How Every's Team Used AI to Ship Its Biggest Launch Ever

上周，我们创造了 Everest 历史上最大的一次订阅收入增长。我们是通过推出一个叫 Builder Pack 的东西做到的。基本上，我们和一大批我们每天都在用的 AI 工具达成了合作，而订阅 Builder Pack 的用户可以拿到这些工具的折扣和 credits（额度）。比如价值一千美元的 Codex credits、十二个月免费的 cursor 使用权限，

] 诸如此类的这些福利。

Builder Pack 很棒，但我觉得它背后真正的故事——比如我们是怎么做出来的、为什么要这么做、它为什么能带来这么多收入——其实特别有意思。这一期里，我请来了参与 Builder Pack 的团队成员。从最初构想到上线时的完整执行，他们都会来节目里分享我们是怎么做的，以及我们学到了什么。希望你会喜欢。

大家好，欢迎来到 AI and I。今天这期播客会稍微有点不一样，现场有我自己、Josh、Austin 和 Douglas，不过 Daniel 缺席了。今天我们会带大家做一次深入了解，介绍 All Access 和 Builder Pack。这是 Every 最近决定推出的一个新 tier（等级方案），我们想聊聊为什么决定做它、它为什么重要、我们自己怎么使用它，以及在今天这个时代，成为一个 builder（构建者）意味着什么。我们几个人其实都是 builder，而且每天都在使用这些工具。

所以，希望到最后，你至少能从这里带走一个有用的点，并且用到你的日常工作里。那我想，先介绍一下我们，或者说先介绍一下这期播客的主题。首先我要介绍的是 All Access。我们在 14 号星期二发布了它。对我们来说，这是一次很大的发布，也是一次涉及全公司的重大项目。

All Access 是一个新的 tier。在 Every，它是一个 625 美元的年度方案，购买后你可以获得 Builder Pack 的访问权限。Builder Pack 包含 10 项福利，都是来自那些你熟悉且喜爱的 AI 公司提供的专属福利，帮助你真正开始构建，并以你以前可能做不到的方式采用这些工具。All Access 还包含另外几项内容：包括参加我们举办的 office hours（办公答疑时段）的权限，这些是 All Access 会员专属的；还包括对 Quora 和 Spiral 的无限使用；另外，我们还有一些别的内容正在筹备中，也会在接下来的几个月里推出。

但我们真正想重点聊的是 Builder Pack，因为它大概算是 All Access 最核心的部分。Builder Pack 目前包含 10 项、未来还会继续增加的专属福利，面向 Every 团队每天都在使用的 AI 工具。这样你就可以获得这些工具的使用权限，免费用上一段时间，并逐渐熟悉如何把它们整合进你的 stack（技术栈）里。它可以说是对 EveryStack 的 early access（抢先体验）和 exclusive access（专属访问）。而这就是把它真正做出来的团队。不过，Yash，你会用 builder path 吗？

会。补充一下背景，我是 Yash。我负责其中一个 bot（机器人）……算是，我就是……对，对。

你是谁？

我是谁来着？哇。这个问题我自己每天都在问，不过我在 Every 负责一个叫 Sparkle 的产品，现在也在 growth team 工作。我的工作很大一部分都在用 Claude。我知道在 Every，像 Codecs 之类的也很重要，但我现在还是非常依赖 Claude。

过去这一年我一直在用 Claude。这包括，比如我把整个产品都搭起来了，我想我大概用 Claude 和 PostHog 把 Sparkle 重建了 15 次。所以这些就是我最常用的工具。最近我加入了 Every 的 growth team。而 growth 意味着大量的 AB testing，以及大量的用户分群和其他事情。

然后，我又开始优化 PostHog，但我发现老是打开各种 dashboard、设置一大堆这类东西，真的很烦。这时候我和 Claude 的那套配置就特别有帮助，我给它做了一些 custom skills。基本上，我的计划是在接下来几周把整条 AB testing 流水线完全自动化。像我在 growth team 第一个月花时间做的很多工作，我都会觉得，这太无聊了，因为它其实非常直接。我们应该去做更有意思的问题，而不是一直点按钮、算什么 audience size 才合适之类的事情。

