六个结论和五份可抄的材料

往下看之前，先把这一期最值钱的东西摊开。六个结论：

五份能整段抄走的材料

下面逐条展开。顺序有讲究：前面几条是底座怎么搭，后面几条是搭好之后铺到业务和组织上会发生什么。

三个根本决定：重写 API、超人标准、换考核口径

所有做法都是从三个决定推出来的。三个决定的层面都不在技术选型上，它们回答的是同一个问题：公司要变成什么。

一、重新设计公司，别停在发工具

具体到工程上就是重写大部分 API 和系统，好让 Agent 能调用它们去完成任务。为什么非改不可：人能忍受的烂接口，Agent 用不了。一个需要人去猜、去点、去在三个系统之间来回复制粘贴才能完成的流程，Agent 没法执行，不改接口，它就只能在旁边看着。

接着还要开始生成数据和反馈回路，用来调教这些 Agent。怎么调教？把它们放出去，放到真实客户面前，拿回数据，拿回评测结果，然后训练。

二、赌能造出超人 Agent

「超人」在这里有一条具体标准：在转化率、客户终身价值、客户体验这几个真正重要的维度上，Agent 要比公司雇过的最好的人还强。而且要顶到最难的问题上去，别放边角料任务。

三、把交易型公司改成关系型公司

Kavak 原来是一家交易型公司，考核的是买了多少辆车、卖了多少辆车、需要采购多少刹车片。改造之后变成关系型公司：数据库里有 1000 万客户，其中大部分各配一个 Agent，任务是最大化这个客户的终身价值。

这个换法对 Kavak 成立，靠的是两笔账。第一笔是钱：卖的是车和大额个人贷款这种高客单价商品，光把这 1000 万人里的 1% 激活，做对了就是几亿美元。第二笔是行业性质：买二手车这件事，客户必须先建立信任才会掏钱，而建立信任的唯一办法是了解他、并且长期经营这段关系，这恰好是 Agent 擅长的事。

一个客户配一个 Agent，各带一台虚拟机

这是全篇技术含量最高、也最反当前主流做法的一段。市面上大部分团队还在搭「多个专家 Agent 组成的多智能体系统」，Kavak 赌的是另一条路：长期运行、带硬目标的 Agent（long-running Agent）。

一个客户进来，系统会专门为这个客户生成一个 Agent，配一台自己的虚拟机。这个 Agent 记得这个客户跟 Kavak 多年来的全部往来，他在网页上看过什么、两年前打过一通什么电话，全都在记忆里；它自己定策略，设一个长期目标，然后想办法让这个客户满意、并在合适的时机把公司的各条产品线卖给他。

为什么把跑了两年的架构推倒重建

但这套架构不是一开始就长这样。

到 2025 年 12 月，Kavak 已经有几万个 Agent 在跑业务，架构是「多 Agent 系统 + 图 + 编排层」，一层调度程序把复杂任务拆成步骤，规定先做什么后做什么、什么时候叫哪个模型。而且它是有效的：带来了盈利，带来了增长。

然后 Opus 4.5 发布。判断是：这个范式不对了。

于是他们把跑了两年、正在赚钱的东西全部废掉，换成前面那套：一台虚拟机 + 一个 Agent + 记忆 + 评测 + 能碰全公司工具和 API 的命令行 + 一个长期目标。这套架构的好处是能吃下后面每个月出的新模型：模型越强它越强。旧架构则相反，模型越强，被框住的部分越多。

评测（Evals）与开发同等重要

敢这么激进的底气来自评测。想跑得快，你得先有刹车，你敢一脚踩下油门，是因为刹车靠得住。

很多公司把这件事搞反了：因为没有好刹车，所以只敢慢慢开。Kavak 反过来想，我们能开多快，取决于评测的质量有多高。

具体的纪律是一句可以直接照抄的话：花在评测上的工程师时间、token 和钱，跟花在造 Agent 上的差不多一样多。这比「要重视评测」这种话可执行得多，因为它是一个预算比例。

量什么？只量这三件事

第一位永远是业务结果。客户开不开心，会不会买车、贷款批没批下来、旧车卖给我们没有，第一道检查就是：转化了没有？

大多数公司在这里就崩了：量的是通话数量、通话时长这类表面指标，有点信息量，但不解决问题。真正该问的只有三件事：

这三条评测接通之后，剩下的就是优化 Agent 架构、给 Agent 加技能，把规模铺到几百万客户。

AI 销售战绩反超人类团队

Kavak 从来没有做过客服 Agent。第一个放到客户面前的，就是销售 Agent，公司里最难、也最值钱的那个岗位。

为什么在拉美卖一辆车这么难

客户要从大约 2 万个车源里挑一辆，然后走融资流程，再买保险和延保，多半还要把自己的旧车折价卖回来，所以还得给旧车估价。2020、2021 年的 Kavak 是这么干的：你得在 15 件不同的事情上都非常在行，于是配了 15 个团队、15 个专家。客户先找融资专家，再找选车顾问，再找收车专家，再找保险专家，最后拼出一个方案，才能买走一辆车。

