对谈 Macaron 创始人陈锴杰：RL + Memory 让 Agent 成为用户专属的“哆啦 A 梦”｜Best Minds

01.

更懂用户的专属 LLM 是未来趋势

 海外独角兽：请锴杰先做一个自我介绍。

陈锴杰：我毕业于杜克大学机械工程系人机交互方向，过去有几段创业经历，现在是 Macaron 创始人。在成立 Macaron 以前，我曾创立 MidReal，这是一个互动故事的平台，累计有 300 万海外用户。我们在上上周刚刚发布了全新的产品 Macaron。

Macaron 产品功能图

 海外独角兽：为什么决定做 Macaron？为什么特别强调 Personal 这类非生产力的方向？

陈锴杰：Macaron 是一个 Personal Agent。当时有这个想法，是源于我们对 MidReal 的观察。我们称 MidReal 是一个 “Fantasy World”，用户进入 MidReal 之后，可以写下自己的想法，并以多模态互动的方式沉浸到一个十几万字甚至二十万字的小说里。

MidReal 这个产品做了一年之后，我们在很多用户访谈里发现用户有一个共同的现象：大家会觉得在这个幻想世界里沉浸很快乐，但是一旦回到现实世界就会感觉有一些空虚乏味，甚至有一些割裂。因此也许可以更进一步，往用户的衣食住行、真实生活靠近，而不仅仅停留在幻想世界。

同时，在 2025 年初看到一个很明显的趋势：很多 AI 在生产力方向已经有很好的应用，比如帮你做 PPT、写代码、写报告，但在个人生活场景里，渗透依然很差。比如你让一个 AI 规划一下下周吃哪些餐厅，它通常会给一个正确但没什么用的回答。因为它不了解你究竟有什么饮食偏好，家里有几个人，和谁一起吃饭，有没有过敏的情况。它也很难理解这些背景。

所以一个更懂你、能服务你生活的 Personal Agent 才是时代在呼唤的东西。也是基于这个背景，定义了 Macaron 这个产品。

 海外独角兽：和别的通用 Agent 相比，Macaron 的差别是什么？它是真的解决生活化任务，而不是为了某一些生产力导向的效率或者工作任务？

陈锴杰：可以这么理解。Macaron 有两个非常大的特点：

• Memory 强：比如你要它帮你规划下周的饮食，它必须非常了解你，所以需要有很强的记忆能力。

• 有用：在 Macaron 里，它能帮你定制小工具，我们称之为 Sub Agent。这些小工具可以是饮食记录（拍一张食物照片，它能帮你换算卡路里）、健身日志、心情日记、家庭财务管理、学业规划等等。

我会把它比作私人生活管家。它既是你的营养师，也是你的健身教练、网球老师、英语老师、日语老师。它是一个能真正帮助你生活的朋友。

 海外独角兽：最近我们观察到，ChatGPT 加入 Memory 后用户粘性明显提高了。很多团队也在做基于 Memory 的 Agent infra。在你看来，什么是好的 Agent Memory？Macaron 的记忆又比别人好在哪里？

GPT更新 Memory 功能

陈锴杰：我们对 Memory 的理解可能稍微不同。我们认为：Memory 不是一个目的，而是一个方法。记住一个东西的目的不是“记住”本身，毕竟这不是考试，目的是更好地帮助用户。

比如用户忘了下个月朋友的生日，agent 能主动提醒；用户考虑旅行时，agent 能记得他提到的偏好：喜欢什么酒店、什么旅行方式、去过哪些地方。目标是更好地服务，而不是单纯记忆。

今天很多 Memory 之所以不好用，问题就在于把“记住”当成了目的。但如果把记住当作手段，目标是更好地服务用户，那训练 Memory 的方式就不一样了。

训练 memory 其实跟 Reasoning 是非常相似的。Reasoning 是一个最典型的手段，中间具体怎么做的并不重要，只要最后能给出标准答案，提高正确率就好。所以，今年年初，Macaron 就开始做 Memory 强化学习。我们可能是最早在 671B 模型级别上做 Memory 强化学习的团队之一。

做法是：用两个 Memory token 包裹住一段 Memory，优化目标不是“记住了什么”，而是能不能在具体 case 里回答好问题。在训练中，模型会不断演化、压缩，甚至丢弃一些信息，形成一个不断进化的 Memory 区块，随着聊天自动调整，最后给出更好的回答。

 海外独角兽：你们把 Memory 直接当成了一种智能能力，就像 Reasoning 一样，专门去做了训练和强化学习。在 Reasoning 数据中，我们可以把过程解法打包成 Reasoning token，最后得出答案。那么在 Memory 里，Memory token 里具体是什么？

陈锴杰：在 Reasoning 训练初期，用的是一些 CoT 数据，后期其实就不需要特意做数据规划了。Memory 也类似：一开始我们可以用 RAG、prompt 机制、context engineering 做冷启动，比如用写代码、做数学题。但最终的训练还是在聊天应用里完成的。

在聊天中，Macaron 会逐渐记住，比如我的饮食偏好是什么；家里有几岁的父亲、母亲、孩子；他们分别有什么特点。这些偏好会被写进 Memory。看上去和今天的 Memory 总结有点像，都是用提示词的方式，但不一样的是：Macaron 会自己决定总结什么、压缩什么，哪些信息多放一点，哪些少放一点。

