通用agent观点:回访，对谈 LemonAI 创始人宜博

01

从低代码到通用 Agent：十年的三次转身

 覃睿

请您简要介绍一下个人经历和公司情况。

👨🏻‍💻 宜博

各位 BISHENG 的同学和用户大家好。我是宜博，lemon AI 的创始人。lemon AI 专注于全栈开源的通用智能体，我们称之为 L3 级别的 Agentic agents。与以往方案不同，我们采用虚拟机架构，而非直接运行在本地电脑环境中。如果没有虚拟机，本地就缺乏隔离：要么缺乏编程和搜索能力，要么代码执行会占用或影响原有资源和文件。基于虚拟机的架构可以实现并行调度多个实例，理论上可扩展到上万台，用于同时执行一个或多个任务。

我们最初是在锦秋小饭桌认识的。覃老师把 BISHENG 做得非常出色，尤其在商业化方面。lemon AI 从 2023 年 5 月开始探索 workflow 方向，当月推出了国内这个方向较早的产品 LLMFarm ，同年5月底 Dify 发布，11 月 Coze 发布。总体来看，大家是同行，但 BISHENG 在商业化和金融行业客户拓展上更为领先，已经形成了以 workflow agents 变现的成熟模式。相比之下，Dify 主要依靠海外市场变现；我认为 BISHENG 在国内应该是 workflow agents 开源领域商业化第一。

 覃睿

感谢感谢，希望未来能继续合作交流。

一起努力。我们目前转向 Agentic agents，并在 8 月上线了一个线上版本，进行了一次接近 L4（Innovator）形态的尝试：让 agents 自主开发 agents，使其具备自我迭代能力，我们称之为 self-evolving（也可理解为 self-learning）。自 8 月 8 日发布以来，已有约 1,000 名全球用户在使用。

下周我们计划发布一个新版本——通用 AI Editor。其核心是支持“人机协同反复修改”，将结果持续打磨至可直接交付。我们在验证 agents 时发现这是一个关键需求。

过去三个月我主要使用 Genspark 制作 PPT。它已经具备“反复修改直至可交付”的能力，但功能仍局限于 PPT、Word、Excel，对于 agents 最终产出的通用结果（如 HTML 或 Markdown）支持不足。因此，我们在 lemon AI 上实现了通用 agent editor：无论是 Web 编码还是深度研究，只要结果以 HTML 呈现，就能持续迭代和改进，该功能预计下周上线。

 覃睿

能否再谈谈您的过往经历？

我从 2013 年开始创业，本科是 2004 年计算机专业毕业，最初在用友工作一年多，之后去德国待了四年多。2010 年回国后进入大客户销售，但发现销售并不利于创业，于是去清华读 MBA。2013 年毕业后开始创业，做了第一个项目。2014 年创办现在的公司，最初聚焦办公 LLM 市场，推出产品 WorkingChat。但 2015 年钉钉上线，我们受到很大冲击。2016 年团队达成共识：不能总跟随市场，而要布局 5~10 年后的趋势。我们认为未来机器一定会替代部分人工，而我们的优势在于技术，所以选择了“机器替代人写代码”的方向。

当时我们提出 NL2Code，用自然语言模型（如 BERT）理解需求，生成代码。2017 年在美国被称为 VPL（Visual Programming Language，可视化编程语言）。我们选择面向大 B 客户，帮助他们进行快速开发和迭代。学习强国、云上会展等大型项目背后都有我们的参与。

 覃睿

非常超前。

是的。疫情之后，大客户付款问题对我们影响很大。2022 年 GPT 出现，上半年我们没有太在意，但下半年 ChatGPT 爆发，我们意识到原有路线被彻底颠覆：NL2Code（自然语言转代码）转向了基于大语言模型的代码生成。于是 2023 年初，我们推出了第一个相关产品 ChatBI，用户只需接入数据库或上传 Excel，系统即可自动生成 SQL 并绘制低代码图表，一个月内吸引了 3000 多用户，其中不少是付费用户。