Kavak 的做法分两步：先让 Agent 在每一件事上都超过那件事的专家，再把它们合成一个「超级专家」，一个同时懂保险、懂融资、懂选车、懂估价的 Agent，直接放到客户面前。

为什么 Agent 能卖得更好

给出的因果有五条：它们是专家，有无限的耐心，知道客户的全部历史，能为长期打算，永远不会累。但最有意思的是第六条，

还有一条能力值得单独记，它来自前面说的垂直整合：客户还不起车贷了，可以把车退回来换一辆便宜的，月供降下来，人就不至于被拖垮。这件事普通车贷机构做不到，车不在它手里，它只能催收。

令人惊叹的「AI CEO」实验

往上再走一层：管理岗行不行，甚至 CEO 那个位置行不行？他们的判断是「大概率能，按这个改进速度，到 2035 年肯定能」。然后决定现在就试。

做法是在墨西哥划出一座城市，Cuernavaca（库埃纳瓦卡），把一个 Agent 放进同一套 harness 里，让它当这座城市的 CEO。它开始学习，开始做决策，并对自己的决策做评估。

它具体在干什么

这个 Agent 干活的样子，像一个菲尔兹奖级别聪明的人：把每一个数字、每一个客户都过一遍，做出预测，然后去微观管理每天需要执行的每一件事，好让计划落地。

具体到什么程度，它会直接给 Cuernavaca 的一线工人发消息，告诉他们当天的计划，再让他们发语音回来汇报进度。

结果是几项指标同时改善：客户满意度上升，库存质量变好，周转变快，金融渗透率提高。

大家本来以为，CEO 是 AI 最后才会拿走的那个工作。结果并不是。

The Self-Improving Company | Kavak's AI Playbook · a16z

汽修工的 AI 跟班怎么用

但有些活还是人干的。还在招人、还在培训人的岗位，都和物理世界有关，汽修工就是最典型的一个，这份工作需要大量手上的灵巧度和感官判断，非常难替代。

所以在这里，Agent 的角色是跟班（sidekick），用的是同一套 harness。他们给它起名 El Mike（音译）。它告诉技师怎么检查一辆车、给出提示、演示做法。

结果：检测质量大幅提升，检测更快、维修更快、成本更低。而最重要的一条是，交付出去的车质量更高了，客户满意度因此又涨了一轮。

所以这些岗位现在还在招人、还在培训，AI 被放在旁边当放大器。

全员 AI 化：从高管到汽修工

配得上这套系统的人从哪来？自己训。

Kavak 内部有一个培训项目叫 Jedi Academy（绝地学院），从 CEO 到 AI 工程师到汽修工，所有人都要上。课程由 Maza 亲自设计、亲自带，而且必须持续更新，因为一切变得太快，这种东西没办法把人送去斯坦福学，它是全新的。

给员工的说法只有一句：没有回头路。公司要往这个方向走，工程团队、财务团队、产品团队各自会变成什么样都说清楚了；你可以选择去学、拿到在新现实里干活的技能，也可以选择离开。结果是文化反而更强了，员工是真的兴奋。

组织形态跟着变了

现在的 Kavak 是非常扁平、非常资深、非常放权的团队。看一个团队，里面工程、AI、运营什么都有。这些团队要么在造 Agent，要么在为 Agent 干活，要么在物理世界里面对客户。

Agent 撞墙时，由人接住

所以人和 Agent 的上下级关系，也被倒过来了。这一段容易被误读。

先看常见做法。现在大规模 Agent 系统里的「human in the loop」通常是这样：Agent 撞了墙、干不下去了，就把这个案子或这个客户转给二线人工支持，然后忘掉它。

问题出在哪：回路没有闭上。这一单也许被人解决了，但系统没有拿到任何数据，下次遇到同样的墙，Agent 还是撞。

Kavak 把方向反了过来：那个盯着某个客户的 Agent，拥有所有 API、所有技能（这些技能是人和其他 Agent 给它造的）。当它撞墙或者要取消某件事的时候，它调用一个 API 说「我需要帮助」，而接住这个请求的是一个人，另一端坐的既不是 Agent，也不是一段软件。

画到组织架构图上，就成了：人类团队里配了一个 Agent，而发号施令的是那个 Agent。这个安排解决的是一个具体的工程问题：回路闭不上，就永远产生不了能让 Agent 变好的数据。

按 token 分三档衡量投入回报

那么这些投入到底怎么判断值不值？他给了一个可以直接拿去自查的框架，用来回答「我一年砸了几亿美元买 token，到底买到了什么」。

Kavak 现在能做到第三档，这也是它敢继续加码的原因：知道每个 token 的回报，扩张就有了依据，不用靠赌。知道每个 token 的回报，扩张才是有依据的，而不是赌博。