我们发现一个现象：当用户特别强调某个信息时，Macaron 就更着重去记录这个信息。这其实是机器的 Memory 和人的 Memory 在拟合、对齐。人类聊天时，也会自己记一些重点。人的记忆本身就像一个不断进化的小区块：我们不断放入、更新，比如前十分钟聊了什么，逐渐形成记忆。最后训练出来的 Memory，就像把机器的记忆和人的记忆对齐了：

• 记住的东西差不多时，你会觉得 Macaron 很懂你；

• 还能记一些你没特别强调的，那你会觉得 Macaron 很棒；

• 没有在意的部分，Macaron 反而会遗忘。

Macaron Agentic Memory：

通过 RL 进行训练，适应于长文本输出

02.

Macaron 最好的类比是哆啦 A 梦

 海外独角兽：对于训练来说，冷启动比较好理解；那对于用户早期使用呢？比如大家第一次用 Macaron 的时候，这时没有上下文。但我们希望它是“非常懂我的 Agent”。那怎么让用户第一天就能感受到这种体验？

陈锴杰：刚上线的时候，Macaron 还没有把这个事情做好，让用户立刻理解 Macaron 在做什么，并且能和它交朋友，这是有一个学习的过程。

除了那些玩过 vibe coding 或者很熟悉 AI 的用户，大部分人其实只知道 AI 能聊天，但并不知道 AI 还能帮他们做小工具。所以我们发现，上线一周之后，很多用户甚至都没有发现 Macaron 可以帮他们做小工具，这是我们急需解决的问题。

现在的冷启动流程大概会是这样的：

• 人格测试：用户会先回答几个问题，就像 MBTI 一样。我们的观察是，大家都喜欢做人格测试，都想知道自己是什么样的人、和什么样的人能匹配。用户在这一步通常是愉快的。

• 匹配专属 Macaron：测试结束后，用户会得到一个属于自己的、有“颜色”和“性格”的 Macaron。

• 见面礼：第一次见面时，Macaron 会送你三个有趣的小工具，作为见面礼，并问你：“你觉得它们好用吗？” 同时它还会说：“如果你觉得这些不好也没关系，可以专门为你定制一个新的小工具。” ——这样用户立刻明白：原来 Macaron 是能做小工具的。

• 从兴趣入手对话：在测试里我们也会问到一些兴趣和性格，比如用户选择了“户外运动”，那见面后 Macaron 就会问：“你是不是喜欢徒步，或者玩飞盘？最近有出去玩吗？接下来放假打算去哪旅行？” 这样就快速和用户开启话题，从兴趣点进入聊天。

通过这一系列设计，用户会感觉 Macaron 是一个能聊得来的朋友。一旦成为朋友，后面无论是解决生活中的小困扰、烦心事，还是探索新的兴趣（比如学网球、游泳），都能自然展开。

 海外独角兽：这个过程有点像哆啦 A 梦。一开始见面，它会从口袋里掏出几个小工具，对我说“这个很好用，你来试试”。

陈锴杰：哆啦 A 梦可能是最相似的比喻了。我认为未来的 AI 不会再被比作“物品”或者“工具”。可能 ChatGPT 会被比作 Jarvis 或者其他角色，但 Macaron 最好的类比就是哆啦 A 梦：

• 哆啦 A 梦首先是大雄的朋友。

• 只有当大雄遇到问题时，哆啦 A 梦才会从口袋里掏出一个道具，尝试帮他解决。 

• 有时候道具不完美，甚至坏掉，但大雄还是会原谅哆啦 A 梦，因为他们是朋友。

用户可能不需要世界上最聪明的人来做你的朋友。用户更需要的是一个能持续陪伴他、关心他的人。这就是我对 Macaron 的定位。你不会因为有了一个新朋友，就放弃陪伴已久的老朋友。

 海外独角兽：Macaron 有两个定位：一个是朋友，一个是助理。GPT-5 发布的时候，也有类似的争论：当一个模型智商上升时，情商可能会下降，它反而不那么像朋友了。至少从 GPT-4o 到 5 的过程中，很多用户都反馈过这种体验。那 Macaron 在“成为朋友”和“成为一个好的助理”之间，怎么平衡？

陈锴杰：Macaron 做了一个天然的区分。和用户对话、管理记忆和偏好的模型，和帮用户做小工具的 Coding Agent，其实是两个不同的 Agent。它们之间有一个互通的协议，但职能是分开的：

• 和用户交互的那个 Memory Agent，就是用户的朋友。

• 而帮用户写小程序的 Coding Agent，只需要专注把工具写好。

用户的所有偏好，比如饮食习惯、健身时是否膝关节受伤、需要注意什么细节，这些信息都会由“朋友”这个 Agent 传递给 Coding Agent。

我希望的是：和用户聊天的这个 Agent 不是一个冷冰冰的助手，而是有温度的对话者。这样用户更容易接受它、信任它。而信任建立之后，用户才会愿意提供更多上下文信息，Agent 才能更好地服务用户。

 海外独角兽：所以其实 Macaron 是用 multi-Agent 的思路来平衡：一个高情商的 Agent 加上一个高智商（或者说动手能力强）的 Agent，共同来保证用户体验。