比如，Claude 在这方面就强太多了。我只需要 prompt（提示）它，然后搞清楚，好，合适的 audience size 是多少？一个实验应该在什么时候从 10% 的 AB testing cohort（分组）扩大到 50%？

这种事真的该我手动做吗？我觉得这里面很多都是 fake work（伪工作），而且我们总是花很多时间在观察和搭这些东西上，比如每次都要重新设置一个实验。这对我来说太无聊了。我会想，我能做更多实验的唯一办法，就是把整个流水线自动化。所以我花了很多

时间——所以，对你来说真正有意思的，其实已经不太是这份工作本身了。工作不再是把流水线搭起来、让这件事能做，而是：我应该测试什么？对。然后它到底有没有效果？

很好。那就实施它。然后下一个测试是什么？

对。我应该是那种——我对想法本身更感兴趣。比如，哦，我们要不要做一个 homepage takeover？对。那我们应该把这个 homepage takeover 展示给谁？

相比之下，真正把它搭起来这件事就没那么有意思了。比如，我们现在同时在线跑着很多 experiment（实验），像是：我们应该在什么时候切断 paywall（付费墙）？应该在什么时候展示 paywall？这些就有意思得多，而且也更偏向于 human psychology（人类心理）。而且我做这个也会更有乐趣，不是吗？

嗯。

而且，而且，而且我个人觉得，我们在 Avery 的工作有很大一部分是：每个人都对自己做的事情很有安全感，所以我们可以接受把自己的工作自动化。比如，我花了一个月做这些事，然后我就会想，行，可以了。我做完了。嗯哼。比如，我现在想去做别的事情了。

但如果是在别的组织里，我可能会想办法把这件事拖长到一年左右。

就像，我做的那些——你会想继续到下一个你上手的东西，对吧？

对。因为那样很有趣，这也是为什么我们总是在 AI 的前沿，对吧？比如，我们会说，行，这个已经做完了，各位。

那接下来呢？什么更有意思？好，那这件事有没有更好的 model（模型）？

那么，所以在 builder pack 里——对。你每天都会用什么？

我每天都用的是 Cursor。我用 Cursor 是因为他们有 cloud regions（云区域），这点真的很好。我们之前做了很多 Fable five 的优化，因为当时我在处理别的任务。我不想折腾我现有的 setup（配置环境）。所以 cloud agents（云端 agent）可以直接拉起一台 cloud server（云服务器）在那边运行，然后把结果返回给我。

而且他们有一个非常好的 open source model（开源模型），价格很便宜，比如 unique composer，我很喜欢。所以这是我会用的东西。我在做 Sparkle site 的时候也用了很多 Framer。它有很好的 MCP support（MCP 支持），我可以直接改 headline（标题）并立刻看到效果，更直接地做实验，而不用每次都进 framework（框架）里去设置。那对我来说每次都很烦。

比如我还得去设置很多这种东西，像 mobile 端合适的 font size（字体大小）之类的。对，这就是你会去做的那种事——我二十年前确实会这样做。但放到今天，我不该把时间花在这些事情上。我会说 Claude Max 是我的首选。

我……对，我觉得这简直离谱。对，这就是我的 stack（技术栈）。挺难的。

对，还有 post hoc。对，我用了很多这类产品，但它其实非常便宜。比如我觉得 Cloudmax subscription（Cloudmax 订阅）真的被严重低估了。

我愿意为它付更多钱。真的，没有它我根本没法工作。

对，Anthropic。希望没有 Anthropic 的人在看这个。

对，去买 d，伙计们。去买买买买那个 Builder pack。

我喜欢 Yasha 描述的一种潜在工作方式，有点像 NBA 里当 general manager 的一种思路：不断交易、换取未来的 draft picks，就像在说“我们争冠的时间线是八年”。而对于像 Josh 这样在 engineering、go to market、engineering growth 方面都非常有能力的人来说，你可以用他手上的这些工具、这套 stack（技术栈），以同样的水准运行工作，进入一种 set it and forget it（设好后基本自动运行）的模式。某种程度上我会想，如果我是 Yash——我是带 growth team 的——我看 Yash 在做什么时，可能会觉得：“Yash 又是另一个 experiment（实验），它大概把指标推进了 2%，行吧，那他应该在持续跑这件事。”

