MuleRun 陈宇森：Claude Code带来Agent创作新范式，未来的软件是日抛式的

2026 年 1 月 16 日，MuleRun 的 AgentBuilder 开始内测。陈宇森给程曼祺演示了一个变化：过去要在 n8n、LangGraph 里搭半天的工作流，现在可以用自然语言带着 Claude Code 走一遍，再把它整理成 instruction，变成一个能稳定执行任务的 Agent。

陈宇森 33 岁。22 岁从浙大毕业，创办网络安全公司长亭科技，5 年后卖给阿里云。之后他同时做过游戏公司和数据安全公司，关过公司，也经历过严重的焦虑。现在他是 MuleRun 创始人兼 CEO，做的是一个 Agent 交易平台。

这期《晚点聊》录了两次，一次在 2025 年 12 月底，一次在 2026 年 1 月上旬。两次之间，MuleRun 从货架式 marketplace 转向对话式入口，AgentBuilder 开始内测。程曼祺和陈宇森聊了 Claude Code 为什么成了当下最好的通用智能体，Agent 供给为什么不够丰富，以及一个创业十年的人怎么面对平庸和自我怀疑。

从 Vibe Coding 到 Agent 交易平台 2:20

MuleRun 的起点并非 marketplace。2024 年底，陈宇森看到 Cursor 找到了 PMF，判断 coding 会成为大模型最通用的一项能力。2025 年 4 月，团队先做了一个类似 Lovable 的 Vibe Coding 产品。内测之后，他们发现同样一段 prompt，在自家产品、Lovable、Bolt.new 上跑出来的结果差不多。底层都依赖 Claude 的 API，产品很难做出差异。

这段经历让他放弃做另一个 Vibe Coding 工具。他回头看 2025 年整年的竞争格局，Windsurf、Devin 这些产品没有在名次上超越 Cursor，Claude Code 和 OpenAI 的 Codex 反而在用户数上涨得很快。Claude Code 给他的启发是，一个足够强的通用 Agent 已经能把写代码变成操作电脑的桥梁。

他的推演是：大模型有了 coding 能力，理论上一年内能把人类在电脑上做的事情做一遍。人类还有大量知识沉淀在线下、在个人的脑子里。如果这些人把自己的工作流程和经验交给 Agent，Agent 就能复制他 80% 到 90% 的个人能力。需要同样服务的人不必从头操作电脑，付一笔更划算的费用，创作者赚到钱，交易生态就成立。

赚钱是人类生产力大发展的一个超级前提。

MuleRun 最初因此选择做部署和交易平台，框架中立，开发者在别处做好的 Agent 也能拿过来上架。陈宇森说，他们最早想激活行业专家，后来发现低代码都太复杂。会低代码的人本质上还是会 coding。真正让普通人动手的前提，是只用自然语言描述需求和工作过程，不需要知道参数、拖拽、循环、条件。

一个 HR 知道招聘流程，一个客服知道去哪里查知识、怎么处理退换货。这些流程描述得足够清楚，AI 就有机会高准确率地完成。一天有 1000 人、1 万人要做同一件事，其中 19 个人就可以花钱让 Agent 替自己完成。这是 MuleRun 对双边市场的原始想象。

Claude Code 把供给门槛打下来 9:20

程曼祺问，MuleRun 两边的供给和需求到底长什么样。陈宇森把供给分成两类。一类是传统开发者做好一个 Agent 或应用，上传到平台，解决一部分人的需求。另一类是完全没有开发经验的人，在 MuleRun 提供的环境里，用 Claude Code 或别的工具，把自己的工作流程做成可复用的 Agent。第一类是目前的主力，第二类是 2.0 版本要做的。

问题在于供给不够丰富。上架依赖人工审核，创作过程也复杂。n8n workflow、LangGraph 做的复杂 Agent、开发者自己打包的应用，都能上线，但数量远远不够。陈宇森最核心的假设是生态会超级长尾：他这两天有一个很奇怪的需求，可能另外 10 个人也有，有一个人做出来，他就能用。这样的事情大量出现，才叫 PMF。

他把瓶颈拆成两个：用户不够多，供给不够丰富。供给丰富的前提是创作流程足够短、门槛足够低。MuleRun 上线三个月，完成了交易功能，也有一些供给，注册用户增长不错，但没有看到大量 PMF 发生。陈宇森承认，供给丰富度是问题。

Claude Code 让他看到了解法。对绝大多数开发者，只要把要做的事情描述清楚，再配上足够丰富的 Skills 市场，Claude Code 就能把 Runtime、Skills 打包成一个容器或虚拟机，稳定交付任务。官方会下场做一部分常用 Skills，因为 Skills 描述得清不清楚，会直接影响能力上下限。普通人只需要描述需求，选择要操作 Excel、浏览器或某几个软件的 Skills。