陈锴杰：是的，高情商和高智商的优化方向完全不一样。这两个 Agent 都是在我们自己的百卡集群上做的端到端强化学习训练。但训练目标不同：

• “朋友”Agent 的目标：更懂你，记住更多东西；在聊天过程中更好地服务你；并且用 Router 把不同需求（无论是烦恼还是好奇心）合理分配给其他需要调用的 Agent。

• Coding Agent 的目标：我们有 100-200 个真实的生活小工具的案例（这些案例是从社区用户反馈中不断提炼的）。Coding Agent 的目标就是把这 200 个案例都写好，做到功能完整、交互流畅、视觉好看、用户喜欢。

所以我们必须把这两类优化目标完全分开，各自训练。这样子合起来之后，体验才会更好。

 海外独角兽：现在 Macaron 满分 100 分，你会打几分？

陈锴杰：大概就七八分。

我对它的期待很远：如果有一天能服务 1 亿人，我可能会给到 85 分。今天还是一个试探，交互、外部对接、Coding Agent、记忆未来都可能有重大的变化。比如手机厂商入局做“大 Agent”，社区未来占比多少等，这些问题都还没解决。今天只是最早的状态。

03.

Sub Agent 进化论是什么？

 海外独角兽：锴杰描述的过程让我想到几个有趣产品的影子：小红书、Notion 和多邻国。从小红书的启发来看，Macaron 的一些功能也是社区驱动的，那未来你们打算从哪里找到这种网络效应？

陈锴杰：我其实是有这样的想象。Macaron 不只是你的私人管家，它还是一个“生活方式分享的平台”。

比如说瑜伽和跑步都是常见的活动，但它们并不仅仅是动作练习，更多的是一种生活方式。比如瑜伽更强调静心、流畅的状态。我认为这种生活方式可以被固化、凝聚成一个 Agent。

拿我自己来说，我特别喜欢喝水和运动。和我见过面的朋友都知道，我随身会带一个 1.5 升的大水壶，一天要喝两瓶。所以我的 Agent 里就有饮水和运动相关的。这就是我的生活方式，我也希望能把这样的方式分享出去，无论是在 Macaron 的社区，还是小红书、Instagram 这样的社交平台。如果有人想尝试这样的生活方式，他就可以把这个 Agent 导入到自己的 Macaron 里。这就意味着他也能拥有和我一样的习惯。

再举个例子：我的联合创始人特别喜欢红酒，而我完全不懂。于是他做了一个红酒的 Sub Agent。这个 Agent 的能力是：你只要拍一瓶酒，它就能告诉你年份、酒庄、价格，以及最佳保存方式和最适合的搭配食物。对我来说，这就是一个入门方式。后来我甚至能在社区里看到大家分享的红酒体验，这个口感如何、适合配什么。

未来，我甚至希望请一个网球冠军来做一个网球训练的 Sub Agent，然后在社区里分发。相信会有很多人喜欢。所以我对 Macaron 社区的畅想是：会有很多生活方式的“领袖”出现。

和之前的小红书、抖音这些平台相比，Macaron 有一个很大的不同：

• 在抖音或小红书，创作者需要一定的创作能力，比如写文章、拍视频、发美图。

• 而在 Macaron，用户几乎不需要创作能力。只要一两句话，就能生成一个小工具。

所以在 Macaron，创作者的本质不是“会写内容”，而是是否有独特的生活方式。这意味着：哪怕有人喜欢“宅在床上一整天”，这种方式也能被固化成一个 Sub Agent，被别人使用和分享。生活方式本身就是内容。它不一定精彩、不一定充实，但它足够独特，分享出来之后，就能给别人带来启发。这就是我希望 Macaron 的社区能成为的样子：一个生活方式的分享平台。

 海外独角兽：如果未来我和 Macaron 说，我也想做一个“宅在床上一天”的人，会不会把其他用户做过的类似 Sub Agent 推荐给我？

陈锴杰：这是一个非常好的想法，也是我们接下来会发展的方向。

今天所有的 Sub Agent 都是 Coding Agent 从零开始一行一行代码写出来的。这种方式并不是最优。未来我们会做调整：如果已经有人做过一个很精彩的案例，并且被很多人使用，Macaron 就会基于这个现有案例来提供给新的用户。同时还会问用户，要不要在上面做一些修改，让 Agent 变得更个性化。这样，Sub Agent 就会不断地衍生、演化，形成一种 “Sub Agent 进化论”。

比如，一个 Sub Agent 被调用得多，就可能在它之上长出新的分支；在新的 Sub Agent 里，如果有的使用率更高，它又会继续被进化；整个体系就像一棵树一样，不断往下发展。

和苹果 App Store 不同的是：

• App Store 的开发和反馈是相互独立的，每个开发团队独立开发，每个用户反馈独立分散。

• 在 Macaron，所有 Sub Agent 都是由 Coding Agent 写的，生产和反馈都不是独立的。

这意味着在 Macaron 中，如果用户对一个 Sub Agent 提了反馈，下一次 Coding Agent 写的工具就会做出调整。用户反馈也能跨场景关联起来，形成真正的强化学习反馈回路。主 agent 在分发的时候可以把不同的应用分发给同一个人，或者把同应用分发给不同的人。这个时候反馈之间，我们可以去创建关联。