而且，他也知道怎么搭起 Claude code 和 post hoc loop。但真正令人兴奋的是，他实际的工作方式不是停在那里，而是在做完这些之后，会继续想：我们现在怎么赢？我怎样才能更有创意、更有竞争力地找到下一个机会？我又怎样利用这些 always on（常开）、基于 loop 和 architecture（架构）的自动化，让 Yash 可以去做那些真正让他兴奋的事？我甚至都能想象 Yash 在 Slack 里说：“如果我们做一个三小时限时折扣，专门针对这些用户，配上这个视频，再用 Framer 搭这个东西，会怎么样？”而这种事其实一直都是这样，对吧？

这种工作方式本来就是最有趣的工作方式，也是聪明、有创造力的人真正拉开差距的方法。但我觉得 builder pack 带来的，是它让像 Josh 这样的人可以把大量工作自动化，并且交给 cloud agents（云端 agent）去做——这些工作本来要么得他自己手动在 post hoc 里点，要么得他亲自写代码。这样一来，他就可以把精力放到自己真正擅长、能够发挥专业能力的创造性空间里。与此同时，它也让像我这样的人——我根本搞不懂那一堆东西到底是什么鬼，但天然更偏 ideas person（点子型的人）——可以把我的结果目标和想法交给 model（模型）以及 builder pack 里的 SaaS tools（SaaS 工具），然后就让它自己跑起来。对我来说，这才是最疯狂的部分。

就是，我……我放手让它去做了。哦，对。

你能讲讲那个故事吗？就是你有了一个想法，然后去睡觉，醒来之后收到了四封 email。

其实那甚至都不是我的想法。我们周二做了 builder pack 的发布，进展非常顺利。我人在 West Coast，团队大部分人在 East Coast。

当时他们差不多准备睡觉了，Josh 在 Slack 里留了一条消息，说，嘿，我们明早应该给一批用户发 email——这些用户已经表现出某种 checkout intent（结账意图），但还没有转化，因为我们在发布后的前二十四小时做了 early bird discount（早鸟折扣）。所以感觉我们应该再触达他们一次，用某种更有紧迫感的方式来推进。然后 Yosh 说，这其实不是我的主意，是 Dan 的主意，但我来转发一下。接着他们就都下线了。我这边大概晚上 7 点，我已经一整天都坐在电脑前了，特别想去健身房。

所以我就把 Slack 截了个图，因为那里面其实是好几条不同的 Slack 消息。平时我一般会直接复制粘贴那条 Slack 消息的链接，然后发给 Codex。这次我截了 Slack 的图，把它丢进一个 Codex thread（线程）里，用的是 five six on Medium——这基本算是我平时最常用的配置。

我就说，你能做这个吗？然后我用了 slash LFG，也就是我们 compound engineering plugin 里的那个 harness，用来告诉一个 agent 让它自己经历一轮 brainstorm、plan、work、review、compound loop；对我来说，这基本就是和 agents 协作的理想方式。然后我去健身了，健身回来后，我在 Codex 里看到的是，它其实没花那么久。大概我刚到健身房换好运动服的时候，它可能就已经做完了，因为这件事本身其实也不需要做太多。它已经创建了四个不同的、基于 audience 的 cohort，也就是 kit 里那种定向 cohort，比如说，这些人曾经到过 checkout page。

这些人访问过 BuilderPack website，但没有结账。这些是我们参与度最高的免费用户。大概有四种不同类型。它还为每一种 audience 类型分别起草了对应的 email。它把这些 email 的文本通过 MCP 送进了我们那款基于 AI 的写作 app——Spiral。

