Agent 基础设施叙事洞察
调研时间
2026-03-12
分析框架
完整的 AI 产品评估框架: AI产品分析框架
包含以下维度：
- 维度 1: 时代定位（是否符合 Agent-first）
- 维度 2: 场景边界（效率型 vs 连接型）
- 维度 3: 叙事策略（本文档详细展开）
- 维度 4-6: 技术可行性、商业模式、竞争定位
核心洞察
0. 时代定义：Trillions of Agents（Aaron Levie）
“Make something agents want”
Paul Graham: “Make something people want” Aaron Levie: “Make something agents want”
核心观点：
- Agent 将成为软件的主要用户
- 企业中 agent 数量可能是人类的 100-1000 倍
- API-first 不是可选项，是生存必需
- “Agent-first” 重新定义产品设计
可借鉴：
- 时代定位叙事（“Trillions of Agents”）
- 产品哲学转变（People → Agents）
- 技术要求明确（API-first、MCP、CLI）
相关文章：Building for Trillions of Agents - Aaron Levie
1. 路线选择的叙事（AdWhiz）
Dashboard vs API
Dashboard 的天花板是你的时间。 API 的天花板是 Agent 的能力。 Agent 一年比一年强，Dashboard 一年还是 Dashboard。
可借鉴的叙事框架：
- 不是”更好”，是”不同的天花板”
- 强调”会变强” vs “不会变”
- 创造紧迫感：“窗口期不会太长”
2. 重新定义而非复制
InsForge: 不是”更好的 Supabase”，而是”AI 时代的 Supabase”
可借鉴：
- 不与现有产品竞争
- 重新定义为”新时代的版本”
- 强调”原生”而非”增强”
3. 量化价值
Composio: “提升 Agent 准确率 40%” AdWhiz: “省掉一个 performance manager 的招聘” Qveris: “秒级调用上万种工具”
可借鉴：
- 用具体数字说话
- ROI 要直观（省人、省时间、提效）
- 避免模糊的”更好”、“更快”
4. 拟人化叙事
Hermes Agent: “队友”、“成长”、“记忆”
- 不是工具，是会成长的数字同事
- 记住整个代码库，不是只记住对话
可借鉴：
- 让技术概念有温度
- “成长”、“记忆”等概念容易理解
- 形成情感连接
5. 时间窗口叙事
AdWhiz: “全球不超过 5 家”、“这个窗口期不会太长” Qveris: “Agent 时代的基础设施”
可借鉴：
- 稀缺性（“不超过 5 家”）
- 时代定位（“Agent 时代”）
- 紧迫感（“窗口期不会太长”）
6. 边界清晰
⚠️ 注：以下叙事技巧来自 Hermes Dashboard，该产品已重分类为反面教材（Enable 级别伪装成 Native）。叙事技巧本身仍有参考价值，但产品本身不是好案例。
叙事示例：
- “Choose Hermes only if primary workflow is growth execution”
- 明确说明什么时候不用
可借鉴：
- 不是万能工具
- 明确适用场景
- 说清楚”什么时候不用”反而增加可信度
7. “硬约束 vs 软限制”叙事（agentcard.sh）
“额度就是上限”
支付网络层面的硬约束，而非软件层面的软限制 “Blast radius containment” - 爆炸半径控制
可借鉴：
- 强调”结构性约束” vs “agent 自律”
- 用物理世界的限制概念（额度、上限）来增加可信度
- 高风险产品特别需要这种叙事
8. “X but for Y” 格式（db9.ai）
“Postgres but for agents”
- 一句话讲清产品定位
- 暗示”为新时代重新设计”
其他变体：
- “Supabase but for AI agents”
- “Stripe but for agents”
可借鉴：
- 用熟悉的 X 作为锚点
- 用 Y 定义时代/用户变化
- 简洁有力，容易传播
9. “替代清单”式价值表达（db9.ai）
用”减少”而非”增加”：
- 内建 embedding → 减少独立 embedding pipeline
- SQL 内 HTTP → 减少外部胶水
- 分支复制 → 减少环境搭建成本
可借鉴：
- 列出”不再需要”的东西
- 每行都是成本/复杂度节省
- 比”我们增加了 X 个功能”更有说服力