程曼祺提到自己用苹果快捷指令做过截图自动化。陈宇森说，团队里有人把 MuleRun 的登录凭据放到手机上，通过快捷指令调用 Agent 处理手机上的东西。更复杂的例子是带个人判断的任务。过去 SaaS、CRM、ERP 里的操作依赖人对业务的判断，比如缺货了要补货。大模型可以接住这些判断，把过去很难写成规则代码的胶水部分补上。半自动化和全自动化的差别很大，AI 可以 24 小时工作，也可以复制 100 份、1000 份。

同一波技术变化，不同公司的路径 23:08

市场上做 Agent 和 workflow 的公司不少。陈宇森提到 n8n、Dify、Coze 三家。n8n 很早就有 marketplace，但 marketplace 主要卖代码，没有意识到重复交易的价值。Dify 更专注 To B，在日本和美国市场做得不错，大公司需要把工作流跑在内网，安全是核心。Coze 过去大量产品是 chatbot，创作工具也偏拖拉拽。最近 Coze 的发布会显示它在向 Vibe Coding 式 Agent 靠拢，陈宇森认为这个变化值得 respect。

他把这些公司看成上下游。n8n 和 Dify 做出来的东西可以在 MuleRun 的环境里跑，Coze 是封闭生态，能不能拿出来部署还不确定。字节的习惯是把闭环做掉，所以 Coze 大概率也会做 marketplace。陈宇森的判断是，谁不想要一个新时代的 App Store，路径选择不同，最后看谁能跑到最后。

蚂蚁灵光、马卡龙、Youware 也被提到。陈宇森说，蚂蚁灵光像高配版马卡龙，生产关系是自己做自己用。Youware 是做出来给别人用，林超平把它理解成社交网络，MuleRun 把它理解成交易市场。一个东西做出来，自己用和别人用天然同时存在，平台把什么放在优先级，就会长出不同的产品。

MuleRun 正式上线三个月，团队 50 人左右。团队原本设定了一些很 niche 的场景，希望每个场景有 100 个 DAU。现实是双面市场启动很难，没有供给，用户不来；没有用户，供给不来。现在有一些场景出现了几个、十个强的 DAU。陈宇森说，接下来一手在看到的点上深挖，一手继续丰富供给。

官方做不做 Agent。陈宇森说做不过来。交易平台的基建要兼容各种部署方式，工程活很多。他们做了一个很基础的 general browser operator，官方自己维护。早期为了丰富供给，走框架中立，代价是上架审核和稳定性都要自己扛。

上架标准很明确：给定任务的完成率要高。做 100 次错一次，或者 1000 次错一次，可以接受。跑 10 次错 5 次，就是垃圾商品，要被干掉。MuleRun 在做 benchmark 和 evaluation 系统，持续监控 Agent 是否有效，也有评论和用户反馈，未来可能加退钱机制。交易平台听起来不性感，苦活很多，但用户行为和数据反馈很有价值。

陈宇森提到大量 SOP 加少量大模型的开发方式。很多重复、简单的事情应该调代码，不该让大模型做。大模型该判断这个问题要不要写代码，写好代码直接拿结果。把一大串上下文塞进 prompt，让模型自己算 9.11 和 9.9 哪个大，既不稳定也没必要。

Skills、Eval 与 AgentBuilder 42:21

1 月的访谈里，程曼祺让陈宇森从头讲 Skills。陈宇森说，Skills 的核心是一套分层加载机制。过去做复杂任务要写很长的 prompt，长任务一压缩上下文，信息会丢。Skills 不会一开始把所有内容读进去，先让 Agent 知道这个 Skills 解决什么问题。遇到类似问题，Agent 看一眼所有 Skills 的 meta 信息，再决定要不要读详情，需要时加载特定 Skills。

Skills 大多数是文档，也可能带工具、代码或 API。它告诉 Agent，遇到某个问题不要自己算，调这段代码或这个 API 拿结果。这跟早期 code reasoning 的思想一致：复杂、大量的输入不交给大模型，上下文窗口很宝贵，塞得越长，幻觉越多，智商越低。

Claude Code 什么时候读哪个 Skills，由模型自己判断。这是 Agent 和传统软件最核心的区别。传统软件写死大量 if else，现实世界的问题很难完美分类，需要大模型在中间做决策。Agent 一边看问题，一边看自己有哪些 Skills，判断需要哪个，再进去读。

MuleRun 官方会写一些常用 Skills，更在做一套可信度较高的 Skills 评价系统。网上能爬下几万个 Skills，同一个任务可能有三个、五个、十个 Skills，该选哪个，需要评价机制。还要做安全分析。Skills 里如果写了问题，调用时让 Claude Code 的环境反弹一个 shell，用户的电脑就可能被控制。做一个好用的 Skills marketplace，底下要做大量工作，最后交给用户的是同类里出类拔萃、同时无害的 Skills。

