105行代码引爆AI智能体浪潮，BabyAGI之父却拒绝创业

一个风险投资人，用周末两天写了个105行代码的小工具，扔上GitHub。演示视频很快破百万曝光，一周之内，社区里冒出几十个模仿项目，连LangChain后来的一个核心功能都承认受了它启发。

这个项目叫BabyAGI，作者是Yohei Nakajima（中岛洋平），早期基金Untapped Capital的创始人。2023年10月，他在Nathan Labenz主持的播客Cognitive Revolution里，把这大半年的经历从头讲了一遍：怎么用70个练手项目攒出BabyAGI，爆红之后为什么拒绝创业，以及一个职业投资人怎么判断这波AI的钱归谁。

他刚站上旧金山第一届TED AI的讲台，同台的有吴恩达、Stephen Wolfram、英伟达的Jim Fan、斯坦福AI小镇的Joon Sung Park。一个自称业余写代码的VC，站进了这个阵容。

一个周末，三段提示词，105行代码

起点是一个观察。当时HustleGPT正火，人们让ChatGPT当联合创始人，给100美元本金，照它的指令一步步执行，社区里天天有人晒进度。

中岛看着这些帖子，问了自己一个问题：

“大家都在照ChatGPT说的做。那能不能把人从这条链路里拿掉？”

他给自己出的题目是：这个周末，做出一个能自主运转的“创业创始人”原型。Nathan听到这里插了句嘴：“这句话本身就够疯的。”

实现方式简单到离谱。他先回忆自己平时怎么干活：早上看任务清单，从第一条做起，来了新邮件就往清单里加任务，隔一阵子重新排序。他把这套流程翻译成三个提示词：一个拆解目标生成任务，一个执行任务，一个给全部任务重新排序，套进一个无限循环里。任务名存进向量数据库Pinecone，生成新任务前先查相似的历史记录，避免原地打转。

他让它创办一家移动健康公司，它就开始琢磨商业模式、融资策略、招人计划、竞品调研。他把演示视频随手发上网，配文大意是“我一按运行，它就一直自己跑下去”。

有人问它还能干别的吗。他输入“让世界变得更好”，它真开始列清单。下一个实验更经典：造尽可能多的回形针。这个目标出自AI安全领域著名的思想实验，而BabyAGI的第一反应是，这有点危险，我先建立安全协议。

安全研究者Eliezer Yudkowsky转发了这条，说它比多数大AI公司做得都好。结果一大群末日派和e/acc加速主义者涌进他的私信，说的是完全相反的话。

自称懒人的VC，其实是最快的行动派

中岛对自己的描述是“懒”。Nathan看完70多个项目后的结论是：好奇心、爱玩、探索欲。

这个懒有具体定义。讨厌录入数据，讨厌把同一件事做第二遍。他爸是工程师，他高中就开始摸代码，但没当过程序员。Ruby on Rails火的时候，他拿一个圣诞假期把它学了。在Techstars和Scrum Ventures做投资时，他一直给自己搭内部工具，Google表格里塞满脚本，自动查数据、连API。

2020年他创办自己的基金，第一件事是搭CRM。本来用PHP手写，很快意识到普通合伙人不该把时间耗在这上面，正好Webflow和Airtable这些无代码工具起来了，他推倒重来，在Airtable上搭出整套流程，顺手把过程发上推特。那是他第一次公开构建，收获一大波无代码创业公司的项目流。后来玩NFT，项目流又变成Web3的。2022年8月碰到OpenAI API，彻底上头，一周发一两个小项目，第70个就是BabyAGI，如今发布数已经到80上下。

过程还有个反转：起初全用无代码，后来发现能让ChatGPT替他写代码，又转回了代码。Nathan笑称这是他个人的“递归自我改进”。

他举过一个例子说明什么叫懒到点子上：拿到名单要找邮箱，手动复制粘贴，做到第五个他就停手，花五分钟写个脚本，然后看它自己跑完一千条。这些小脚本还会互相叠加，今天写的爬虫，下个月改改参数接着用。他现在大部分新点子，都是从旧项目里拆零件拼出来的。

好奇心也跑得飞快。某天晚上他好奇DALL·E能不能画360度图，从冒出问题到试完发推，一般不超过12小时。早上想到的午休做，下午想到的哄睡孩子之后做。

存活率他说得很诚实：两三成的项目会一直用，一半以上最终废弃，还有一批挂在“幽灵模式”，网上能访问，偶尔自己回去玩玩。单次使用的例子也有：某年他家房产估值偏高，他直接问ChatGPT怎么申诉，跟着找可比房源，让它写代码算调整价，最后连申诉报告都是它写的，交上去真管用，用完即弃。