10. “反直觉但可检验”叙事（evlog.dev）
“日志不是越多越好”
- “Stop grepping through chaos”
- “Your logs are lying to you”
- 一请求一事件 vs 散点日志
可借鉴：
- 挑战常识（“越多越好”）
- 提供可检验的对比（grep vs 读一条）
- 用强语言（“lying to you”）强化问题域
11. 安全叙事分层（agentcard.sh）
四层安全叙事：
- 产品层 - single-use by default
- 技术层 - AES-256-GCM 加密
- 流程层 - 人类审批充值
- 审计层 - webhook 自动记录
可借鉴：
- 高风险产品需要多层叙事
- 每层解决不同担忧
- 从产品到审计形成闭环
12. “界面税”叙事（2026-03-20 新增，来源：真格基金钟天杰）
核心论断：GUI 是人类认知缺陷的补丁，是一种为人类局限性支付的补偿成本。
Figma 的精美、Notion 的简洁、Linear 的流畅……这些设计溢价的本质是让人类更愿意盯着屏幕。一旦用户不是人类，这种竞争优势就会归零。
可借鉴：
- 直接挑战”用户体验”作为护城河的逻辑
- 把 GUI 定性为”税”而非”价值”，颠覆认知
- 适合面向开发者/技术决策者的产品叙事
13. “站在 Agent 路径上”叙事（2026-03-20 新增，来源：真格基金钟天杰）
新旧逻辑对比：
旧逻辑：建一个封闭空间，让用户走进来，用体验把他留住。 新逻辑：把自己暴露出去，站在 Agent 执行长程目标的路径上，让它经过时不得不调用你。
可借鉴：
- 用”路径”和”节点”替代”产品”和”用户”的叙事框架
- 强调”必经”而非”可选”
- 适合 API/MCP/CLI 类产品的定位叙事
14. “认知卸载 vs 能力解锁”叙事（2026-03-20 新增，来源：@yan5xu）
两种价值的精确区分：
- 能力解锁：以前做不到的事，现在做到了（突破上下文容量）
- 认知卸载：以前做得很费力的事，干扰消失了（释放注意力带宽）
不是做得快了，是干扰消失了，剩下每件事都做得更准。
可借鉴：
- 比”更快”、“更准”更精确的价值表达
- “The best context is no context” 是极简有力的 slogan
- 适合垂直领域 Agent-native 产品的差异化叙事
15. “TPD 杠杆”叙事（2026-03-20 新增，来源：特工宇宙）
核心论断：人的价值不再取决于能干多少活，而是能驱动多少 Agent 干活。
你的价值 = 你的判断力 × 你驱动的算力
可借鉴：
- 把”用户”重新定义为”算力驱动者”
- 用 Midjourney（80人，100亿估值）、Cursor（250人，293亿估值）作为具体锚点
- 适合面向企业客户的产品叙事，强调 ROI 的新计算方式
16. “供应链/燃料”叙事（2026-04-04 新增，来源：Tessl）
核心逻辑：当所有人都在造 Agent 时，做 Agent 需要的燃料——结构化上下文。
不做 Agent，做 Agent 时代知识供应链。
可借鉴：
- 用”供应链”/“燃料”/“弹药”比喻，暗示 Agent 生态越繁荣，需求越大
- 避免和 Agent 框架正面竞争（那是 OS 层的战场）
- 创始人品类创造能力是最强背书（Guy Podjarny: Snyk → Developer Security，Tessl → Agent 知识供应链）
- $125M 融资 + Index/GV/Accel = 顶级 VC 在押注这个赛道
17. “协议即产品”叙事（2026-04-04 新增，来源：Linear AIG）
核心逻辑：不是做一个功能，是定义一套交互协议。任何 SaaS 都可以 follow 这套设计。
我们不是”给产品加 AI 功能”，我们是”重新定义软件应该如何对待 Agent 用户”。
可借鉴：
- 把自己的设计从”功能”升级为”协议”——功能可被复制，协议一旦成为标准就是护城河
- 10 个可推广的设计模式（delegate ≠ assignee、Activity 不可变、10 秒超时等）= 具体到可执行的协议标准
- “Agent 零成本安装”= 零采用摩擦，极速渗透
- 适合平台级产品：自己定义标准 → 别人来遵守 → 标准即锁定
19. “把 Agent 当人”叙事（2026-04-06 新增，来源：Slock）
核心逻辑：不说”Agent 执行任务”，说”Agent 是队友”。交互设计跟着变——你不会给同事发 JIRA ticket，你会在聊天室里 @ 他。
“Not as tools. As teammates.” — 六个词，直击要害。