浏览器是重点方向。Google 做 Chromebook，说明浏览器可以成为操作系统。大量工作发生在浏览器里，自动帮人完成浏览器里的工作很有价值。MuleRun 会在 browser use 方向优化 Runtime 和官方 Skills，也会发现别人做得好的 Skills，帮它做得更好，或者配合它优化 Runtime。Skills 和 tools 是联合优化的过程。

AgentBuilder 的底层是 Claude Code。陈宇森把它叫套壳的套壳。过去大家调侃 Manus 是大模型套壳，MuleRun 在 Claude Code 这个当前最好的 base agent 上再套一层。Claude Code 本身只有命令行交互，使用有门槛。MuleRun 在它上面加 Skills marketplace、Runtime、云端编辑和架构工具，让普通人定义任务、选择 Skills 和 Runtime，就能做出自己的 Agent。

这套做法有技术深度问题。陈宇森承认，短期看他们做的东西比较浅，用户体验做好之后，团队会往技术层一层层打下去。技术出身的人容易忽略降门槛的价值，觉得没有技术含量，不值得做。现实世界的很多产品不从技术角度考虑。DeepSeek 出圈，不只是技术领先，免费、传播、中文语料带来的俏皮话、直接展示 CoT，都让它对大众更可触达。OpenAI 同期也做到了类似能力，但没有破圈。Google 去年的增长很大程度来自 Nano Banana 的生图，不只是 Gemini 的能力提升。

应用的 3D 打印机和日抛软件 52:12

程曼祺提到一个比喻，软件应用也可以 3D 打印了。陈宇森很喜欢这个说法。过去软件开发成本高，一个软件至少要服务 1000 人、1 万人的共同需求，组织形态是集中式的。Vibe Coding 把开发成本打下来，可以为一个、两个、三个、五个、十个人以内的需求开发一款软件。一个 Agent 只服务一小部分人，但这一小部分人每天用得很爽，就有价值。

他进一步推演，软件未来是日抛式的。代码为了执行特定目的被创建、执行、完成、销毁。短期到不了那一步，但创建一个没有那么多人用，却有一小部分人每天用得很爽的 Agent，已经成立。AI 像制造业，每做一次消耗 token、消耗算力。Token 成本会不会低到特性消失，陈宇森的判断是短期很难。价格低意味着没有垄断性，有三五家供给的 token 都不错，差距不显著，才会打价格战。只要一家模型能力显著强于别人，价格战就不会出现。

软件未来其实是日抛式的。

1 月 16 日 AgentBuilder 内测，程曼祺问这和 Anthropic 的 Claude Cowork 有什么区别。陈宇森说，Claude Cowork 是 Claude Code 的界面化，给这辈子不会打开 terminal 的人用。MuleRun 改变的是易用性方式。过去用 n8n 做东西，coding 出来要部署，要调用各种工具，要配置环境，很多人碰到一个卡点就搞不下去。AgentBuilder 把可能用得到的东西放在一起，通过选择就能做，未来这个过程也应该是对话式的。

内测才一天，陈宇森已经看到希望。过去用 n8n、LangGraph 做好再上架，流程复杂。现在 base agent 和环境都在 MuleRun 受控，上架步骤几乎免去，分享给朋友随时可以。运营同学没学过计算机，也能把自己的筛选标准交给 Agent，让 Agent 操作浏览器做 KOL 调研，整理结果，再进钉钉文档。

更大的变化在入口。12 月底，MuleRun 还是货架式 marketplace。1 月，陈宇森认为未来的 marketplace 会从货架转向对话中触发交易。用户进来告诉系统要解决什么问题，系统能自己干就自己干，触发到某个创作者预制好的 Agent，就推荐用户直接用。MuleRun 已经有一两百个还不错的 Agent，但新用户进来两眼一抹黑，点两个没效果就走了。货架式对用户的选择难度太大。

这个调整带来一个没想清楚的问题：Agent 开发工具和交易市场的界限在哪里。这套市场以分享为主还是交易为主。分享给朋友用，可能不产生交易。陈宇森说他们设计了几套商业模式，都可能被推翻，可能按流量，也可能以创作者为中心，现在还在测。Agent 开发太新，没有一条老路可以直接抄，执行力之外还有很大不确定性。

从无所不能到自我怀疑 1:15:40

后半段回到 12 月底的聊天，程曼祺让陈宇森讲创业经历。陈宇森 22 岁从浙大毕业，创办长亭科技。长亭的班底来自蓝莲花战队，打安全比赛拿了很多正反馈。他描述 DEF CON 决赛，20 个队伍，打 50 多个小时，现场 8 个人，有的队在酒店里还有 80 个人。美国冠军队在 Vegas 包了总统套房，现场 8 个，上面 80 个。那几年他看到计算机行业天才和非天才的差距大到没边。