所以它用的是我们已经批准过的写作风格。它查看了我们之前在 kit 里的所有发送记录，既分析了我们的语言风格，也分析了哪些内容带来了 click-through、哪些带来了 open。它还抓取了一张在之前某次发送中带来过 click-through 的 social share image，并把它嵌进去了。而且它还把发送安排到了第二天早上。疯狂的是，我当时并不是那种“holy shit，太酷了”的反应。

我的反应更像是，这基本就是它本来就该做的事。我的大脑现在已经被这些东西“腌透”了，以至于我会觉得，这完全就是我预期它应该做到的样子。

它有

我想它后来还把这件事发到了 all emails 里。

对。我在里面配了一个 automation，所以它会——我们有一个 Slack channel 叫 all emails。如果你订阅了我们所有内容，呃，我很抱歉，我们确实给你发了很多 email。我发誓我们正在努力解决这个问题。我们朝着解决它迈出的一步就是建了这样一个 channel：第一，我们通过 Codex 或 Cloud Code 来构建所有 email sends；第二，我们可以让 agent 推送一条 Slack message，说明接下来要给谁发送什么、以及为什么这么发。

然后大家就可以审查一下，比如说，我们到底该不该在这个时间把这封邮件发给这批 audience？所以它也会把这些发出来，团队就能 review，也能知道当前是什么情况。不过我当时调出了这四封 email sends，只做了非常轻微的修改，一部分是因为我想，哦，我也许能写一个稍微更好的 headline；另一部分也是因为我骨子里还是个 control freak，不想把每一件事都完全交给 AI。我当时想的是，让我稍微给它加一点 spice 吧。但我从健身房回来后，额外花在这上面的时间可能也就十分钟。然后我们就把它们排好发送时间，直接放手让它跑了。

到第二天早上再过几个小时，光是那些邮件就带来了超过 $25,000 的收入。它带来了好几次转化（conversion）。它还建议了我们可以做哪些事情，去重新触达那些没有转化的受众。而且，发生了两件很棒的事。第一，我可以去健身房了，这非常好，因为不然的话，我本来会坐在那里手动写这些邮件。

第二，在健身房里，不看手机，不看 Slack，我反而想到了一些我们第二天还可以做的事情。对吧？就是，当我从那些繁琐细节里抽离出来时，我一边锻炼，一边就在想，哦，对了，我们应该做这个实验、那个实验，因为我不用把脑子和手指花在 postdoc 里到处点来点去——我其实很喜欢用它——但我不需要再在 postdoc 里不停点击，只为了找到那个完全正确、值得投放的受众细分。

这真的太疯狂了：从“这里有一个想法”，到用 /LFG 去执行这个想法，再到真正落实它所生成的内容——在这个例子里，就是发出这些邮件——然后带来 $25,000 的收入。虽然这并不是每次用 /LFG 都会发生，但这确实是一种可能性。而且你还可以把学到的东西持续叠加，并获得关于下一步该做什么的建议。这真的很了不起。没错，5.6 SOL 很贵，但和你从中获得的价值相比，根本不算什么。最棒的是，你还去了健身房，照顾了自己。你居然能做到这一点，这本身就非常惊人。

如果你真的能很好地把这些工具用于工作和生活——我甚至把它当作我在健身房的 trainer（教练）——那它会让人很有满足感，而且真的、真的非常有效。

对，我觉得它能让你把更多精力放在那些你真正想变得更擅长的事情上。它释放了更多时间。举个例子，Austin 和我总是会收到别人给我们提增长（growth）点子的建议。比如，嘿，做这个，做那个。

说实话，那些主意其实都不错，但我不想从我的核心工作里挤出时间，再花时间去做那些事。而整件事本来就应该自动化，因为，第一，这个想法是好的；第二，我们不应该为了实现某一个具体想法，就专门去雇一个 engineer（工程师）。所以我觉得我们有了这些工具之后，如果我已经搭好了一个 workflow（工作流），比如说，嘿，在我们的网站上试试这个标题。