结果会是，Macaron 团队能真正用 gpu 上的强化学习算法把所有反馈作为奖励函数，因为数据的生产和反馈都不是相互独立的。收集到反馈数据作为强化学习的方式，就能不断把 agent 和 sub agent 的能力往上解锁，做更多场景，用更好的交互服务更多的用户。我觉得是有这样的进化趋势的。

 海外独角兽：Macaron 未来可能是一个慢慢演化、扩散的社区，有点像一个双边平台：一边是 Coding Agent 做出的小工具，一边是想找到有趣朋友的用户。你们则把这两边缝合在一起。这就是 Macaron 想传达的思考吗？

陈锴杰：是的。比如 Pixel 新手机发布时，也在强调能“帮助生活”；ChatGPT 的 Query 请求里，关于生活的内容也越来越多。AI 不再只是生产力工具，而是逐渐渗透到生活场景。

所以 Macaron 特别的地方就在于：它想构建一个新的分发和平台，让大家分享有趣的生活方式。

 海外独角兽：Notion 这家公司有两个特质和锴杰描述的愿景有点像：第一是它一开始就做了 memory 和 database，后面才能做跨页面的关系，成为用户的“第二大脑”；第二是它有一个模板的生态，社区里有人拿 Notion 的各种配置去叠加内容，甚至靠它做创作经济、分享生活方式。如果真的要做这样一个 AI 时代的现象级产品，既有 memory，又有网络效应，最大的挑战会是什么？

陈锴杰：我觉得在不同层次看，会有不同层次的挑战。

最大的、最抽象的层次是团队。如果把团队当作一个强化学习（RL）的算法来看的话，它需要根据社区氛围、人的变化、案例的变化，不断调整社区的运营策略；在服务每个个体用户的时候，根据新的需求做新的强化学习训练，让 Coding Agent 能写出更好的 Sub Agent。

比如今天在 Macaron 里说“做《黑神话：悟空》第二部”，这肯定写不出来；你说“做一个 3D 赛车游戏”，其实也做不出来。但如果这样的 case 积累多了，下个月重新做 RL 训练，可能就可以把 3D 赛车游戏做出来。

所以在用户个人反馈这一侧，Macaron 会不断做强化；同时还要修改怎么向市场传递策略。一开始可能去找开学的人群（9 月），他们会遇到选课、社团、交新朋友等问题，让他们第一时间想到 Macaron。对我们来说，首先是要和市场有一个这样的“强化过程”。

再往里深究，怎么同时把用户服务好、把社区建立起来，有个关键要点是记忆系统的设计。本质上 Macaron 还是一个 Personal Agent，要把生活服务好。记忆不仅仅是在对话里记用户的偏好，还要把这些偏好传递到每个 Sub Agent 里，Sub agent 与 Sub agent 之间也要相互理解。

• 例如用户今天开始做新的力量训练，饮食规划的 Sub Agent 就要知道用户需要更多蛋白质。

• 当用户做完饮食计划和健身训练，聊天过程里 Sub Agent 又知道了新的信息，就应该基于这些新信息继续反馈和调整。

“记忆传递”是一个比较复杂的机制。为实现这个效果，我们设计 Macaron 的时候甚至摒弃了原来的数据库系统，既没有用关系型数据库，也没有用非关系型数据库。Macaron 的数据库结构的目标是，让所有 Sub Agent 共享同一份、关于你的个人数据。当然这些个人数据被存放在一个加密的地方，我们 Macaron 非常关注隐私。

在这个架构下，每一个 Sub Agent 有点像“生成式 UI”，可能比 Chat 更好的 UI；同时它像每一个 Chat 一样都能知道你生活里发生了什么、你记录了什么信息。这部分的记忆工程 + 模型训练，是让 Personal Agent 真正“有用、能帮助你”的关键一步。我们还在努力继续去实现，有非常多的工作没做完。这个再加上前面聊到的社区，Macaron 有机会实现类似 Notion 的产品。当然我们的团队也要像 RL 一样，不断和环境接触、迭代。

04.

RL infra 很难像云服务一样标准化

 海外独角兽：RL 是不是现在做 Agent 最重要的元素？你在实际做的过程中，会觉得在哪一方面的提升最明显、最需要深入？

陈锴杰：大部分公司是做不了 RL 的。我们最早在 70B 的模型上做 RL，那时模型在写小说的记忆能力不够好，必须要通过增强才能写出十万、二十万字。后来我们团队继续探索。今年在 r1 的范式之后，特别是 deepseek 的 0528 版本之后，我们把 RL 从 70B 迁移到了 671 B 级别的模型上。

在国内能自己做 671 B 级别模型 RL 的团队非常少，可能不到 5 个，包括很多能做 Pre-train 的团队，比如说智谱，也没办法做 671 B 级别的稠密模型的 RL。很多公司在做 RL 的时候，也会停留在几十 B 到 200B 这个范畴，200 B 是一个分水岭。因为 200 B 以内还能放在一个 GPU node 里训练；更大就必须做专家并行、管线并行，把训练与推理分布到不同机器上同步跑。