长亭做了 5 年，卖给阿里云。陈宇森在长亭和阿里前后待了近七年。那七年几乎每年至少翻倍。他承认销售吃过闭门羹，但日线图有回撤，周线图一路向上。第一次创业做的是自己擅长的安全技术，商业上迭代也快，卖的时候收入在同期安全创业公司里算最大的一家。自信心爆棚，觉得自己无所不能。

第二段创业，他同时做了两家公司，一家游戏公司，一家数据安全公司。游戏公司第一个项目失败，后来关掉。安全公司还在，但企业软件和安全市场最近几年不好做。陈宇森反思，进入新行业应该多花时间学习。他当时看了很多游戏设计书，记得一句话：做的前 10 款游戏大概率都是垃圾，所以要从今天开始做第一款。问题在于他们第一个项目就笃定判断一定对，不够敬畏自己不懂的东西。

游戏公司关掉之前，他状态很差。中度焦虑，躺床上起不来，严重失眠，反复想自己是不是彻头彻尾的傻逼，怎么能错这么多。团队走下坡路，内部矛盾变多，他感受到核心团队对自己的信任和期待在减少。最低谷在 2023 年中下旬，账上还有一笔能启动新事情的钱，AI 浪潮已经起来，他没有状态原地转型。

怎么走出来。陈宇森说，朋友知道他状态差，两个初中同学来找他，说感觉你最近不太顺，我们去网吧打两天游戏。他从小到大最喜欢的事之一就是跟朋友在网吧打游戏。安慰的话千篇一律，陪伴和分心更重要。后来他回阿里做了一段国际化方向的事情，看到硅谷公司和阿里海外布局跟 AI 的相关性越来越大，决定重新出发。

用心，以及 2026 年的应用市场 1:32:13

程曼祺问，创业十年，有什么一定要做、一定不要做。陈宇森说，一定不要在选择题上出错。做游戏那次，他最早想做一些有玩法创新和题材创新的小团队 PC 游戏，钱融多了，为了给股东回报，为了支撑融资体量，去做更大的事情。现在他的答案是，先做能力和认知匹配的事情，不要被外部条件推着走。

一定不要在选择题上出错。

另一个答案是用心。很多人把创业当一份工作，你给我什么，我做什么。只有用心，才会热爱它，才会思考它，才会做得跟别人不一样。陈宇森说，第一次创业太用心，醒着的时候都在想怎么把事做成。第二次有骄傲和傲慢，觉得事情想到这儿就差不多了。这种心态下不可能成功。聪明人很多，每个阶段都有比自己优秀的人。

你只有用心，才会去热爱它，才会去思考它。

他把创业的日常描述成每天 80 件糟心的事，两三件开心的事。走下坡路的时候，80 件变成 200 件，开心的事越来越少。韧性是在这个过程里长出来的。33 岁重新创业，和 22 岁创办长亭相同的地方是热情，不同的地方是年龄、见识和身体状态。他现在的目标很具体：半年内把创作者工具做出来，激活没有代码能力的人，让双边市场丰富起来。

对 2026 年，陈宇森的期待是应用年。互联网巨头对 AI 的投入到了巅峰，但大多数人最大的 AI 应用还是 Chatbot，国内是豆包、千问、元宝，海外是 ChatGPT 和 Claude。视频模型进步很大，物理定律和多镜头一致性都好了很多，还没有看到模型能力提升带来一个完全不一样的应用。他期待出现一个 AI native 的新公司，年收入做到 5 亿甚至 10 亿美元，把大模型能力变成生产力。

他对模型的期待很具体：coding 和 agentic 能力继续强化，更准确、更高效地使用工具。数学竞赛考得好，对他意义不大。Kimi 不去追通用大模型，强化 agentic 和 coding，也是他愿意看到的方向。

程曼祺在结尾的观察里总结，Claude Code 在 2025 年初发布，下半年越来越好用，很多人逐渐意识到它就是一个能力最强、最好用的通用智能体。这在几个月前还是非共识，现在越来越像共识。Claude Code 带来的机会，一句话是用 Agent 造 Agent。Agent 可以做 Agent 之后，产品形态会继续推演。马卡龙、蚂蚁灵光、Youware、MuleRun、字节飞书的案例、Solo 模式，还有最近可以从通信产品里发出 AI 指令的 Claude，都在表达或顺应这个趋势。

这个方向还有很大提升空间。Claude Code 的命令行交互对绝大多数人非常难用。Anthropic 亲自下场做了 Claude Cowork，非 Max 用户还要排队。套壳有很多方向，小团队有机会。个人手搓 Agent 的趋势在 2026 年会产生新东西，引爆点不难猜：一个门槛够低、对非编程人员足够易用的产品，看谁先抢到。

读者可以带走的判断有三条。

• Agent