我今天投在 token 上的钱，比投在知识工作者身上的还多。

The Self-Improving Company | Kavak's AI Playbook · a16z

结论是：关键在于有一个清楚的愿景，并且能衡量你花的每一个 token 有没有把你带向那个愿景，然后不停迭代。采用率本身说明不了什么。

给想学的公司的两条前提

第一，必须自上而下。如果只是推动「采用」，不会走到任何地方，指望员工自下而上地决定该造什么、并且造出对公司真正管用的东西，这种品味和战略生不出来。领导层自己要用，而且要有一个非常清楚的计划：把「公司三到五年后长什么样」说清楚，然后照着建，非常垂直地指挥队伍往那个方向走。

第二，衡量真正重要的东西。也就是前面那套评测，和这套 token 分档。

该自我改进的是组织本身

把前面所有做法连起来看，落点是一句翻转过来的话。

现在所有人谈递归自我改进（RSI），想的都是模型怎么把自己越改越强。这里的主张换了个对象：

为什么机会在新公司，不在大公司

这里他搬出了熊彼特（Joseph Schumpeter）的创造性破坏：创新冲击经济的方式，是老公司维持原样，而带着新技术的新进入者把它们干掉。指望老公司自己把新技术用透，历史上很少发生。短期看这毁掉了价值，长期看对所有人都更好，因为这些更高效的新公司会提供更好的产品和服务。

为什么这一轮也一样，因为深度采用 AI 太难了。一个大公司、尤其是上市公司的 CEO，要站出来说「我要把一切押在 AI 上，我要把过去 40 年建的东西全拆了、重建成一家 AI 原生公司」，有几个人会这么干？所以在他们「采用」的时候，新公司可以直接围着 AI 的强项长出来。

电力那次也是这样

Kavak 内部常拿电力那一轮举例。福特生产线所需要的技术，在 1879 年和 1881 年就已经开发出来了，爱迪生也已经开始商业化供电，还造出了效率极高的发电机。也就是说，福特那座工厂，早四十年就可以建出来。技术全都在那儿了。

但当时人们采用电力的方式是：工厂还是原来那个四层楼、靠传动轴和皮带带动的结构，只是把煤炭发动机换成电动机。这确实带来了好处，大约 6% 的效率提升。

真正该做的是把那座工厂拆掉，在平地上重建，别建在纽约市中心，建到康涅狄格或者新泽西去，围绕小型发电机和电力把整个工厂重新设计一遍，那才是 3 倍的生产率提升，也正是它支撑了 20 世纪的美国。

计算机时代又发生了一遍，今天正在再发生一遍：人们想采用它，但不愿意重新设计整个公司，于是只是浮于表面地采用。最后拿到的是 6% 或者 10% 的提升，不是 10 倍。换个说法就是：创新者窘境又来了一遍，只不过这一次是产业规模的。

最后是给创业者的一句：现在是头一次，任何人都能用上世界上最强的工具和智能，几乎免费，或者每月 20 美元。所以去做，但要做深，甚至不用假设指数增长，就假设 AI 以线性速度一直变好，照着那个未来去建。

主流做法是多个专家 Agent 拼成一套系统。Kavak 反过来，给每个客户单独生成一个长期运行的 Agent，配一台专属虚拟机（只服务这一个客户、独立运行的电脑），记得这个客户多年来的全部往来，自己定策略、设长期目标。

这套架构背后是三个决定：

• 重写 API：人能忍的烂接口，Agent 用不了，不改接口，它只能在旁边看着。
• 定超人标准：转化率、终身价值、客户体验要超过公司雇过最好的人，还要顶在最难的问题上。
• 换考核口径：从卖了多少辆车，改成 1000 万客户各配一个 Agent，冲终身价值。

这套架构经历过一次推倒重建。2025 年 12 月，Kavak 已经有几万个 Agent 在跑业务，架构是多 Agent 系统加编排层（把任务拆成步骤、替模型规划的调度程序），而且盈利、增长。Opus 4.5 发布后，判断是这个范式不对了：模型足够聪明之后，编排层从脚手架变成了天花板。

销售是 Kavak 第一个交给 Agent 的岗位，也是公司里最难的那个：客户要在约 2 万个车源里挑，还要走融资、保险、旧车估值。2020、2021 年的做法是 15 件事配 15 个专家团队；Kavak 让 Agent 先在每件事上超过对应专家，再合成一个「超级专家」放到客户面前。

evals 只盯三件事，别学多数公司量通话时长：

• 这个客户转化了吗
• 有没有给客户带来价值
• 过一阵子还愿意回来吗

要不要接着砸钱，Kavak 按 token 分三档自查：一档是员工各自用聊天工具，价值算不清，多数公司在这；二档是工程师在代码库里的产出，能间接估；三档是执行业务的 Agent，回报能单独算出来，Kavak 在这一档。