可借鉴：
- 用”队友”替代”工具”，用”@“替代”assign”——语言选择暗示了产品哲学
- 技术细节（worktree/clone/daemon）应该消失在交互之下
- 对比 Multica “AI agents as first-class team members”——同一个意思，Slock 更凝练
- 触发式 > 拦截式：Agent 越强，拦截式越成瓶颈。“@agent” 比 “assign to agent” 天花板更高
18. “替代一切”过度承诺（反面模式，2026-04-04 新增，来源：MagiCrew）
核心问题：“One platform. Replaces every AI tool you currently pay for.” 听起来有力，实际是红旗。
全家桶 = 每个细分都是 60 分。专注型竞品在各自领域是 90 分。
识别信号：
- “替代所有 X 工具” → 功能面过广，焦点模糊
- 同时做 4+ 个不同品类（IM + Agent + 协作 + 工作流）
- 无法用”X but for Y”一句话说清定位
反面案例：Case - MagiCrew - 伪开源企业AI全家桶
20. “质检站/年检”叙事（2026-04-07 新增，来源：HMA / 盛大集团）
核心逻辑：不做 Agent，不做 Agent 工具，做 Agent 的”质检站”。Agent 越多，质检需求越大。
“你的 Agent 管了一个人五年的健康数据。它真的读懂了吗？”
可借鉴：
- 评测基准 = 基础设施的新品类。不与任何 Agent 竞争，所有 Agent 都是”考生”
- 理论提出者做检测工具，天然有权威性（陈天桥提出三阶段 → HMA 度量 Agent 走到哪一步）
- 标准先发 = 协议级锁定——第一个定义标准的人就是未来的裁判
- 月度动态更新 = 持续壁垒——不是一篇论文能追上的
与其他叙事的交叉：
- 叙事 #16 “供应链/燃料”的变体：Tessl 做 Agent 的”加油站”，HMA 做 Agent 的”年检站”
- 叙事 #17 “协议即产品”的延伸：评测标准一旦建立 = 行业协议
21. “灵魂问句开头”叙事（2026-04-30 新增，来源：Lucius）
核心逻辑：用一个所有目标用户都立刻共鸣的反差作为开场，把读者放在”我已经看到 AI 有效”的肯定位置上，再问”为什么没传到组织”——情绪 + 问题双锚定。
“Why AI 10x the people, but 0x the company?” “为什么 AI 让每个人 10 倍效率，但你的团队却原地踏步？”
结构拆解：
- 承认 AI 有效（不是质疑 AI 价值，而是承认”个体已经被 10x”）
- 指出组织反差（公司却没快 10x）
- 暗示存在某个未被解决的环节（自然引出产品定位）
为什么有效：
- 用户不需要被说服 AI 有用——他们已经体验过
- 用户也已经感受到组织滞后——但说不清楚原因
- 灵魂问句替他们说出了，所以他们立刻投入下一段
- 比”AI 时代的 X”高一档——它不卖时代叙事，卖反差焦虑
可借鉴：
- 适合企业级产品，不适合消费产品（消费用户没”组织”概念）
- 反差必须是所有目标用户都已经感受到但说不清楚的
- 如果反差感不强，就堕入空洞修辞
反模式信号：
- “AI 让一切变得不一样” — 反差不具体
- “传统行业还没拥抱 AI” — 把读者放在”还没拥抱”的否定位置上（错误锚点）
叙事模板：
- “AI 让 [X] 实现了 [N]x，但 [Y] 还在 [N0]”
- 用 [X] = 个体 / 用户 / 工程师 等用户已经验证的对象
- 用 [Y] = 用户也置身其中、但反差未被言说的对象（团队 / 公司 / 行业）
案例：Case - Lucius - 组织context层 — “Why AI 10x the people, but 0x the company?” 是 Lucius brief 整篇叙事的脊柱
叙事模板
技术产品 → 拟人化
- Memory → “不会忘记”
- Skills → “经验积累”
- Evolution → “成长的队友”
基础设施叙事
- 不是工具，是”操作系统”
- 不是应用，是”平台”
- 不是增强，是”原生”
路线选择叙事
- A 的天花板是 X（有限）
- B 的天花板是 Y（无限增长）
- X 不会变，Y 会变强
待验证假设
-
“窗口期”叙事的有效期
- 现在有效，6个月后呢？
- 需要在窗口期快速建立认知
-
量化数字的可信度
- “40%”、“100+” 需要支撑
- 过度量化可能反噬
-
宏大叙事的落地
- “操作系统”、“基础设施”需要实际产品能力
