自己答一下，MuleRun 是我们做的。

产品还在想法阶段，我就想到了这个名字：MuleRun，骡子快跑。我的想法是，让 AI 骡子去干那些重复、琐碎、耗人的活，人类就做点更“人”的事：看书、听音乐、陪猫，过生活。所以现在Mulerun网页里鼠标是一个小胡萝卜 ，骡子吃胡萝卜，每次点击都有骡子愿意帮你跑。

我们团队很多技术，70%i人，画风比较抽象，所以logo和网页都是像素风，这个骡子也经常被拿来做表情包

扯回来，我们做这个产品的起点，是一个很简单的判断：AI 在帮人做事这件事上，其实还远远没做到位。

大模型已经很强，但距离 AGI 还有距离。现有的模型在“通用迁移”“稳定世界建模”“自学习”上还未达标，真正落到生产力级别的任务，还需要流程化的约束（SOP）来保证可控与成功率。

但即便不是 AGI，今天的 AI 已经能胜任很多现实中的 SOP 流程了。尤其是大量白领工作，归根结底是“理解上下文 → 按照 SaaS 操作 → 关键节点做判断”，智能需求其实没那么高。这部分环节用 AI 替代，有极高的成功率和现实价值。

过去一直说的“低代码”，门槛其实并不低：条件、参数、流程，心智负担接近写代码。而新一代 Vibe Coding Agent 能做到“口述需求 → 生成并执行系统”，在体验上是代际跃迁。它的价值不是让“普通人编程”，而是让“普通人不需要编程”。

所以我的想法是：在 AGI 还未抵达的时间里，用“模型+SOP”的工程化方法，把 Agent 推进到真正可用、能复用、能变现，是一条确定性很强的路。

---

MuleRun上线的第一个 Agent，能帮你打《崩坏：星穹铁道》的日常任务，模拟人类的游戏策略拿整套装备。上线后我看到有两个巴西游戏 YouTuber 自发做了视频，评论几百条，大意是“AI 都能干这个了？”这事让我印象很深，也让我意识到：AI 圈说了那么久的“多模态”、“推理能力”、“长上下文”、“Computer Use”，可能还不如一个能帮人打游戏日常的小工具更能让人理解 AI 的力量。这个 Agent 的出现，也印证了我们一直的判断：真正能“破圈”的AI，不是展示 AI 有多强，而是能解决一个具体、真实的问题。

这也是我们只做平台的原因。我们要做的，是找到每一个懂得某个具体流程、有经验的人，把他们的技能变成工作流，做成Agent。这样的Agent 能持续兑现个人价值，价值背后是那些只有长期在一线的人才知道的诀窍。真正的知识，不在网上的公开数据，而在行业专家的脑子里。AI 的世界，人是最珍贵的。

---

而付费用户在哪？我们从一个个真实的人出发，去理解他们的工作方式。

在过去做专业 SaaS 的过程中，我们发现一个简单但重要的规律：只要工具真的能帮人节省时间、提高效率，专业人士是愿意花钱的。像 HR、运营、市场、自由职业者、猎头、内容生产者，他们每天都在处理重复又细碎的任务——如果有一个 Agent 能稳定跑出七八十分的结果，让他们省下 50% 的机械时间，那就是很实在的价值。

不需要展示的多好，它能把事干好，节省时间，就足够吸引人使用，甚至长期订阅。这种基于“愿意为效率买单”的个人决策路径，比起企业级的长周期决策，跑得更快，也更贴近我们“让 AI 服务每一个人”的初衷。这也是我们目前最明确的增长路径。

从行业专家做出来的Agent到To P (professional)的使用，MuleRun平台的价值，就在于让这样的转化可持续、可交易、可规模化。

MuleRun 8月-9月Beta期的每一个 Agent 背后，都是鲜活的人，把自己的觉察或知识转成AI工具。

有独立开发者看到了 Nano Banana 的玩法，一口气做了五六个视觉类 Agent。用起来不需要提示词，只需要上传1张自己的照片，就能生成自己 3D 模型的照片，用户说自己老婆的花店送这样的照片小卡当礼物，顾客很喜欢；