然而 2023 年 4 月国家发布《生成式人工智能服务管理办法（征求意见稿）》，几天后我们的产品被微信下线，我们判断 To C 模式风险过高，遂转向 To B。结合低代码经验，我们在短时间内开发了全国首个 Workflow Agent——大模型农场（LLMFarm）。该产品 5 月上线，6 月实现商业化，到年底已积累十余家客户，包括华润、阿里国际站和桔子数科等。

但 2023 年 10 月 Coze 上线并快速推广，大家发现效果很好，客户开始寻找替代方案，转而关注 Dify 和 FastGPT。我们难以清晰阐明差异，逐渐沦为服务型公司，甚至被客户要求直接基于他人产品做定制，这让我们陷入困境。

2025年 3 月 Manus 发布，我们意识到时代再次发生变化，于是整合已有积累，并在 5 月 28 日推出开源全栈 AI Agents。一个月内下载量超过一万，GitHub star 也在增长。7 月上线了线上版本，并持续探索更高阶段的发展。

02

L1-L5 并行：AI 的快思考与慢思考

我们认为，AGI 的发展不是串行的，而是并行推进的。L3、L4、L5 可以同时演进。早期只能做 Workflow Agent，是因为模型能力有限；随着能力提升，更多层次应用才成为可能。工程手段对模型落地至关重要，因此我们专注于如何在现有模型能力基础上，通过工程方法不断推出可交付的应用。

 覃睿

您刚才提到 L1 到 L5 是并行发展的。能否具体解释一下？我的理解是：即便模型越来越强，L1 的对话、L2 的推理、workflow 的需求仍然存在，只是会更好用，而不会消失。

是的。可以打个比方：L1 相当于人的快思考，L3 相当于人的慢思考。比如，你让助手帮忙订机票，说“明天早上 8 点左右从上海回北京”。助手的第一反应可能是：“好像有一班 8 点半的国航，从虹桥到首都机场。”这种回答基于经验和知识记忆，反应很快，但往往不够准确。

如果你要求“请帮我核实并订票”，助手就需要进行规划：第一步去哪个平台（携程、去哪儿或国航官网）；第二步输入出发地和目的地；第三步筛选结果，找出 8 点左右的航班，并比较价格、舱位、到达机场等。最后助手才会给出准确的选项，例如“8:35、8:45、8:55 各有航班，分别多少钱，分别到大兴或首都机场”。这个过程就是“慢思考”。它经过推理、分解和验证，结果准确、可靠。相比之下，“快思考”只是基于直觉和已有经验的快速回答。

人类每天做上千个决策，其中大多数是下意识的快思考，例如走路迈哪只脚、吃饭用哪只手。但在关键问题上，比如高考志愿填报、公司战略制定、撰写重要报告，就需要慢思考：拆解问题、搜集信息、请教专家、权衡比较，最后做出决定。

 覃睿

您刚才提到过 Manus 和 Genspark，在观察它们的产品演进时，您觉得各自的思路是什么？我感觉它们最初很像，但现在差别越来越大。您怎么看待它们的路线，以及与它们在通用智能体上的竞争？

他们都在做通用智能体，但底层逻辑不同。Manus 认为未来 AI 会替代虚拟世界，而虚拟世界的底层是代码，因此所有问题都能通过写代码解决。它的界面统一，所有需求都通过生成代码来完成，这是它的核心哲学。

Genspark 更像导航站或应用矩阵。团队认为用户在不同场景下需要不同的轻量化工具，因此提供了 AI PPT、AI Word、AI Excel、AI 播客、AI 视频、AI 图片等应用，未来还可能接入第三方，用户进入一个垂直场景，就能直接获得结果。所以，Genspark 更像应用商店，而 Manus 更像“用代码解决一切”的平台。

 覃睿

我看到有人评论 Genspark 是 “AI 界的 4399”，做了一堆小游戏。

是，我也看到过，当时我们也考虑过要不要走这两条路径，但最终认为都不合适，选择了第三条。

 覃睿

您指的是什么路径？

我们专注 L4 和 L5 的路径，而不是在 L3 上竞争。我们已将类似 Manus 的内核开源，相当于完成了基于代码的通用框架。但真正能产生最大价值的，是 L4 和 L5。我们的目标是推动 L1 到 L5 的整体演进。

还有一个有趣的现象：美国投资人常问，为什么美国公司多做垂直场景的 agents，而中国公司更倾向于 all-in-one，美国市场几乎没有通用 agent 的投资标的。

