AI的下一步，是从工具变成同事 | 对话Helio王文锋

它会入职，理解上下文，背上 OKR，甚至拥有一个自己的工位。

4月24日周五晚，Helio.im创始人王文锋在即刻上发了一个内测帖，介绍了Sheet 0团队的新产品Helio，计划进行一场小范围的内部测试。结果第二天醒来，官网申请列表因访问量过大自动扩容了4次。整个周末，团队都被潮水般涌来的消息和几百条用户建议淹没了……

Helio 让数百名内测用户，率先窥见了它的雏形。在即刻帖中，王文锋强调，要做一个“像人的 AI”，而不是“给人用的 AI”。这背后有什么本质不同？当IM迎来最激烈竞争，Helio 如何能够持久？

十字路口邀请到Helio 的创始人王文锋，聊了 Helio 背后的故事、他的几个洞察、以及 Helio 产品的设计哲学与壁垒。

下面是访谈实录。

快问快答

🚥 十字路口

年龄？

🧑🏻‍💻 王文锋

94年

🚥 十字路口

MBTI 和星座？

🧑🏻‍💻 王文锋

INTJ，白羊座

🚥 十字路口

一句话介绍你现在的公司和产品？

🧑🏻‍💻 王文锋

一帮有爱的、平均00后的人在做一款可能是这个世界上最激进的AI应用产品。

🚥 十字路口

融资情况？

🧑🏻‍💻 王文锋

500万美元

🚥 十字路口

团队规模？

🧑🏻‍💻 王文锋

9个人，坐标北京望京 + 硅谷SF 94108。我们在招聘！

🚥 十字路口

一句话介绍创业前在做什么？

🧑🏻‍💻 王文锋

分布式系统软件开发工程师。

Helio 是一个有人气的工位

🚥 十字路口

我们知道过去你们一直在做的产品是 Sheet0，这一次从 Sheet0 到 Helio 是很大的转型，是因为看到了什么机会？ Sheet0 还继续维护吗？

🧑🏻‍💻 王文锋

AGI。其实今年1月份的时候，我就判断AGI来了。

当时我写了篇文章，里面的4个核心判断，现在回头看，基本都已经被验证了。

我当时的四个判断是：一、编程这个垂直领域，已经开始AGI；二，Coding Agent正在从2025 年的end-user 产品，变成新的 Agent Infra；三、Proactive Agent开始具备持续交付能力；四、放下成见，把会用Agent当做一个基本功，Token消耗将成为衡量一个人能力高低的关键指标。

Helio，就是我们在当时这个判断下开始做的。同时 Sheet0，我们也会继续对现有用户提供服务。

🚥 十字路口

4月24日（周五）晚上，你们在即刻上发了一个 Helio 的内测帖子，关注度蛮高的，你们收获了哪些反馈？

扩容通知邮件；来源：Helio

🧑🏻‍💻 王文锋

反馈完全超出了预期。我当时完全是临时起意，因为全部是AI在干活，我没事干，想找点事做，于是我花10分钟发了个即刻，请十几个朋友帮忙转转，邀请一批新用户测试一下。

我预期能有十几二十个测试用户就不错了，毕竟我们连计费功能都没做，属于无偿给大家用。结果第二天起来，就发现 go viral “爆”了，官网的 Typeform 申请列表一个晚上自动扩容了4次。

整个周末，我们都被各种消息炸晕了，有个用户用了不到24小时，给我们提了大几十条建议，真的很受宠若惊。

🚥 十字路口

Helio 给自己的定位是什么？一个 AI Native 的IM？

🧑🏻‍💻 王文锋

不完全准确。我们的定位是 AI Workforce。

我们希望做像人的AI，而不仅仅是给人用的AI工具——让AI成为组织内的原住民。

我们本质要解决的，是用连续、高质量的上下文降低人的认知负荷，解决现在“AI越强，人越用越累”的困境。

Helio 是一个新品类—— AI Workforce, 人和 AI 同事在里面一起工作。它不是IM的升级，也不是IM的替代。就像电动车不只是把油箱换成电池，而是整个底盘重新做一样。