所以，市面上大部分 Agent 公司会说 RL 不重要，因为它们做不了，也很难去想这个问题。之前大家已经看到 Pre-train 的边际效益在递减了，我们已经进入“智能提升的下半场”，RL 是智能提升下半场的核心。RL 对场景的要求很强，很难有一个“超通用”的 RL 场景，让一个超通用 Agent 在所有能力上同时提升。比如 Anthropic 就是在 coding 领域做了很多 RL，所以它的代码质量比 GPT-5 明显更好。其他的公司会有不同的 RL 的场景去优化。

能够领先的公司必须在选定的场景里面有真实的模型，生成真实的内容，获得真实的用户数据反馈，做真实的修改，去迭代它的 RL 的效果。所以如果要做 RL，模型和场景是必须配套的。今天想做一个全能的模型已经很难了。但在特定的场景，比如说 personal agent 里做 RL，Macaron 写出来的东西可能就可以比市面上其他所有的模型都好。在这个特定场景上，今天看 RL 的价值就是 RL 能够在一个场景上推到智能的最上限。而且 RL 必须是在 700B 的模型上。如果是在 200B 的模型上，目前训练结果都很难迈过 AGI 的门槛。

所以如果以这样的市场定位，RL 就非常重要，开发者需要不断去解锁智能的上限。

Macaron 用 RL 优化 Memory

Manus AI 的重点是在 Context engineering，它们的想法是这样可以提高迭代的速度，可能两三天就可以迭代一个版本出来。我很相信产品一定要迭代的够快，和用户一起成长。但其实 RL 也可以做到这一点。

Macaron 提出了一个方法，叫 all-sync rl（全同步），把训练时间从“按周”压到“按天”，大约 30 小时能完成一次有意义的 RL。也就是说，我们的 RL 也能以“天”为单位迭代。如果用这样 all-sync 的方式去做应用，既抓智能上限，又跟得上产品节奏。对 Macaron 来说，RL 是极度重要的。

Macaron all-sync 模式下 GPU 优化消耗低

 海外独角兽：all-sync rl 这个方法是不是有点像：比如抖音白天收集用户反馈，晚上微调，第二天模型就变得更懂用户？Macaron 是不是也可以通过 RL 达到这种节奏？

陈锴杰：all-sync rl 是训练侧的优化算法，不是推理侧。训练过程中有两部分：training（训练）和 inference（推理）；训练时模型也在不断推理、演化，两者交替会产生 GPU bubble，本质是浪费。很多优化方法的目标就是把这个“泡泡”挤掉。

我们做的是“全同步（all-sync）”：通过通信与模型压缩，更好地调度，让训练与推理同时进行，效率提升好几倍。原来 512 张卡的训练，我们可能只需要 48 张卡就能完成初步训练。

至于 online / on-policy，on-policy 今天就能实现；online 未来是可能的。两个对用户交互系统都很重要。

• on-policy：标准定义是训练数据完全由模型自己生成，比如 Macaron 的 sub agent 全部由 coding agent 自己写，优化方向清晰、下降更稳定。

• online：指模型与用户的反馈实时联动，不断在线上演进。

On-Policy、All Async、All Sync RL 的功能

 海外独角兽：RL 能让小模型做到原本只有大模型才能做的事。你觉得两三年、三五年看，RL 还是需要大模型吗？会不会走向“民主化”，让更多 AI 开发者做 RL？

陈锴杰：未来可能会有 RL infra 公司，让大家都能用 RL。但有几点需要注意：

• 模型不能太小。如果是具体的小场景，可以直接调大模型，可能比去训练一个 20–70B 加上 RL 更经济；除非你需要端侧或本地部署，那 10B、20B、30B 这种级别，加上 RL，可能有特殊效果；

• 非端侧的大场景，我认为还是在 “600–1000 这个级别”更像 AGI 级别的效果，对场景的优化更大。

RL infra 的难点在于必须要真实用户反馈，再训练模型，最后再部署模型。很难像今天的云服务一样标准化。很多时候训练数据量不够/清洗不好，就没有效果；需要很深入地分析 + 做几十个实验才能收敛。我们没有见过一次就跑通的 RL。所以这种服务到底怎么定价，多重还是 200 万美元起一单，怎么证明价值，都是挑战。对 Macaron 来说，能 in-house 做，空间更大、更灵活。

 海外独角兽：最近在硅谷观察到 RL infra 的公司非常多，至少十到二十家。一般有两类：

• 更像做数据的观察与服务，帮 Agent 开发者把 trajectory（轨迹）尽可能标好；

• 直接做环境，比如给 coding agent 一个能产出 CRM / IDE 的环境，更自动化、更可扩展。

你觉得 RL 有哪些特别适合或不适合的任务？对应用开发者真正带来的机会是什么？

陈锴杰：Macaron 今天非常聚焦在记忆和写 sub agent 这两个场景，训练效果很明显。我自身的经验是：在一个场景里做到 50–80 分，靠工程 + 更复杂的 context engineering 基本可以；80–85 分也能撑到。但从 85 往 95 分走，RL 的提升最强烈。这时继续堆 Context engineering 会出现“打地鼠”：流程很复杂，修好这个问题，另一边又可能出现新的问题，导致系统难维护。所以通常在最后阶段切换到 RL。

