agent 又看留存来选,质量本身就成了分发——留存就是分发。

整理日期
讲者
Tibo Sottiaux(OpenAI,负责 ChatGPT 和 Codex)× Lenny(Lenny's Podcast);公众号「深思圈」整理

渠道:公众号「深思圈」 · 体裁:访谈 · 信源层级:二手(原始出处:Lenny's Podcast,DevDay 当天录制;涉及 Dots 的产品细节多为口头说明)


〇、背景

访谈录于 2026-09-29 OpenAI DevDay 当天(OpenAI 一口气发布 20+ 产品)。最受关注的是 Dots——一种永远在线、有自己电脑的个人 agent。Lenny 在发布几小时后和 Tibo 对谈:Dots 是什么、互联网大多数操作将由 agent 完成意味着什么、哪些技能升值/贬值、OpenAI 怎么看安全。

⚠️ 作者(深思圈)预先声明:Tibo 是发布这个产品的人,很多话是意图和预测,不是已发生的事实。


一、团队扩张-收缩像“呼吸”:脚手架终将被下一代模型拆掉


二、Dots:把智能做成“会学习、永远在线的同事”

产品事实(据 TechCrunch、Engadget 等):由 GPT-6 Astra 驱动;每个 dot 有自己的云端电脑和浏览器;可接入 4000+ 应用;可通过 ChatGPT/Slack/Teams 联系(短信稍后)。在后台持续朝你设定的目标工作,你随时可回来检查它做了什么。随 Pro/Business Premium 订阅提供,不额外收费,部分地区暂未开放。

Tibo 的理想描述:

使用方式:没有模型选择器,没有一堆配置,唯一要选的是“通过哪些渠道和它说话”。现在每人一个 primary dot(最懂你偏好);很快开放第二、第三个,组成虚拟团队(各分配不同角色)。Tibo 自己已有一个专门负责 X 的 dot——“盯着一个平台,本身就是整整一个 dot 的工作量”。

架构细节(易被忽略):Dots 的 harness 不跑在你的机器上——它有自己的电脑,也可连到你的笔记本,将来可同时连十台设备。Tibo 比作章鱼:一个中心,很多触手。specialist dots(专用 dot)跑在额外护栏和监控下,用独立硬件(内部有些跑在 Mac mini 上)。

作者的关键推断:当产品的核心是“它对你的了解”,记忆就不再是一个功能,而是壁垒,也是你离开它的成本。


三、发布前 5 分钟救了场,但没被允许动手(主动 vs 越权)

故事:DevDay 现场演示前,ChatGPT 线上服务出故障。Tibo 的 dot 主动在演示前 5 分钟发消息:“生产环境挂了,要不要我来试着修?” Tibo 回:“我觉得你还没到那一步,小 dot,不过谢谢你的尝试。” 随后联系工程团队,问题很快修好。

Tibo 的拆解:这个 dot 的聪明,不是它发现了故障,而是它把几件看似无关的事连到了一起——今天是 DevDay、现场有演示、演示大概率用到这个生产系统、这件事 5 分钟后发生,所以应该提醒。

作者提炼:AI 做对了两件事(理解关联 + 判断“这个人大概想马上知道”),被拦住一件事(动手修)。

“主动的价值,在于知道你想被打扰的那一刻;而不越权,不能靠 AI 自觉,只能靠产品设计。”

“好助理的标准,不是什么都敢做,而是知道什么该告诉你,什么该等你点头。”

(Tibo 自己也说,入职 OpenAI 第 3 天就把线上服务搞挂过。区别在于:权限被设计成犯了错也不致命。)


四、互联网大多数操作将由 agent 完成 → 流量与分发

1. 🔑 核心金句:留存就是分发

“那怎么被推荐?Tibo 的回答只有四个字:做好插件。” 系统看的是留存、使用质量,再据此在对话里推荐给用户;不好的插件会被停止推荐。

Lenny 问:这是不是不像 AEO(针对 AI 的搜索优化)那样靠写对关键词?Tibo 同意——关键在于用户会不会持续使用。

作者点题:“当分发由 agent 决定,agent 又是看留存来选的,质量本身就成了分发。” 你没办法靠包装/关键词/活动换来长期位置,因为 agent 是一种新的用户,它会用脚投票。


五、打字快不再值钱,值钱的是“知道什么算好”


六、把更多算力,花在“盯着 agent”身上


七、“模型选择器的博士学位”是产品欠用户的债


作者的核心思考(值得单独看)

Tibo 方向非常一致:把复杂度从用户手里拿走——不用选模型、不用搭循环、不用调工作流,甚至不用打开某个应用,你只需要说你要什么,一个会学习的 agent 去处理。方向是对的,因为用户并不想成为 agent 的运维人员。

但复杂度没有消失,只是搬到了平台一侧:

选哪个模型,谁来替你选?循环怎么搭,谁来保证?它能碰哪些系统,出了错谁负责?这些问题在“没有配置”的产品里更少被看见,却更重要。

“配置越少,不等于判断越少,只是判断被放到了你看不见的地方。”

两句话建议:


读后判断(范德)

这篇是“Personal AI”线的又一个高密度切片,而且它给出了一条对这整个赛道都适用的商业定律——“留存就是分发”。 它和 a16z 那篇(“agent 会用脚投票”)、Muse 那篇(Dots/Muse 同代产品)构成呼应。

三条对造物云/我们最直接的:

  1. “留存就是分发”是给所有做 Agent/插件的人的商业定律。 当推荐由 agent 决定、agent 看留存来选,包装/关键词/活动都换不来长期位置。→ 对我们:如果造物云/小龙虾要做“被其他 agent 调用的能力”,唯一的路是把留存做厚(真好用、真被持续用)。这也是为什么“质量”在这个时代重新变成分发本身。
  1. “工作流里该留下来的,是你想要什么,不是怎么一步步做”——直接判了“复杂工作流产品”的死刑。 Tibo 说搭循环/画流程图是“模型的拐杖”,下一代模型一来就该拆。这对我们 Facn/团队做 Agent 编排是个警醒:我们是不是在花大力气搭“模型今天需要、明天会淘汰”的脚手架?该投入的是“目标和好坏标准的描述”(判断),不是步骤细节。
  1. “配置越少 ≠ 判断越少,只是判断被搬到了你看不见的地方”——这是对 all-in-one 产品的尖锐提醒。 对我们做 Agent 产品:把复杂度从用户手里拿走的同时,要把“判断/权限/护栏”做在平台侧且可审计。这跟 Ontology 那篇“可执行的知识”、Muse 那篇“哨兵/最小权限”是同一主题。

诚实标注:本文是二手(深思圈整理),且 Tibo 是 Dots 的发布者,大量内容是意图和预测(“多数操作将由 agent 完成”“一年后好十倍”),非既成事实;产品细节(插件分成、推荐排序)多为口头说明。作者本人已在文中标出这些边界——这是一个优质二手的范本。