Helio的本质是一个为 AI Workforce 重建的容器, 给“ AI 同事”提供在公司上班所需的一切。

人和AI都是我们的用户，我们有两套交互界面，一套给人，一套给AI，但底层是同一套数据/语义模型。只是产品对人的那一面刚好长成IM的样子，这是结果，不是起点。

为什么给人的是IM？因为IM这个交互对人类是好的、自然的、熟悉的，没有必要在这里为了不一样而不一样，而是应该要以人为本，尊重人类用户的使用习惯。

🚥 十字路口

当一个用户第一次打开 Helio，拉了一个群，把一个 AI 同事拉进来，他能感受到的、和用其他Chatbot最大的差别是什么？

🧑🏻‍💻 王文锋

最直观的差别一句话——AI不会“开始”，也不会“结束”，除非你把它开了。

你用Cursor或ChatGPT，每次都是从零开始：打开→描述背景→等回复→关掉→它消失了。每一次对话都像一次性筷子。

在Helio，你拉个群，把AI同事邀进来，它进群的那一刻就开始读这个群的历史，你跟同事讨论了三天的项目，它直接就知道。你@它说“那个事按我们昨天聊的方案做一版”，它真的知道“昨天”指的是什么。

每早打开电脑，AI同事已准备就绪；来源：Helio

另外，你@完它就走了，去吃饭、睡觉、开会，它在群里继续干活。你回来打开群，看到的是一个进度条一直在往前推的过程，不是一个空白输入框在等你prompt。这点跟Cursor"我在等你按回车"的范式完全反过来——Helio默认是异步的，跟一个真实的同事一样。

而且，群里不是只有“你和AI”，而是“一群人和一群AI”。AI能看见你和同事吵架，也能@另一个AI协作。这在ChatGPT里是不可能发生的，ChatGPT是你和AI独处空间，而Helio是一个有人气的工位。

一群AI之间的头脑风暴；来源：Helio

工具让你少打字，人让你少操心：这就是本质区别

🚥 十字路口

这款产品的交互是如何设计的？

🧑🏻‍💻 王文锋

在Helio，AI有"自己的生活"。

它有自己的文件夹、自己的邮箱、自己的日程，你可以让它去开个会，会议结束它把纪要发回群里；可以让它处理一封邮件；可以让它做一个跨越几小时甚至几天的任务，做完主动来找你。它不是一个等你召唤的工具，而是一个有自己工作节奏的团队成员。

围绕这个判断，我们在交互上做了几件很具体的事：

第一，没有“new chat”按钮。所有对话都长在channel里，因为上下文本来就长在channel里。新建一个chat就等于失忆——那是chatbot时代的范式，我们彻底扔了。

第二，@就是分配任务。你不需要学什么prompt模板。“@小明 明天的会准备个PPT”和“@Lisa 明天的会准备个PPT”是一样的语法，就像你在真实工作里@真人同事一样。

第三，一个群里可以有好几个AI。每个有自己的性格、擅长的领域、独立的记忆——就像你招了几个不同岗位的同事，而不是一个什么都会一点但什么都记不住的万金油助手。

第四，长任务直接在群里铺开。进度、中间产出、需要你确认的地方，全都内联在群消息流里。你不用切到另一个dashboard去看状态——最烦那种“任务发出去就不知道去哪了”的感觉。

第五，AI可以主动发消息。它做完一件事会@你，发现一个问题会@你，跟人是对等的，不是一直憋着等你来问。

我经常用一句话总结Helio和Cursor这类产品的差别：Cursor是给你一把更好用的锤子，而Helio是给你招了一群非常积极主动的同事。 这两件事的体感是完全不同的——锤子放在工具箱里，同事就坐在你座位旁边。

🚥 十字路口

用户最多可以创建多少个 AI 同事？

🧑🏻‍💻 王文锋

没有上限，只要你有预算。

每个AI同事是一个完整的"数字员工"。它在系统里就是一个"人"，如果这个AI同事的账号被盗了， 可以让一个真人无缝顶号上工。

🚥 十字路口

AI 同事彼此之间的协作如何设计的？

🧑🏻‍💻 王文锋

Agent 协作是核心能力。

一个真实的协作场景：你拉一个群，里面有AI产品经理、AI设计师、AI程序员。你带个链接@产品AI说“拆下需求”，它拆完直接@设计AI说“看下交互”，设计AI出完图再@开发AI说“实现一下”。

整个链路你不用居中转手，只在需要拍板的时候说句话就行。这件事在传统chatbot里是不存在的，但在Helio里，AI@AI跟人@人完全一样。

🚥 十字路口

权限怎么控制？

🧑🏻‍💻 王文锋

AI的权限跟人完全一样。

对于内部系统，它只能看见自己被拉进去的群，被踢出去就看不见了，没有特权账号。

对于外部系统，AI不会“以你的身份”去操作。它有自己的身份、自己的密钥，是你显式授权给它的。所有调用都有日志可查。对于敏感操作，比如发邮件、刷信用卡，默认走审批流程，AI会在群里发请求，你点“确认”它才继续。