如果环境可定义，大部分任务都可以做 RL：写法律文书、做病人调查等都可以。但如果环境没有定义好，早期堆了太多 context engineering，就会有很多技术需要补充，需要拆掉、端到端重构。所以，真实环境很重要。

 海外独角兽：我是个 DOTA 玩家，看着五个 DOTA NPC 冲过来的时候，我觉得它和人很不一样。而且它的那套策略在 AI 的程度下可以做得比人更好。在那种有明确输赢的场景下，RL 已经能做到 100 分甚至以上，就是超人类。你觉得未来有没有机会出现这种“比人更好的地方”？

陈锴杰：问“比人更好的地方”在哪其实更像是在问：我的 Agent 究竟等于多少个人在思考和做这件事情。

• 如果是记忆这个方向，Macaron 最后肯定会超人，它会比你的朋友、甚至比你的家人都更了解你，这是肯定会发生的。

• 从 coding agent 这个方面，我们可能最后会感受到它等于多少人效。它很难说做到“写出一个微信、一个抖音、甚至一个 ChatGPT”这种没有上限的目标，并不是不行，但那已经脱离了 Macaron 今天的发展目标。最后更像是：能不能写出来一个和应用市场上“100 万评分的番茄闹钟”一样好用、但又根据你的个性化特征重新定制的番茄闹钟。Macaron 可能等于：三个前端 + 三个后端，3 万月薪（深圳），一起干两个月的效果。它还是一个小团队能做出来的东西，可以非常精致，也非常符合用户的需要。我觉得这是它最后能达到的状态。

 海外独角兽：我就经常忘记朋友的生日，Macaron 肯定比大部分像我这样的朋友要好很多。同时，普通用户平时能请到的 IT 外包帮他解决任务是很有限的。这时候 Macaron 能做到的，就比普通用户能接触到的解决方法要好很多。

陈锴杰：是的。而且 Macaron 的 Coding Agent 和 Anthropic 的 Coding Agent 需要优化的方向也很不一样。Anthropic 是注重复杂的大型编程场景里面去做，是一个工程场景。而 Macaron 更注重小的完整功能，并确保一次就能运行。Macaron 可以犯一些错误，但是它生成的东西一定要能打开，用户要在第一次打开就能看到 Macaron 帮它做好的项目的呈现。

05.

适合个人的小应用是真实需求

 海外独角兽：发布 Macaron 的时候你发了条朋友圈，说之前是多邻国的用户，但在发布 Macaron 之后就把多邻国的 subscription 停掉了，因为你觉得 Macaron 已经能做一个很好的外语学习助手了。所以，比较好奇 Macaron 在和社区、用户做强化学习的过程中，未来是计划在一些垂直领域继续深入，还是先做一个更通用的 Personal Agent？这当中会怎么权衡？

陈锴杰：我们上线一周多之后，有 7000 多个用户做了一万多个大家不同的小应用。在这些小应用当中，有一些分类大类开始浮现。这跟我们的前期策略有关，前两周大家在使用时会有个感觉：“Macaron 什么都答应你、什么都想做，但做出来什么都不太行。” 这正是我面临的一个比较沉重的二选一难题：

1. 只答应我知道能做好的事，把需求范围限制在我能做好的事情里；

2. 把口子敞开。坏处是做不好，好处是我能够收集到用户真实的意愿分布。

我选择后者，这样能看到真实的需求。下一步就能看哪一些做得好、哪一些做得不好，在需求与 Coding Agent 的供给之间画一个交集，作为第一步强化的方向。现在这一万多个小应用里，收敛很明显的方向是 Tracker / Planner（生活的记录与规划），比如：

• 饮食、健身；

• 心情日记、游戏记录、升学进展、作品集整理；

• 有人记录“拉屎的颜色和形状”；

• 日本区很多用户喜欢做钢琴谱、吉他谱的生成（可能和当地音乐市场定价有关）。

Macaron 会把这些记录与规划的案例放进下一步 RL 训练，把它们做得更好。聊天侧会适度把需求往里缩，但不会缩得很死，因为还要看到下一步大家的真实需求点落在哪里。AI 发展很快，我相信可以一步步解锁更多需求，把边界往外推。

我认为专注某个垂直领域也是和用户一起动态探索的过程，有点像小红书最早做海外购物，后来拓展美妆、露营。对 Macaron 而言会更快，因为生产都是 Macaron 自己，不用去调一个外部生态。把 Agent 能力提升上去就行。

Macaron 部分应用功能展示

 海外独角兽：整个社区对 Macaron 的评价很有意思，有好的，也有一些争议。我挑了两类：

1. 用户觉得在 cloud 优化方向上，做的小程序太慢，或者用不起来；

2. 用户觉得 Macaron 有一种妈感，比如总是忍不住想要帮忙。

你觉得这种反馈符合你们预期吗？接下来会怎么处理？

陈锴杰：其实是非常符合预期的。因为 Macaron 一开始的策略就是广泛收集用户需求的分布，同时看看模型在哪些 case 上会失败。在 beta 测试时，我们自己很难测出所有分布，所以其实是做好了被骂的准备的。也确实如愿以偿——被骂了。但我完全理解。