那这件事就应该是自动化的。对。我觉得我们的目标就是做到这一点。这样我就有更多时间去做那种真正深入的工作，

对。

或者说，进入我的 flow state（心流状态），而不用真的为了这些事情做出妥协。比如，构建那个循环本身，就是我处在心流状态的一种表现。对。相比之下，不是那种“嘿，试试这个，试试那个”。

试试这个。

而且我觉得，我们一直在反复靠近的那个点是：这就是当下最好的构建方式。就是，Kieran，我们的同事，是这么描述的：你处在 AI 三明治的顶部和底部。你来决定问题是什么，你来框定这个想法，然后你来审核结果。这种情况其实已经持续一段时间了。但此刻真正令人兴奋的地方，真正让人兴奋的是能够使用 Builder Pack 里的工具，让你可以快速、轻松、可靠地、而且以很高的水准，把一个想法直接变成执行成果；你基本上只需要打字，或者用 monologue、以及任何像我们在用的 speech to text（语音转文字）工具那样的工具，把想法说出来，它就能产出结果。

而我真的很喜欢这一点。我喜欢的工作方式是：无论你主要是像 Yash 那样用 Claude，还是像我这样用 Codex，现在这些工具彼此之间都能配合得非常、非常好，连接也非常顺畅。Notion 就是一个很好的例子。多年来我一直不太用 Notion，因为我的大脑不是那种运作方式，不会想着“我要把这个 database（数据库）整理好，我要确保这个 growth

hub 能运转”。它确实能运转。

对，对。我觉得直到一年前，Notion 在组织、管理和维护这件事上，门槛还是有点太高了。以前我只要尝试和团队一起用 Notion，最后往往都会流失，因为没有人会一直在那儿维护它。而现在，这些维护工作基本都转交给 Codex 和 Cloud Code 了。现在我每周只要问 Codex 一次：嘿，你能帮我们把 growth hub 重新整理一下吗？

然后它就能做得非常完美，真的很惊人。或者我会说，嘿，帮我确认这个 database 设置得够不够好。我最喜欢的一个例子是：当时我在做这种非常深入细节的 Codex 工作时——我和 Codex 协作的时候，基本上就是我在引导它、和它来回交互——与此同时，桌面 app 里的 Claude，在 Claude code 中配合 Fable

一起工作。我把这次发布要上线的视频，全都通过 Descript 和 Descript MCP 连接起来了。然后 Sable 就一直在循环运行，持续为所有这些视频搭建剪辑、审核它自己的结果，并且和 Underlord——Descript 的 AI 工具——交互。因为我不是视频剪辑师，事实上我在这方面挺不擅长的，但有时候这又确实属于我的职责范围。所以它可以一直这样循环运行。等到我真正去编辑视频时，Fable 和 Descript 当然远远还没有做出一个可以直接发布的视频，但它们已经帮我完成了大概 70% 的工作。而在我引导 Codex 的同时，Cloud Code、Fable 和 Descript 已经把事情推进到了那个程度，让我一过去就会觉得：哦，我现在知道该怎么做了。我已经能看清这些组成部分了。

它会做这种很疯狂的事：拿到 transcript（转录文本）之后，先做 storyboard（分镜板），再自己生成 script（脚本），然后把视频一点点拼接起来。这样我只需要再做几个很小的处理，就能把它变成最终成品。

你已经知道 AI 正在如何改变日常工作的完成方式、你能覆盖多大的范围，以及一个团队能以多快的速度扩张。想保持领先，你需要的是能为这个新时代打造竞争优势的工具。Adio 是面向 agent native 世界的 CRM。它会在你工作的地方与你衔接，把每一个客户信号不断累积成上下文，然后在你的整个销售管道中据此采取行动，让你以无与伦比的速度和规模推进工作。借助适用于各种岗位的 agents 和自动化，Adio 全天候编排你的工作。

我们在 Every 内部到处都在用它，而且我们很喜欢。它被构建出来就是为了处理你工作负载的规模。它可以通过 API 和 MCP 访问来扩展，并且底层基础设施的设计就是为了跟上你那些最有野心的 agent（智能代理）。像 Granola、Modal、WhisperFlow 和 Every 这样的高速增长 startup 都很喜欢它。Adio 支撑着 Everywin 背后的工作。