- 否则容易被认为是画饼
标签
narrative agent-infrastructure positioning storytelling
相关案例链接
本文档是 AI 产品分析框架的”维度 3: 叙事策略”部分 完整框架见：AI产品分析框架
路线选择叙事
- Case - AdWhiz - 广告Agent的API路线 - Dashboard vs API 的天花板差异
重新定义叙事
- Case - InsForge - Agent原生数据库 - AI 时代的 Supabase
拟人化叙事
- Case - Hermes Agent - 持续进化的AI队友 - 队友、成长、记忆
量化价值
- Case - Composio - AI Agent工具集成平台 - 提升准确率 40%
- Case - AdWhiz - 广告Agent的API路线 - 省掉一个招聘
- Case - Qveris - Agent时代的基础设施 - 秒级调用万种工具
”X but for Y” 格式
- Case - db9.ai - Postgres for Agents - Postgres but for agents
”替代清单”价值表达
- Case - db9.ai - Postgres for Agents - 减少胶水、减少搭建成本
”硬约束 vs 软限制”叙事
- Case - agentcard.sh - Agent支付基础设施 - 额度就是上限
安全叙事分层
- Case - agentcard.sh - Agent支付基础设施 - 四层安全叙事
”反直觉但可检验”叙事
- Case - evlog.dev - Wide Event日志库 - 日志不是越多越好
时间窗口叙事
- Case - AdWhiz - 广告Agent的API路线 - 全球不超过 5 家
- Case - Qveris - Agent时代的基础设施 - Agent 时代的基础设施
”供应链/燃料”叙事
- Case - Tessl - Agent技能的npm - 不做 Agent，做 Agent 的知识供应链
”协议即产品”叙事
- 2026-04-01 - Linear AIG - Agent时代的交互协议标准 - 6 条原则 + 10 个可推广设计模式
”把 Agent 当人”叙事
- Case - Slock - AI-native协作聊天室 - “Not as tools. As teammates.” 六词直击
”质检站/年检”叙事
- Case - HMA - 医疗健康Agent评测基准 - 不做 Agent，做 Agent 的质检站（盛大集团）
“灵魂问句开头”叙事
- Case - Lucius - 组织context层 - “Why AI 10x the people, but 0x the company?” 反差焦虑双锚定
”替代一切”过度承诺（反面模式）
- Case - MagiCrew - 伪开源企业AI全家桶 - 全家桶策略导致焦点模糊
行业观点链接
时代定义
- Building for Trillions of Agents - Aaron Levie - “Make something agents want”
- Harness Engineering - OpenAI 的 AI 优先工程实践 - 0 手写代码的实践
- Harness Engineering Is Cybernetics - 控制论的视角 - 控制论的历史演进视角
协议与框架
- 2026-04-01 - Linear AIG - Agent时代的交互协议标准 — “Agent 友好”成为 SaaS table stakes
- 2026-04-02 - AI协同产品四轴设计框架 - Wayne Zhang — 四轴定位：人机关系/记忆/约束/运行位置
实践案例验证
2026-03~04 调研的产品完美契合 “Building for Trillions of Agents” 的观点：
- API-First: Composio、Qveris 以 API 为核心设计
- Agent-First: InsForge、Hermes Agent 为 agent 原生设计
- 基础设施层: Qveris 定位为”商业操作系统”
- 知识供应链: Tessl 做 Agent 的”燃料”（$125M 融资）
- 协议标准化: Linear AIG 定义 Agent 交互协议，平台吃掉 Multica 的功能
- Enable→Native 跃迁: 毕昇→Clawith，同一团队两代产品的范式变化
- 评测基准即基础设施: HMA 做 Agent 的”质检站”，理论提出者做检测工具（盛大集团）