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。