用户的评论方向，基本取决于第一个小应用：如果第一个做出来正好在模型能力范围内，他甚至会很惊讶、很感叹，有的用户甚至哭了；如果第一个应用做失败了，比如链接点不了，就会对 vibe coding 失去信心，觉得今天 AI 做不到。

所以我非常感谢早期用户的信任，愿意先来尝试。解决的方式其实很清晰：

• 先找到供给与需求的交集，把能做好的范围收拢一些；

• 我们在 8 月 29 日上线了更新，提升速度和稳定性；

• 用户反馈里最强烈的需求，比如 tracker / planner（记录与规划） 类案例，就会在下一步 RL 训练里强化。

我觉得模型的解锁速度很快，半年、一年之后，一定会和今天大不一样。我们现在也在测试一些新的生成能力，会越来越强。

至于“妈感”，Macaron 还需要继续训练聊天的要点。在之前的虚拟角色（比如 MidReal）里，我们对剧情对话有一定理解，但在“哆啦 A 梦式”的日常陪伴聊天上，还有提升空间。大家可以在 8 月 29 日后的版本看到一些不同。

 海外独角兽：和用户聊天时，有没有一些特别让你惊喜的 use case？

陈锴杰：有几个让我很震惊。

• 高尔夫动作分析：昨天有个朋友想学打高尔夫，做了一个练习状态记录。他说不要静态的记录，要做“动作视频分析”，看能不能提高准确度。我当时觉得这个 case 一定会失败，结果 Macaron 真的做出来了：用户上传视频后，它能分析动作，给出改进建议。这是我们没有专门强化过的 case，但它能从已有分布扩展出来，我觉得非常酷。

• 搬家规划：有一位 40 多岁的女性用户，最近要搬去美国的新城市。她用 Macaron 规划了新生活：去哪里玩、怎么安排日程、怎么做心情瑜伽和冥想训练。看到这个我很开心。生活中有变化的人群都特别需要一个帮手，比如开学、搬家、养宠物、添小孩，

• 家庭菜谱管理：有用户做了一个家庭菜谱 app，爷爷奶奶、儿子女儿口味都不一样。他设计了一个像大众点评一样的功能，让家人给家里的菜打分。系统能根据当天谁在家自动筛选出最合适的菜，并整理成食材和做法。这个需求非常家庭化，也很有意思。

这些 case 在应用商店里很难找到现成的解决方案，因为它们太个性化了。很多人会问：“是不是要有一个比应用商店好十倍的应用，才能让用户迁移到 Macaron？”我的答案是：完全不是。有时只是做一个只属于自己或一小撮人的工具，但它完美符合个人需求。

Macaron 部分用户反馈

 海外独角兽：这些应用以前只有市场足够大、有最大公约数时，才会有人去开发。就像 Sam Altman 或者 Dario Amodei 他们经常讲的愿景：有了模型智能之后，应用会像自来水一样，打开自来水龙头它就流出来了。在生活当中，Macaron 就是那个自来水龙头，覆盖了生活中最后一公里的场景。

陈锴杰：是的，写代码现在真的像自来水一样，成本也差不多。这样大家能做出更符合自己心意的东西。它和过去不一样，过去是别人给你做；现在即使是普通用户，也能造出比别人更合心意的工具。未来有很大的潜力。

06.

相比工作场景，生活场景叠加会带来更大价值

 海外独角兽：回到商业模式。长期看，你们会考虑做成一个新时代的 App Store 吗？还是想得更不一样一些？

陈锴杰：从真实来讲，Macaron 也不是一个 App Store。首先它是用户的 Personal Agent。Personal Agent 能解锁的商业潜力已经很大。

生活和工作的差别是：生活场景叠加起来会带来更大的价值；但工作场景，比如说一个项目和另一个项目，随意把项目间的 context 叠加起来，可能会产生悲剧。当 Macaron 知道用户最近在做什么运动、喜欢吃什么，给用户的健身方案就不一样；用户出去旅行，给用户定的目的地、酒店就不一样；给朋友的礼物、搬家的布置也会不一样。这些场景叠加之后，效果更大，而不是单点极致。

商业上，在这里你可以订机票、买东西、点外卖；也可以让它当健身教练、营养师。这块潜力已经很大。

我不希望 Macaron 出现所谓的开发者绞尽脑汁去想，别人会需要一个什么 subagent，然后很用心的不断去修改定制，最后做了一个 subagent 给大家。我更希望是人有自己的生活方式，他本身就是这样一个人，他在分享自己的时候，也把自己的故事分享给大家。这才符合我对 Macaron 的社区的想象，健康的社区生态和态度对是产品很重要的。产品创始人在守护什么，会决定产品最后在市场的位置以及能走多远。所以，我希望去维护这样的调性——是“生活方式的分享”，而不是“创作与消费”。

 海外独角兽：现在很多 Agent 都走偏订阅制的商业模式，本质上有点像 Office，为某一段时间的“生产力”付费。如果 Macaron 最后想做社区，是不是就不会走这条路？

陈锴杰：Macaron 现在还是订阅。订阅不一定不可取：你有一个“管家”，按月给他付工资是合理的。未来在社区里，当你的 Agent 被更多人分享和使用时，你也应该获得一些属于你的回报。此外，Personal Agent 部分也可以有广告或第三方接入。这里其实有很多商业模式的创新空间。

