垂直 AI 挑戰 垂直 AI 創始人：你們已經花了 2 年以上的時間來建立你們的代理，基於客戶數據訓練模型，嵌入工作流程，創造強大的 GTM 動作，所有最佳實踐。你們已經擊退了挑戰者，並且在你們的垂直領域中成為了第一或第二名的玩家。 抱歉，你們不能放鬆。事實上，你們需要大幅提升自己的能力。 結果發現，你們面臨著一個生存挑戰：長期代理（例如：Claude Code）。這些代理並不是在特定領域上訓練的，但可以可靠地持續工作數小時或數天以追求目標，自我修正，並實際執行任務。 我相信許多垂直 AI 創始人會說：「哦，我們不擔心。我們是決策痕跡的記錄系統。我們在企業特定的上下文中進行訓練。這就是為什麼這些橫向代理永遠無法追上我們的原因。」 你們可能是對的。 但是，但是，但是……你們不能把頭埋在沙子裡。這些長期代理將會非常迅速地變得更好。你們需要準確了解它們在你們建立的代理所專注的具體工作上有多出色。你們不能等著別人來做這件事。例如，如果你們是一家法律 AI 公司，擁有一個自動化合同審查的代理，你們必須比較你們的專業代理與一個通用的長期代理的表現，後者只是被給予合同並要求執行相同的審查。 我對你們的挑戰是：指派你們團隊中的一位強大工程師，專注 100% 使用長期代理（除了上述例子中的合同外，幾乎沒有上下文）來與你們的自定義訓練代理競爭。基準測試長期代理的表現與你們的代理相比。每幾個月重複這個過程。 就像其他值得測量的事物一樣，重要的是改進的速度（「斜率」與 Y 截距）。如果長期代理在第一天的表現是你們垂直代理的 30%，但在第 60 天達到 50%，在第 120 天達到 70%，你們需要重新評估你們的產品策略。 AGI 正在向每個人襲來。長期代理是我們最接近 AGI 的東西，作為一家垂直 AI 公司，你們需要弄清楚如何競爭和生存。 開始吧。