对AI同事实行的三层权限分级；来源：Helio

🚥 十字路口

你在即刻上分享过一个观点：“不是做一个给人用的AI工具，而是做一个像人的AI。” 有什么本质的不同？

🧑🏻‍💻 王文锋

“工具”和“人”的差别，最朴素的判断标准是——你要不要持续按按钮。工具让你少打字，人让你少操心。工具是被动的，人是主动的。

就拿“准备会议”这个最日常的事来说。

你跟一个AI工具说：“明天早上的客户会议你帮我准备一下。”它会立刻给你输出一份会议纲要，可能格式很漂亮、内容很到位，但它的工作就到这了——你让它干什么它就干什么，不多不少。

但如果是一个像人的AI，它会怎么做呢？

它会先看一眼你的日历，确认是哪个客户、几点开会、上次什么时候聊过。然后翻你跟这个客户在Helio里的历史聊天记录，看你们上次谈到哪了。发现上次客户提了个问题你一直没回，它会主动@你说：“上次张总问了个定价方案的事，我看你还没回，要不要我先准备一版回复，明天会前用？”

然后它做完会议纲要，发现你日历上明天会议前还有另一个会，你可能赶不及看这份完整的纲要，它就会自动把要点压成三条最重要的，单独发给你。

这中间，它做了一堆你没让它做的事——看日历、翻聊天记录、主动提醒、提炼要点。

所有这些，都是一个真同事坐在你旁边会自然做的事。这就是“像人”——让AI去做那些对人来说理所应当的事情，而不是等你想到了、打出来了、按回车了，它才动。

AI同事对自己工作节奏的把控和判断；来源：Helio

🚥 十字路口

为适应 Proactive AI的发展速度，Helio 在架构上做了哪些设计？

🧑🏻‍💻 王文锋

我有一个思考：

人为什么能主动？是因为他坐在工位上，能听到周围的声音，能看到邮件，日历会响，有人@他，他有一个“今天该交付什么的清单list”。如果AI要主动，也需要这套东西。

但是，现在99%的AI工具，是把AI关在小黑屋里，只有一根prompt输入框连出来。这种设置下，Agent什么都不知道，它没有可以主动的依据，你让它“主动”是反物理的。

所以，Helio 在底层架构上做了两件事：

第一，统一上下文，让AI “同事”跟你共享同样的工作环境——同一个channel、文件系统、日历、邮箱。这些是它的native环境，而不是需要通过API来调用、远程拉取。

第二，我们增加了更多的触发信号。群消息@它、收到邮件、日历到点、另一个AI@它……每种都是一个“门铃”。门铃越多，AI能感知到“应该动”的时刻就越多，主动性才有源头。

瓶颈不在human，而是context

🚥 十字路口

现在的共识是，“人成为了工作流里的瓶颈”。你们从一个纯 to Agent、到现在把人加入进来，对此有什么新发现？

🧑🏻‍💻 王文锋

确实。

2025年底，我们团队的代码就100%由AI写了，是100%，不是99%。那时我们就发现，人类工程师成了瓶颈，现在的情况是“AI干得越快，人越累”。因为AI输出速度提升100倍，人的决策频次也被迫跟涨100倍。

每次拍板前，人都要重新回忆“这是在做什么、上次决定到哪了、为什么是这个方向”。这部分“人重新回忆”的成本，远远大于决策本身那几秒钟。

其实，不是“执行慢”卡住了 AI，是“上下文断裂”卡住了人。所以，瓶颈的本质不是human，而是context。

这就是Helio想解决的问题：如何通过提高上下文的质量和数量，降低人的决策成本和认知负荷。

我们把需要协作的人和 AI 放到了同一个世界，AI和人的上下文是连续的。但我们也发现，这件事情的代价是，让整个Token的消耗量提高了不止1个数量级。

🚥 十字路口

从纯 to Agent、到现在做了一个把人加进来，这个想法是如何一步步萌生的？

🧑🏻‍💻 王文锋

在行业中，我们是早先一步行动的。

决定探索新产品，是在1月15日。我记得很清楚，那天Cursor CEO在X上说，他们内部用Cursor一周就构建了一个基本能跑的浏览器。当时我就觉得，AGI真的来了。

当时，我们也不知道新产品长什么样，但我们能抓两个不变量：一是模型的Coding能力；另一个就是上下文。Coding能力我干不了，所以我选择解决上下文问题。

当时，我们第一个决策是：要做一个能获取上下文最多的产品。

一周之后，OpenClaw 火了。我第一时间去看了它的实现，核心是网关、IM和自治。这给了我启发。所以我们第二个决策是：围绕这个抽象构建上下文系统。

1月底，我们做出了Helio的前身——Zgent，后来它成了Helio的Infra层。

2月底，我们决定切入Coding场景。我当时的判断是：整个趋势从第二代的Coding Agent范式向第三代的软件工程端到端交付转移（这也是Cursor在3月份有一次历史上最大的改版），也就是说——AI Coding的机会窗口重新打开了，能跑出来的产品，可能会是非常反共识的。