有位工程师因为自己在找工作，投简历太麻烦，就自建了一个叫 LinkedIn Match 的 Agent，可以自动分析简历和搜索领英上适合自己的百种岗位，也能一键投递；

也有专业机构，比如一个做10年美股投研的团队，把他们机构级的分析方法和数据库做成了人人都可以用的 Agent，上线当天我们就有同事用它分析苹果的股票，及时买入赚到了12个点（有点羡慕了）。

这些人都不是为了“造一个更厉害的 AI”，他们只是把自己的经验变成一个自己也能用上的AI。这些工具正好填补了一些经验或者能力带来的信息差，有人需要就能用上。

在这个链路中，让创作者赚到钱是我们认为平台成功的标志。

我们搭建的用户-创作者-平台三边机制，是一个完整的闭环。你做的 Agent 能被发现（通过榜单和市场），上传第一天就能被用户使用（平台有用户基础），能被买单（我们支持按次、订阅等不同计费方式），也能持续迭代（平台提供日志、灰度发布、AB 测试等能力）。你不需要自己引流、不用投钱推广——只要这个 Agent 有价值，平台就能把它传递出去。

这套机制一跑通就能自己滚起来。最近我在推特上看到越来越多用户把自己用 MuleRun 做出来的内容发出来。这是我最开心的状态：大家真的用上了、觉得好用，也愿意自然地分享出来。

如果要解释的更清楚，平台的背后，是一个完整的技术分层架构：

• 模型层：支持多家可插拔大模型，也接了提示工程、工具调用、RAG 检索能力；
• 流程层：是我们的 SOP 引擎，支持任务编排、可观测、幂等、断点续跑、审计等；
• 运行层：对接真实世界，能操作网页、调用 SaaS、发邮件、生成文档、跑数据流；
• 商业化层：负责计量、计费、分成、风控、合规；
• 市场层：是创作者生态的核心，包括榜单、模板市场、成长体系等等。

有一说一，这些还在建设中，不是所有都已经实现。但我们有明确的规划，也在快速推进。可能还会根据实际情况不断调整，但大方向和重点是清楚的：

第一，打磨基础能力。我们要确保：创作者做了一个 Agent，今天能跑、明天也能跑，不会突然报错或跑飞。SOP 引擎的稳定性，是整个产品的根基。

第二，推爆款场景。本质上是有效的解决了一类重复的，繁杂的问题，解放了生产力，to P。或者是follow及创造热点，满足大家的猎奇心理或分享欲。满足了用户需求，自然也能收获他。

第三，建设创作者生态。我们已经验证了“上传—使用—分账”的闭环可以跑通，接下来要推动长尾供给、扶持头部创作者，让创作这件事有正向激励、可持续。

我们希望能出现一批“Agent 原住民”，他们不一定是程序员，但善于拆解流程、总结 SOP、服务用户，也许靠做 Agent 实现了副业或主业稳定收入。这事我们已经开始看到苗头了。

---

现在和未来我们更关心的是：这个 Agent 能不能真的被用起来，而不是做一个“看上去很强”的展示。所以我们每天都在看这些关键指标：

• 每个任务的成功率、时长和成本；
• 创作者的收入中位数和 Top 分位；
• 用户复购率、订阅留存、净收入留存；
• 模板和 Agent 的复用率、跨场景迁移率。

如果这些指标能不断优化，我们就知道自己走在正确的路上。

当然，也有很多风险我们很早就考虑到了：

比如模型成本波动，就用多模型路由、缓存、压缩来应对； 场景复杂导致成功率下滑，我们坚持 SOP 拆解、任务可观测，以“标准流程+部分人工审核”保障成功率； 大厂效仿，我们就把场景知识和 SOP 模板变成复利资产，同时先做出一个高质量创作者生态的口碑壁垒； 合规与数据安全，也是我们团队非常重视的—我自己是做安全出身，第一家公司是安全方向。

我们觉得，一个健康的平台，就是创作者赚到钱、用户用得爽、技术架构稳、收入结构正向。

这套体系的核心，其实从来都不是 AI 的能力，而是人。

一个人敏锐的洞察到需求，能总结成工作流，再把它封装为 Agent，传递给别人，同时不断的基于需求迭代优化。这是我们这个时代最宝贵的能力，也是我们最想找到的创作者。