回报怎么算？只算省时间，这些自动化大概率亏本，搭流程比干活还慢。但加上乐趣、学习、项目流和TED演讲邀请，账就平了。

做了70个项目，他对自己的最大发现有点意外：人的“工作版本”其实相当简单。工业革命以来，岗位被设计成一个人能随时替换另一个人，任务拆得足够标准化，所以大部分工作里，很大一块今天就能被自动化吃掉。难的只是把它真正搭好、集成好。

全世界劝他创业，他选择回去看项目

BabyAGI爆火后，有VC找上门，创业工作室也来谈。他认真考虑过，最后拒绝了。原因很直接：他不想一边管基金一边当CEO。之前为了学Web3，他边管基金边做了个叫PixelBees的NFT项目，两头烧，伤得不轻。

另一个原因他看得比谁都清楚。BabyAGI开源后，他合并了两个社区提交就停手，承认自己看不懂别人写的代码，也不想花时间审。一周之内，市面上冒出几十个衍生项目，两三个人的小团队，代码比他好得多，方向各不相同：做游戏的、做研究的、做金融的都有。

自己下场只能赌一个方向，坐在路口能投所有方向。他保留BabyAGI当社区连接点，回去继续看项目。

项目本身也没停，只是换了玩法。他不收社区合并请求，把原版丢进classic文件夹，自己另起炉灶，用动物命名：BabyBeeAGI、BabyCatAGI、BabyFoxAGI。最新版第一次带界面，任务和聊天分开，能并行跑多个任务，体感比ChatGPT还快。他说记不住版本号，动物名字好记，而且这些动物都出自他的PixelBees收藏，算个彩蛋。社区里另有人用TypeScript写了BabyAGI UI，比他自己的版本稳定，他做网络调研经常用那个。

他的工具链堪称野生路线：在ChatGPT手机版上开写，粘到Replit跑通，最后手动复制进GitHub网页版开源，因为他至今不会用Git。他欣赏Pieter Levels（levels.io）用一个PHP文件撑起一家公司的风格，想做出有用的东西，不需要先精通所有专业工具。

Nathan问，GPT-4V这类多模态模型上线，智能体会不会一下子强十倍。中岛的回答是，会有这种时刻，而且以后还会有很多次，但门槛也跟着水涨船高：等智能体能替人干完网上所有事，人们会转头抱怨它不能帮忙冲咖啡，然后机器人又跟上来了。真正让他兴奋的是另一种可能：编排层里学到的能力被直接内置进模型，让模型自己决定何时搜索、何时写新技能并存下来。他觉得那一天真来了，速度会快得多。

真刀真枪的用法：会前功课和土法漏斗

BabyAGI对他已经是生产工具，最大用途是调研。每次要跟知名公司开会，他先让BabyAGI研究对方：查业务单元、收入驱动、成本结构，再给每个业务单元出三条能用大语言模型的策略。

“七个业务单元，每单元三条，就是21个点子摆在我面前。我扫一眼，挑三五个展开讲。10秒的提示词加30秒的检查，顶过去15分钟的功课。”

它也会漏，也会出馊主意。他的处理方式：烂的就不提。这引出他给所有公司的核心建议，把AI先用在“你希望自己有时间做、但一直没做”的事情上，别急着碰关键流程。用AI替换一个本来干得好好的关键任务，产出变差，路就走歪了。会前深度调研属于典型的想做没时间做，AI做砸了也亏不了什么。

对外联络他有一套土办法，VC行业叫sourcing，用在销售和招聘上一样通：

• 先有个名单，Google表格都行，这是最重要的基础设施。
• 刷到想联系的人，点一下Pocket收藏，Zapier自动把姓名和公司写进表格。
• 用VoilaNorbert、Hunter这类工具，按姓名加域名查出邮箱。
• 表格里加个勾选框，勾上就触发邮件模板发送，要个性化就在专门一列手打几句。

有意思的是，个性化这一步他坚持自己写。他在Techstars做过大量AB测试，结论是两三句话、直奔主题的邮件效果最好。而且发邮件从来难不倒他，发太多日程反而排不下，真正稀缺的是开会时间。自动化刚好该卡在约束所在的地方。

投资人视角：大厂吃肉，创业公司的汤也够喝

Nathan抛出那个所有人都关心的问题：这波AI的价值最后归谁？流行的说法是大厂握着分发，套层AI太容易，创业者白忙。

中岛的判断分两层。第一层，这一波大厂拿走的份额，会比以往任何技术浪潮都大。理由很少有人这么讲过：以往要么工程师热衷、管理层冷淡，要么反过来，这次两边罕见地对齐了。每个大公司的高管都知道必须干点什么，工程师又天然想玩新技术，推力和拉力同时存在。

第二层是算术。就算大厂拿走90%，AI创造的价值总量可能是以往技术浪潮的100倍，剩下的10%也够创业公司吃饱。另外，大公司纷纷下场，恰恰会养肥创业生态：总有一批企业干不好AI，回头买创业公司的产品；内部试过水的人，也会出来单干，人才和需求一起外溢。