 海外独角兽：从 MidReal 停止到打造 Macaron，这个转型的决策是怎么做的？大概花了多久？

陈锴杰：一方面是用户观察：用户在 MidReal 打造的虚拟世界里沉浸，但内心越来越矛盾。我们希望对真实生活有一些积极作用。另一方面，故事方向好像没在今天模型能力升级的最佳路径上，模型越来越会写代码，却越来越不会写故事（在 GPT-5 上感受尤其明显）。所以，如果在一个不是智能提升最快的路线上做事情，可能会有悖于今天 AI 时代的发展的规律。

对于服务生活，我 18 年从杜克休学创业做的第一件事情就是家庭智能机器人，也是和我今天的 cofounder 一起。我们两个对生活都有美好的想象和追求，包括在自己的生活里也有有趣的生活方式，所以我们想往服务生活的方向走一步。同时看到像 Claude code 这样能够实现真正更好代码能力的，像 Deepseek R1 这样能去做强化学习训练、同时也有很强代码能力的模型的出现。这几个因素放在一起，驱使我们从 MidReal 迁移到了一个新的愿景上。

 海外独角兽：从 MidReal 到现在的 Macaron，你作为 founder，最大的思维变化和工作方式上有什么转变吗？

陈锴杰：以前会觉得，在一个小赛道做到前三名，就像 MidReal 那样，可能会有不错的市场地位，或者是一门好的生意。以前确实会这样想。但越做越发现，在小赛道上做到前三名意义并不大。我更想在 AI 浪潮里，去做一些走在前面、真正有意思的事情。所以现在的态度已经转变了：不是要在小赛道里做头部，而是要进入一个更大的赛道，在那里每个人都有机会。

Personal Agent 这个赛道很特别。未来会有很多人进来，它最后可能会像社交软件一样：在海外社交软件领域，有 Facebook 很大，但 Instagram 也还在，同时还有 Telegram、X、BeReal、Snapchat，每个平台的性格都不一样。

Personal Agent 也会是类似的：它像是你不同性格的朋友。你可以有一个很专业的朋友，也可以有一个很温暖的、甚至带点“妈感”的朋友。所以我希望切换到这样的模式下去做。虽然 Macaron 强调的是生活方式，但从工作节奏上看，其实团队已经进入了一种 “没有生活的生活方式” ，最近都在努力修复用户提出的各种问题，并快速迭代。

 海外独角兽：听起来也很像强化学习：一个地方的奖励饱和了，就去找一个更陡峭的 reward 曲线。

陈锴杰：是的，追求的首先肯定不是财富，更像是一种生活方式。在原方向见顶后，我们选择切换到新方向。

 海外独角兽：如果把 Personal Agent 对标 Facebook / Instagram / Telegram，ChatGPT 现在是在 Facebook 的位置吗？

陈锴杰：GPT 毫无疑问是 Facebook 的位置。它今天已经有 4 亿 DAU，是无法阻挡的增长，也是最大的明牌。很多原本不那么“冒险”的公司都在入局 OpenAI。它真的很强。

 海外独角兽：那你们做 Macaron，Timing 上有偏早或偏晚？还是现在就是最好？

陈锴杰：时间点正好。

• 微观上，我们在 ChatGPT5 发布之后，Macaron 也被骂了很多（对我们来说反而是好事）；

• 宏观上，我们是第一批 Personal Agent 上市的团队之一，能先占到用户心智。留给我的空间至少还有三到六个月。

我很难想象 ChatGPT 会很快调整产品形态来做这件事。GPT 虽然很大，也能处理一些 Personal 需求，但 GPT 不会像我们这样去做 Personal Agent，它可能离这个方向还是非常遥远的。如果它要过来这个赛道，不管从交互上还是从心智定位上，都要做比较大的产品的调整。

我倒是觉得竞争不会那么强烈，我有充足的信心，当 Macaron 建立自己的社区之后，Macaron 和 OpenAI 是会各自有一批用户的。甚至一个用户能够同时在手机上拥有我们两个应用，但是在不同的场合打开。如果用户每一次工作的时候就打开 ChatGPT 的话，我觉得用户很难回家之后再像朋友一样跟 GPT 聊聊天，这是有一点割裂或者人格分裂的。所以 Macaron 是可以和 GPT 并存、甚至去抗衡的。

 海外独角兽：和巨头站在一起是很有勇气的事情。现在 ChatGPT 更像是占据了用户“同事”这个心智位置，站住了之后，一定会有一个新的心智的位置给包括 Macaron 在内的所有创业者打开。因为 Agent 领域很大，有人做通用的，有人做垂直的，有人做基础设施。你觉得有哪些方向被低估，哪些被高估？

陈锴杰：目前，很多小 Agent 基于大模型做一套工作流，其实并不成立，最后会被更大的 Agent 覆盖。比如 Personal Agent 一定会把“旅行规划”做好，因为它有你的衣食住行信息，大概率比单独做旅行的 Agent 更强。但在一些专业场景里，Agent 也会有巨大机会。

是的，写代码现在真的像自来水一样，成本也差不多。这样大家能做出更符合自己心意的东西。它和过去不一样，过去是别人给你做；现在即使是普通用户，也能造出比别人更合心意的工具。未来有很大的潜力。

 排版：傅一诺