---

8月我们在中国做了第一次线下活动，是一个小规模的meetup，虽然参与者背景不同，但大家都有极高的投入度，气氛很像每一个新兴行业刚起步时的样子：前方很多不确定性，但每个人都有坚定奔向想去的方向。

虽然观点过程不一，但共识很清晰：AI 的未来，不一定是一个全知全能的大脑，而是帮我们解决眼前的一个具体问题。

我认为这种高度定制化的 AI，从来不是“训练一个更大的模型”能解决的，而是靠人的经验、直觉、总结能力。这种总结，可能是你每天筛几十份简历得来的模式感，也可能是你打十年游戏养出的操作习惯。而能总结和解决具体问题的人，就是我们真正要找的创造者。

鲜活的人，在 AI 时代才是最珍贵的。

9 月 16 日上线，希望你来看看。你可以是用户，也可以是创作者，更欢迎你成为我们的同行者。

2025年被称为"Agent元年"，这话真不是开玩笑的。

我发现有些人总是喜欢唱衰AI，说什么GPT-5不及预期证明AI进入瓶颈了。但事实恰恰相反——单纯比拼模型参数大小的时代已经过去了，真正的革命在于AI Agent的兴起。

为什么Agent才是未来？

传统的大模型虽然很强大，但本质上就是个"超级搜索引擎"加"文本生成器"。你问它什么，它回答什么，完全是被动的。但Agent不一样，它会主动思考、规划，还能调用各种工具去完成任务。

比如说，ChatGPT可以告诉你怎么分析股票，但它做不到直接帮你去抓取实时股价、计算技术指标、生成分析报告。而一个好的投资分析Agent就能把这整套流程全自动化了。

这个转变其实很符合技术发展的规律。还记得OpenAI刚推出GPTs的时候吗？那会儿大家觉得挺新鲜，能上传文档、设定角色，感觉像有了个专门的AI助手。后来Dify、Coze这些平台出现，开发者开始搭建更复杂的工作流，把多个模型串起来，甚至能调用外部API

到了今年，MuleRun这样的Agent商店直接把整个商业化流程给打通了——你可以把自己的专业技能包装成Agent，上架销售，全球用户都能买到。我们可以称之为"AI劳动力市场"——一个人人都能雇佣AI员工的时代正在到来。

外网的疯狂：连邀请码都成了稀缺资源

最开始知道MuleRun，其实是因为在X（原Twitter）上看到一群海外开发者在晒收益截图。AI时代，新产品层出不穷，这类事情有些见怪不怪了，我也没太在意。

但后来这个平台越来越火，Discord上的邀请码已经到了"一码难求"的地步，用户自发组织排队申请内测资格。

最让人眼红的是真实的赚钱案例。 比如那个叫Laughing的中国创作者，据说只用了1-2小时搭建了名人合影和3D手办生成的工作流，上架后3天就赚了1000美元。你没看错，就是3天1000刀。这是他用来“炫富”的截图。

还有一个叫芋头小宝的AI解决方案工程师，她把自己日常工作中的一些工作流包装成Agent上架。她做的"StarSnap名人合影"圈粉无数，推特上到处都是用户晒自己和马斯克的"合影"。

有意思的是，网传MuleRun是中国团队开发的。 现在国内的AI公司都喜欢搞这种"出海"策略，先在海外市场验证产品价值，再考虑引入国内。之前字节的编程IDE Trae也是这个路子。

这背后可能是一条被实践验证的逻辑：海外用户付费意愿更强，对新产品接受度更高，反馈周期也更短。能够快速验证商业模式是否成立。

在我看来，能爆红必然有它的原因。我认为作为一个平台，能吸引优质创作者永远是最重要的因素。就像知乎一样，没有众多优秀作者在这里创作，就没法吸引用户，更不可能开展付费业务。

从官方的宣传了解到，MuleRun的技术基础设施很完善，集成了15个主流大模型，而且以近乎成本价提供给创作者，不需要手动接入其它API。其次是商业闭环做得不错，自主定价、自动分成，创作者的所有Credits收入都是100%归自己的。最后就是流量扶持，平台会把优质Agent推到首页，也在做一些营销推广的动作。