我认为这与文化有关。中国用户和公司更习惯“大而全”的产品，比如微信、支付宝、淘宝；而美国市场相对分散。马斯克也曾羡慕微信，希望打造类似的超级应用。既然基础模型是通用的，美国投资人也认同未来智能体会走向通用化。

 覃睿

但这未必能覆盖全部市场，还要看通用型智能体能占多大份额。

没错，不会覆盖 100%，但一定是主导力量。而在研发上，中国团队更具优势：工程能力强，也擅长做大而全的系统。目前全球能做通用 AI agent 的团队不超过十几个，大多是中国人或华人团队。

03

创新的两条路径：要素重组与自我进化

 覃睿

您刚才提到团队选择突破的方向是 L4、L5。能否具体谈谈，您是如何构思所谓 AGI 五个阶段中 L4 “创新者”的产品逻辑？

关于创新，我理解有两种方法论。第一种是原有要素的重新组合。比如新药研发，本质上就是把已知药物的分子重新排列组合，再逐一验证疗效。前段时间有研究通过 AI 进行了上千万次组合，发现了一种人类 30 多年来未曾找到的新型抗生素，这就是典型案例。

第二种方法是自我迭代。正如杨植麟在一次采访中提到的，未来的 L4 可以理解为“让模型来训练下一代模型”，即 AI 可以开发新的 AI，agent 可以生成新的 agent。这也是一种创新。我很认可这种观点，因此我们提出 self-evolving：让模型训练模型，让 agent 迭代 agent，实现自我进化。

 覃睿

这和您之前提到的 self-evolving 概念是一致的。

对。相关论文也指出，自我进化（self-evolving）是迈向超级智能（ASI）的必经之路。一旦系统具备自我意识并超越人类能力，它会像孩子成长一样，不断学习、不断迭代。

 覃睿

那它学习和积累下来的东西，存储形态会是什么？

就是 memory，无论是长时记忆还是短时记忆，实质都是模型的记忆机制。人的大脑也在不断进化，逐渐形成对世界的感知和理解，可以类比为一种 world model。眼、耳、鼻、舌、身是感知外界的器官，而“意”才是大模型——我们真正的智能所在。它每天都在迭代。

人的记忆还带有压缩特性。我们不会完整记录每个细节，而是提取关键信息：一句话、一个场景、一段经历，存入海马体。今天很多工程化的 long memory、short memory 设计，实际上都在模仿这种机制。

 覃睿

我最近听到有人提到，他们尝试用强化学习来改进 memory。您怎么看？

我个人并不认同。我们已经从强化学习时代进入大模型时代，原因就在于强化学习无法泛化，也无法产生真正的智能。它在固定环境、固定反馈和固定奖励函数下有效，可以提升某些局部环节的表现，但它不具备普适性。

比如 DeepSeek 在训练时会在某个环节引入 RL，这是合理的。但 RL 不能替代 LLM。我认为更好的方式是大模型 + 上下文工程（context engineering），这样泛化效果更强，能适应不同环境、参数和场景。相反，如果依赖强化学习，结果往往只能覆盖训练过的范围，一旦换个词、改个顺序，准确率就大幅下降，价值不大。

 覃睿

从我的角度看，用 RL 来做 memory 是一个可以尝试的实验方向，但也存在明显问题，更新太慢，无法实时响应用户的每一句话。这导致短期记忆往往丢失，长期记忆或许能做一些实验，但确实感觉 ROI 有限。

我们在其他任务中通过 RL 的方式优化模型是发现蛮有用的，但除了代码和数据等场景外，其他类型任务的反馈很难收集。尤其是把 RL 用在记忆上，很难验证用户反馈是否真的表示满意，意图收集和理解也非常模糊。

回到刚才的话题，您提到两个重要点：一是 agent 训练 agent，二是 memory。对于 self-evolving 概念的理解，是不是把 agent 放到一个开放环境里，让它自己探索、总结方法，然后沉淀下来？

