两次拿到陆奇投资,张浩然这次想用 Agencize AI 干掉所有工作流 Agent
Agencize AI 创始人张浩然提出了「软件不应再等待被使用,而是在需要它的那一刻才存在」的观点,主张 AI-Native 时代应摒弃预先构建工作流的模式。作为两次获得陆奇投资的创业者,张浩然基于十余年生产力工具领域的经验,致力于通过意图驱动的方式,即时生成个性化软件,连接并利用传统 SaaS,从而解决现有工作流工具在应对不确定性任务时的局限性。
01核心痛点与解决方案
现有的自动化工具(如 n8n、Zapier)要求用户具备极强的结构化思维,预先设定好触发条件与执行逻辑。这种方式存在「角色错配」问题,非技术人员难以将脑中的需求转化为工具所需的逻辑节点。Agencize AI 认为所有要求用户预先构建工作流的 Agent 都是错误的,其核心在于让 AI 替代用户完成「思考结构化工作流」的过程。
在典型应用场景中,一位心理医生需要将 WhatsApp 的医患对话整理成报告并同步至 Notion,同时在 Google 日历中预约下次沟通。传统工具无法有效处理这种环节固定但内容高度变化的任务。Agencize AI 允许用户仅描述意图,AI 即通过自主推理、调用工具并串联流程,最终生成一个专属的、个性化的软件来替代手动操作,实现 95% 以上的自动化。
02技术实现逻辑
Agencize AI 并未简单地用 AI 封装传统工作流节点,而是自研了一套双 Agent 循环推理架构。该架构将应用的功能打散为细粒度的「能力点」,而非依据应用本身的定义进行匹配。例如,在处理电商邮件需求时,AI 会识别出 Klaviyo 在「用户标签」和「CDP」相关能力上比 Mailchimp 更匹配,从而反推出应使用的工具。
工作流构建模式对比
预先构建模式
要求用户明确梳理并搭建所有执行步骤。
基于固定的触发条件和逻辑节点运行。
用户需具备技术理解力或极强的结构化思维。
难以应对内容高度变化的非确定性任务。


意图驱动模式
用户仅需提供目标任务或模糊指令。
AI 自主推理、寻找工具并试错执行。
工作流节点后置生成,无需用户关注。
像真人同事一样灵活,具备主动确认能力。
03产品形态与未来愿景
Agencize AI 定位为一个全新的工作台,其最终产出不仅是任务结果,更是可视化的个性化软件。当 AI 完成任务后,会将对话流程转化为带有界面的自动化常规流程,例如生成一个左侧显示 Shopify 订单、右侧显示发货状态的操作面板。这种「软件 3.0」形态具备后端 Agent 能力,能够固化代码并学习用户的 know-how。
长期来看,Agencize AI 旨在构建数据飞轮。通过积累用户与 AI 的交互数据、生成的软件及其背后的业务逻辑,训练专属的「行动型模型」。这种数据壁垒将使其能够深入组织的复杂场景,颠覆传统的软件劳动力定制化市场,实现从生产力工具向软件劳动力供应的跨越。
当前文章无评论,是时候发表评论了