不过说实话，我现在还没拿到开发者权限，看着别人赚钱确实有点眼红，希望能尽快赶上这波红利。不过，我还是通过一些渠道拿到了内测资格，下面给大家分享一下我的使用体验。

我的MuleRun初体验

新用户赠送1000 credits。根据功能的复杂程度，使用Agent会消耗几个到几十个的credits。下图是MuleRun首页列出的Agents，我尝试了一些，给大家分享其中的两个。

Emperor Pet AI：把你家猫咪变成皇帝

第一个让我觉得有意思的是Emperor Pet AI，专门用来生成帝王形象的宠物照片。我上传了我们家超级可爱的元宝——一只布偶猫的照片，结果出来的效果还挺震撼的——穿上龙袍、戴上皇冠的元宝，那种威严感简直了。

下图是我上传的原图和生成的帝王形象对比：

虽然看不到这个Agent背后的实现，但想必它利用了最近爆火的NanoBanana模型，通过一些提示词技术即可实现宠物提取和风格转换。这种看起来非常简单的功能，可以在MuleRun平台上轻松地实现，并迅速通过社交平台病毒式传播，短时间给创作者带来巨大收益。当然，这和过去某些爆火的微信小程序类似，简单的功能引起大范围关注，但基于AI的Agent应用显然具有更多的可能性。

LinkedIn职位匹配：1分钟筛出合适的工作

另一个我觉得很实用的是LinkedIn Match。作为一个经常需要关注行业动态的人，我时不时也会看看市面上有什么好机会。这个Agent能在1分钟内从LinkedIn上筛选出符合你背景的职位，并且可以一键投递简历。

具体怎么用呢？只需要上传一份简历，并选填一些特殊的要求，Agent会自动分析你的教育背景、工作经历、技能栈这些，然后去LinkedIn上做精准搜索，把那些不相关的岗位过滤掉，并给出每个岗位的匹配分数，提出个性化求职建议。

这类Agent属于工作流工具。其实人们工作中的重复性任务大多都是某种意义上的工作流。而且这些工作流往往体现了一个人的经验和专业性。当我们问一个人"你是怎么做这件事的？"时，对他来说，虽然过程可能复杂，但其实他已经身经百战，早已习以为常。对外人看来很复杂的任务，对专家来说可能就是一套固定的流程。没有AI的时候，我们很难自动化这些流程。虽然编程可以解决一部分问题，但有些步骤往往需要模糊决策，需要对领域知识的融会贯通。而Agent恰恰打通了这个瓶颈。所以，工作流应用井喷将是大势所趋。这个世界上尚有许多行业等待Agent的介入。

我的一些思考

从技术发展的角度来看，MuleRun代表的不仅仅是一个产品，更像是整个"Agent经济"的一个缩影。

坦率地说，我觉得我们正处在一个转折点。现在的Agent还主要是解决一些具体的、单一的任务，但我相信在未来2-3年，我们会看到多个Agent之间开始协作，形成更复杂的分工体系。再往后几年，Agent可能会具备自主学习和进化的能力，到那时候就真的是"AI劳动力市场"了。

MuleRun现在确实有一些先发优势。 技术基础比较扎实，商业模式也跑通了。但挑战也很明显：随着Agent数量激增，质量怎么控制？如何分配不同Agent的曝光？创作者收益和用户成本怎么平衡？尤其是当OpenAI、Google这些巨头真正入场的时候，如何保持竞争优势？

作为一个AI从业者，看到中国公司的产品开创新的赛道，内心还是挺激动的。中美的AI竞赛早已打响，中国的顶级AI模型始终比美国落后一个身位，且尚未看到反超的趋势。但中国真的不缺优秀的企业家，弯道超车这种操作我们做过不止一次。Agent元年正是中国AI企业弯道超车的起点。我在前段时间参加百度云智大会的时候就写过，AI的发展开启了第二阶段，在各行各业大规模落地。Agent也是其中重要的一环。

总的来说，MuleRun的出现开启了一个新时代——一个人人都可以"雇佣AI员工"的时代。虽然现在还只是开始，但随着技术发展和商业模式成熟，Agent会像手机上的App一样普及。

---

顺便说一句，MuleRun启动了"AI Agent Creator支持计划"，想搞钱的朋友可以进群沟通！