可以分两种情况。第一种是 agent 训练 agent：一个 agent 创建新的 agent，探索方法，并在训练过程中对每一步进行反馈。第二种更有效的方式是人类反馈，用户在与 AI 交互时，其实带着需求、经验和评价标准。即使只说一句话，也隐含很多背景。当用户进行多轮反馈时，实际上就是在训练 agent。这也是为什么 RLHF（Reinforcement Learning from Human Feedback）非常有价值，它能把人类的偏好、经验和共识抽取出来，沉淀为 memory。

 覃睿

但我们实践中发现，用户往往比较懒。如果产品没有带来惊艳体验，用户甚至不愿继续使用，更别说耐心地提供反馈。

没错，这就需要引导。首先，用户必须相信你的产品能把事情做好；其次，他得有足够的预算，否则不会投入时间和精力；最后，他必须真正感到痛点足够大，否则不会持续使用。这是当下最大的挑战：如何打破用户习惯，让他们相信 AI 能把事做对，从而愿意投入时间进行多轮互动。

 覃睿

我同意。目前 Chatbot 已经跨越了鸿沟，从尝鲜者进入到了大众市场。但 Agent 类产品还处在创新者曲线的早期阶段，还没跨越“鸿沟”。多数用户是尝鲜者，早期大众群体并未真正接受。特别是纯业务人员，他们往往缺乏技术背景，还没有从心理上完全认可大模型的能力。因此，指望他们持续提供高质量反馈其实比较奢侈。

当下大多数公司仍主要依赖机器反馈，比如用 GPT-4.1 或 Claude 来解决复杂问题。但如果换成千问或 DeepSeek 等开源模型，就难以胜任复杂任务。我们因此自己训练了一个模型，目前效果接近 GPT-4.1，能够支持企业私有化部署。

在这种模式下，几乎无法依赖人工反馈。我们采用的是蒸馏方法：先让更强的大模型生成高质量答案，然后由模型来比较、评估，再进行训练。这种方式可以让模型快速迭代，但要想超越 OpenAI，在关键场景里仍然需要专家反馈。问题在于，找到愿意共创的专家用户周期长、沟通成本高、迭代效率低，这也是落地中的最大挑战之一。

所以你们已经在做合成数据相关的工作了。

 覃睿

是的。我们主要关注的是：合成后的数据能否提升模型效果，评分是否更高。目前只能依赖模型来评判，还无法依靠专家。因为如果没有专家输入明确的 know-how，指出在特定场景中什么才是正确做法，那么场景逻辑只能由模型自动生成，这就很难突破上限。

没错。

李飞飞当年做 ImageNet 时，就是把标注数据分成训练集和测试集。问题在于：数据从哪里来？如何评测？如何训练？更重要的是，如何实现数据的自增长和自动标注？这些都是未来 AI 公司必须面对的核心问题。

04

To B vs To P：商业化的不同选择

 覃睿

您目前的项目主要是 To C，对吗？

我们 To B 的部分是开源的。毕竟要让企业真正用起来，需要强大的销售网络和客户资源，而我们没有，所以选择用开源方式让大家直接使用。与此同时，我们通过 To C 的闭源产品在海外变现，以支持研发。我们发现开源和 To C 的用户完全不同，几乎没有重叠。开源用户通常不会付费，而闭源用户也完全不会去看开源代码，这是两类完全独立的群体。

 覃睿

在做这个项目之前，您有过海外市场的经验吗？

没有，这是我们第一次尝试。我们就像小学生，需要向大家请教如何做海外市场、如何推广。

 覃睿

那在前后对比中，有没有让您感到认知反差的地方？

最大的感受是，AI 产品出海和以往的跨境电商或 SaaS 出海完全不同。过去的打法和经验在 AI 时代并不好用。好在大家都在同一起跑线，即使是“新手”，差距也没有那么大，这反而是我们的机会。

 覃睿

有意思。因为海外 To B 太重了，派驻人员也不现实，所以基本还是 To C。

对。海外 To B 需要长期耕耘，成本太高，我们目前主要做海外 To C。但更准确来说是 To P（面向专业人士），因为 AI 产品真正的消费级 C 端市场非常有限。现在 AI 的 C 端主要集中在一些小众消费场景，比如图片、视频、音乐生成。大多数生产力工具类场景，实际上是 To P，有人还创造了一个新词叫 “Prosumer”，即既是专业人士，也是消费者。