那就是 Adio，the agentic serum。前往 adio.com/every，你第一年的费用可享受 15% 折扣。网址是 adio.com/every。现在，回到本期节目。

我觉得我特别喜欢 builder pack 的一点是，很多时候我们在 Everywhere 都在告诉大家：去构建。去构建吧。现在是这个世界上最适合构建的时代。没有借口。去成为你想成为的 builder（构建者）。

这些话当然很好。但问题是，怎么做？一方面是“怎么做”的问题，也就是，你应该订阅 Every，我们会教你怎么做。另一方面是，这些东西很贵。而且你在用的 stack（技术栈），Austin 你在用的 stack，Josh、Douglas，还有我自己在用的 stack，都非常昂贵。

我们在 Every 上花了很多钱在 AI 和 credits（额度）上。昨天晚上，我们在办公室办了个活动，我邀请了一个朋友的弟弟过来。他是一名 engineer（工程师），现在正想办法找一份工程师的工作。尽管他本身就是工程师，但他现在找工作真的很困难，而且他完全没有在用 AI。对。

我把他介绍给了一些人，那些人跟他讲了讲他们是怎么工作的。到最后，他变得特别兴奋。然后这些人又告诉他，他们所在的公司愿意让他们在 AI 上花多少钱。比如有个人，你知道的，他就是一个单独工作的工程师，上个月花了 30 美元。然后我能明显看出来，这家伙像是当场咽了口口水，心里在想：当这项技术贵得让人难以承受，而我又只是个个人用户时，我到底要怎么接触并掌握它？

我现在又不在一家公司里。而我喜欢 builder pack 的地方就在于，它——我觉得 OpenAI 的 benefit（权益）就是个很好的例子。因为你能拿到 OpenAI 和 Codex 三个月免费使用，以及 1000 美元的超额 credits（额度）。但这三个月免费里包含的价值，我现在也不确定具体数字了，大概有 5000 美元的价值。像这些订阅，就像我们的 Anthropic benefit 一样，在一个小额订阅里面其实包含了大量可用额度。

所以，我的意思是，OpenAI、Cursor、Gemini 和 Anthropic 基本上也都是同样的情况，这些 offering（套餐）都是这样，因为它们都是 model companies（模型公司）。所以，好吧。是一个月。抱歉，我说错了。是这个一个月的优惠。

你

可以使用 Codex credit。

你可以使用 Codex credit 三个月。对。

对。

好。它的价值非常大，像是，你随后就可以去试验这项技术，这样你就能——对——成为你想成为的 builder（构建者）。我一直都在用它们。我的 stack（技术栈），我是说，builder pack 基本上就是我们在每一处都会用到的东西；就我个人而言，我会用 OpenAI、Anthropic。

相比真正去用 Posthog 的 AI credits，我更像是 Posthog 的普通使用者。你总是在 Notion 里。我是 Notion 的重度用户，因为我会做很多 ops（运营）工作，也用 framer、render，而且我也很喜欢试验 Flora MCP。所以，我基本上整个 stack 都会碰。对我来说，最大的一类使用场景显然还是 model companies（模型公司），以及就在 cloud 或 codecs 里面完成我的工作。

我的意思是，讽刺的是，这里面很多工具，几乎所有这些工具，如果它们自己不是 model company，那我就是通过 model company 来使用它们。我实际上几乎从不真正进入它们自己的工具里。即便是 Flora，虽然它本身就是个非常出色的工具，我也只会通过 MCP 来用它。

对。而且这并不会降低那些工具的价值。实际上，在我看来，这反而会激励那些 SaaS operators（SaaS 运营方）把自己所做的那件事做到最好。我觉得我们很多人大概都经历过一个阶段，从一月到三月，我们会想：来吧，我们自己做 CRM，我们自己做 data dashboards（数据仪表板），设计也都自己搞。然后你真正开始做的时候，就会想，妈的，这也太难受了。