分层看：芯片最集中，不会有太多家；基础模型次之，但新玩家融资动辄一亿美元起步，已经超出早期基金的射程；基础设施层最看不懂，LangChain这类开源项目人气爆棚、创造巨大价值，怎么收钱却没有答案；应用层机会最多，商业模式五花八门，他甚至刻意在应用层分散押注不同的模式。

他列了几种应用层打法：

• 后端用LLM把公开的非结构化数据洗成结构化数据，前端几乎看不到AI。毛利高，但公开数据别人也能洗，护城河浅。
• 最常见的套壳。产品层面没防御力，但只要深嵌用户工作流、涨得够快、切换成本够高，市场份额本身就是壁垒。
• 规模化服务。SaaS卖的是可扩展的软件，现在服务本身也可扩展了，后端靠AI和自动化，前端用户感觉被真人服务。他投的Obviously AI就是这个路数：每月1000美元卖“数据科学家即服务”。Nathan估算，1000美元连数据科学家工资的零头都不够，背后必然是一个人服务至少二十家公司。
• 还有一种公司，产品里根本没AI，纯粹内部用得好，整个公司的运转效率是对手的十倍。

消费端应用留存差，他不觉得全是坏消息。一个对AI感兴趣的律师，会把五个法律AI工具都试一遍，最后留一个，行业平均留存自然难看。留存低，恰恰因为用户还在认真挑选。他引用投资人Sarah Guo在TED AI的说法：AI产品要过“最低可行质量”这道门槛，光铺渠道没用，质量不行用户照样跑。

企业端他看好咨询先行：企业愿意为手把手指导付大钱，先做咨询赚现金流、招好人、啃硬问题，再把流程自动化降成本，逐步推向更大的市场。Palantir和一批前Palantir员工创办的Distill都在这么干。

他的组合里还有几家媒体方向的公司：Aug X Labs做提示词生成视频，Spext让你对着整个YouTube频道提问，直接跳到最相关的片段。SeniorSign做养老机构的无纸化入驻，来自他的无代码时期，他至今惊讶养老院还在用纸质档案夹。

兴奋和担心，他都摆在台面上

TED演讲上，中岛讲的是身份认同。人的身份由一个个角色组成，散布在家庭、公司、国家这些群体里，彼此重叠；蚁穴像一张神经网络，单只蚂蚁不理解蚁群，人可能也一样，是某个更大系统里看不清全貌的节点。认识自己因此是一场没有终点、只能共享的旅程，AI也许能帮人和人更好地互相理解。Nathan补充了他做GPT-4红队的经历：让模型当邻里纠纷调解员，给90岁的外婆当iPhone客服，那种共情和跨背景翻译的能力让他印象深刻。

但共情是双刃剑。Replika的用户早就对聊天机器人投入真感情，LessWrong上流传着一篇自述，作者懂技术、自认不该中招，照样在Character AI上陷入一段感情，挣扎许久才爬出来。中岛在TED次日的论坛上和Jim Fan他们讨论过这件事：

“如果一家公司有能力控制聊天机器人把人往哪个方向引导，它肩上的责任就非常重：要么把人往好的方向推，要么别利用这一点。”

聊到P(doom)，他有个自己的框架。直接问AI毁灭人类的概率没有意义，得加时间轴：人类在十亿年内必然灭绝，P(doom)本来就是100%，真正的问题是毁灭走哪条路径，小行星、瘟疫，还是AI。这些路径互相纠缠，AI可能放大某条，也可能压低其他几条。他自认乐观派，相信我们正走向更好的未来，但认为悲观者的声音同样重要，两边的讨论都得继续。

最后是行动清单，明天就能用：

• 给重复劳动设条底线：同一件事手工做到第三遍，停下来花五分钟写个脚本或搭个自动化，丑一点没关系。
• 把AI用在“想做没时间做”的事上。最典型的场景：见重要客户前，让它研究对方的业务单元，每单元出三条AI策略，10秒提示词换一份会前功课。
• 搭一个最简outbound漏斗：Pocket收藏、表格存名单、邮箱查找工具补地址、Zapier勾选发送。销售、招聘、找投资人都通用。
• 想学AI智能体开发，可以先翻翻AutoGPT的ReAct模式，再从LangChain入手，它的plan-and-execute模式就源自BabyAGI；玩熟之后丢掉框架，自己裸写一遍。
• 判断要不要开源：有强技术团队又握着大客户人脉，就闷头做产品卖钱；身在圈子外、没人脉、做开发者工具，开源是性价比最高的获客方式。说服中岛开源BabyAGI的，正是专投商业化开源的OSS Capital，他们的内容值得系统看一遍。

中岛在播客里反复说，他做这些项目的第一回报是好玩。70个项目，一半死掉，一个爆红，一场TED演讲，一批投资标的。这个结果未必人人能复制，但那个动作可以：想到一个傻问题，当天就动手试，试完发出来。好奇心人人都有，稀缺的是12小时内的那一下执行。