 覃睿

您认为 Prosumer 主要是哪些群体？

核心群体是有专业技能的脑力劳动者，例如医生、程序员、设计师、律师、研究员、证券分析师等，尤其是高价值的岗位。低价值的脑力劳动者往往负担不起。比如国内 HR 本身成本就很低，没有必要用 AI 去替代，但猎头成本高，就值得用 AI 来替代。

再比如投资公司的一二级市场研究员、实习生，他们的工作多是重复性、搜索性的脑力劳动，容易被 AI 取代。还有低端程序员，过去只会 Ctrl+C、Ctrl+V 的人未来会被淘汰。新毕业生找不到工作，缺乏从初级程序员成长为高级架构师的路径。

 覃睿

那只能尝试独立开发。

对。他们可能会选择成为独立开发者，做“一人公司”，从 Day 1 就开始创业。在美国，这已经成风潮：很多学生在大二就创业，拿到几百万甚至上千万美金的融资。

 覃睿

相当于是被迫走出一条新路。

是的，世界正在加速分化。

 覃睿

能否分享一两个您观察到的有趣的用户使用 lemonAI 的场景？

第一个付费用户的场景特别有意思。你可能想不到，他是用来买彩票的。

 覃睿

买彩票？这怎么用 AI？

他把福彩的历史数据全部导入，让 Lemon AI 编写统计和回测算法，并做成 Web 应用。根据回测结果，他选择概率更高的号码下注。

他自己懂彩票的业务逻辑，比如冷热号、回测率、排除法等，但不会写代码，所以找我们帮他做系统。一上来就付费，我们也专门拉了技术团队为他开发。

 覃睿

本质上还是软件外包，只是 AI 在其中承担了主要角色。

对。AI 相当于他的 CTO 或研发部门。现在很多付费场景都是这种拟人化的角色替代。比如 Cursor，本质上就是雇了一个“程序员”。用户以前只是执行者，现在有了 AI，就像雇了一组“下属”帮忙写代码。海外律师、招聘等场景也是类似逻辑，把 AI 当作专业角色使用。

05

大厂 vs 初创：船小好调头，灵活才是优势

 覃睿

提到 Claude Code 这类场景，比如业务专家自己想写一个程序，可能会直接用像 Claude Code 这样的工具。我觉得这类产品对我们做通用 Agent 的公司来说威胁不小，您怎么看？

我认为这类产品的用户群和我们并不重叠。Claude Code 的用户主要是程序员，它的天花板就是全球大约 3,000 万开发者。普通用户不会用命令行或编程接口，因此不会是 Claude Code 的目标用户。

 覃睿

但如果他们把产品做得更易用呢？

那就会演变成另一类产品，而不是 Claude Code ，本质上，Claude Code 的边界很清楚。

 覃睿

更大的问题可能是，如果 Claude 或 OpenAI 直接做通用 Agent，会不会对我们构成威胁？在产品化方面，Claude 的潜力似乎比 OpenAI 更大。

我不认为大模型公司能把通用 Agent 做好。一个公司像一个人，精力有限，不可能在模型和 Agent 两个方向同时做到极致。要么专注于模型训练，要么专注于 Agent 应用。创业型大模型公司团队规模有限，更难兼顾。

相比之下，大厂有可能做到，比如阿里、华为这样的集团可以投入上千人的团队来开发 Agent。但大厂的问题在于是否能找到合适的“将才”，带领团队把产品从 0 做到 1，再从 1 推到 1 万，这样的领导者极为稀缺。大厂内部层级复杂，试错机会有限，一个项目如果一年见不到成果就可能被砍掉。相比之下，创业公司更灵活，船小好调头，可以快速试错。

因此我并不担心大模型公司和大厂的竞争，唯一要避免的是不要站在大厂的主赛道上，比如钉钉、微信，这类赛道大厂一定会倾尽全力，外部公司根本打不过。大模型本身就是大厂的战略必争之地，我们无法在这个赛道与他们正面竞争。但在应用层，尤其是泛化和垂直场景，大厂没有明显优势。无论是美国七大厂还是中国头部厂商，目前都没有一家做出类似 Manus 这样的通用 Agent。