对吧？而当你能够坐下来时

在那儿，然后就像，你知道的，

你知道吗，我真的很信任 Postdoc，既让它运行我的 analytics，也让它把这些流程自动化。我也真的很信任 Notion，让它作为整个业务的 source of truth（单一事实来源）。即使我从来不打开它，即使我的页面和数据库看起来人类根本看不懂，其实也没那么重要，因为当我坐在 Cloud Code 或 Codex 里时，我可以——而且我一直都是这么做的——我就会说，嘿，我需要做这个计划。

我需要在 Notion、Slack、Posthog 里做这件事，去找到必要的信息。这也是为什么这套工具现在这么强大的原因之一：从 5.5 到 5.6 的跃迁，带来了 model（模型）在寻找完成工作所需上下文方面能力的提升，而且它还能在长期工作过程中，无论发生多少 compaction（压缩/上下文压缩），都把这种上下文维持住。这一点也体现在一种工作方式上：如果你去看我在 Codex 里的 prompts（提示词），你可能会觉得，这家伙根本不知道自己在干嘛。因为我通常就是这样：嘿，看看这一堆东西，给你自己设定一个目标，然后用 compound engineering。然后我就说，去吧。

这几乎不需要什么思考或劳动。真正的思考或劳动更像是：我已经识别出这就是该做的事。而且我知道，我或者我的团队已经搭好了一个 harness（约束/运行框架），让这些 agents（智能体）能在里面工作，并且值得被信任。我觉得对很多人来说，这听起来很难，像是工作量很大。

但我们之所以能从 Every 走到这一步，是因为我们是渐进式做到的，对吧？就是先做一件事，它开始运转得还不错。几个月来，我一直在尝试把这些营销邮件发送自动化，而它也一直在一点点变好。通过 compound engineering，结果也在持续复利式累积。所以我所处的这个项目，也在不断对它自身形成更好的理解。

这有点回到那句老话：开始做这件事的最佳时间，是一年前；第二好的时间，就是现在。你现在就可以开始这种复利式流程，而且现在的 models（模型）已经真正追上了你自己工作的速度。

对。我很好奇，Douglas，你的 stack（技术栈/工具栈）是什么？因为你是这背后的 creative director。而且有人问我，这套 branding（品牌设计）和 every 的 branding 很不一样。所以，为什么是绿色？

对，我当时就在想，行吧，我要问你这个。对，对。

为什么它是绿色的，Douglas？

我觉得它之所以是绿色的，部分原因是我们在自己的品牌体系里还没有太多使用绿色。不过，你知道，我觉得你们大家现在描述的这些，以及我在 Every 这里短短几个月里学到的东西，都很有意思。我觉得 language 很有意思，而且我发现这些 model 公司给自己以及它们的新 model 命名的方式也很有意思。很多都很有文学感。比如，Codex 是一本书，上面还有 Haikus、Fable 之类的名字。

对吧？这些全都是故事，或者说，都是把词语组合起来的形式。但人们用来描述 agent 的术语却是 orchestration（编排）。而这对我来说更像音乐，虽然我并不是特别懂音乐。但我觉得每个人在自己的工作里都像是会演奏几种乐器，而现在感觉我们都可以退后一步了。

即使并不知道管弦乐队里其余所有乐器该怎么演奏，我们也可以去指挥它，对吧？只要我们理解这首作品最终需要听起来像什么。然后，你知道，把这个再叠加起来，你甚至可以同时指挥很多个不同的乐团。

我觉得 creative direction（创意指导）以及某种意义上的 brand strategy（品牌战略），很多著名设计师都把它描述成像当一个 maestro（指挥大师）。你手里有颜色、字体、形状、符号、形式、文字、系统、摄影，很多时候还有插画风格。那么你要怎样把所有这些部分指挥到一起，让它们唱出一首动听的歌？而我觉得这个 stack（技术栈）对于和 AI 一起工作来说就是这样的东西，而且它适用的范围远不只是那些高度技术化的工作，对吧？