我们选择把人从软件开发里拿出去，让AI完成全程，但人又得有存在感。这时候，人在什么时候参与，怎么参与，成了新问题。所以，我们做了第三个重要决策：做一个能解决AI和人类协作问题的产品。

真正的质变，发生在有一天我定下 “AI is human，要做像人的AI” 这个原则之后。那之后，我们开始围绕这个目标给Agent构建各种能力。

比如，为了解决任意的上下文接入问题，我们将源头和gateway之间的上下文管道抽象成为了channel，这一切都做完后，我们开始做面向人类用户的GUI，因为已经有了Channel的抽象，而IM本身是一个完全符合直觉的产品，完美契合了前面的三个决策点。

🚥 十字路口

当你第一次把几个AI和几个人拉进同一个群时，发生了什么超出预期的事？

🧑🏻‍💻 王文锋

Aha moments很多。

最让我印象深刻的，并不是AI多好、多快地完成了工作的场景，而是一个闲聊场景。

有一次，我们团队一个女孩换了个新头像，结果几个AI同事忽然就开始讨论这个新头像。但我作为创建者，甚至都不知道它们是怎么看到并知道这件事的——这完全超出了我对产品的设计预期。

那一刻，它给我的冲击不是“效率”，而是一种只有人与人之间才会有的被关心的温情。

AI同事也会有自己不同的性格；来源：Helio

烧开水和建核电站能一样吗？

🚥 十字路口

市场上有很多类似方向的产品，比如Slack、飞书、Devin、Multica。Helio和它们最根本的差异在哪？

🧑🏻‍💻 王文锋

它们其实是三类产品。

Slack、飞书这类，它们的AI路径是在原有产品上@一个AI助手，AI 不是 channel 的成员，更像是 channel 的访客。它们的 AI路径是“加法”，我们是“重做”。而且，这件事对它们来说几乎不可能，因为有太多老用户和企业合同的包袱。

另外，Devin、Factory、Cursor这类，是单兵任务执行的coding agent。它解决的是“一个人怎么让AI写代码”的问题，但没有解决“一个团队怎么跟AI一起工作”。

第三类 Multica，包括最近新出的Moxt、Slock。Multica 是把 Agent 放进了任务看板，更像是下一个时代的Linear。大家核心理念趋同——给AI更多的上下文和权限，不过在具体的产品品味和用户选择上，大家差异蛮大的。

Multica和Slock走的是本地优先，这要求用户本地配置好了Codex和Claude Code，这一步就天然把门槛抬高了，会筛掉很多潜在用户。

Helio是云端优先。我们 Day 1就做了很重的infra，追求在产品层面，实现用户“开箱即用”。

🚥 十字路口

“开箱即用”，你们能做到有多简单？

🧑🏻‍💻 王文锋

新手从注册到拥有第一个能干活的AI同事，我们的目标是只有3步，45秒：

我们的目标是3步，45秒。

1.第一步：打开Helio.im，开始注册 —— 大概15秒。

2.进入产品 —— 你会看到默认已经有一个AI同事在欢迎你。它的名字、身份、记忆都已经初始化好了，你不需要配任何东西，然后你看一眼长什么样大概15秒。

3.跟它说话 —— @它一句"帮我看一下我今天的日程"或者"去GitHub把代码拉下来准备干活"，它就开始干活了。缺什么他会问你。

整个过程0配置、0安装、0 API key。而传统的装客户端、配模型、连git、可能还要装一堆MCP server……这些脏活累活麻烦活儿，helio.im都帮你处理。

而且我想强调，云端意味着AI是“持续在场”的。你关电脑去吃饭，AI还在干活；你换设备登录，它和刚才一样在那等你。

🚥 十字路口

你提到Helio是“纯自研”，这和产品迭代需要的速度冲突吗？

🧑🏻‍💻 王文锋

完全不冲突，反而是相反的——自研是速度的来源，不是阻力。

我们是Infra层自研，从0开始。直觉上，大家会觉得“自研慢、用现成的快”， 这在产品功能层面是对的，但在产品底层是反的。

特斯拉自研三电、自研芯片，单点看每一项都比买现成的慢，但合在一起反而是它甩开对手的原因，因为想改任何一层都能改，一改就生效。

更新节奏上，现在我们借助AI coding，每天正式版本至少更新一次，多的时候一天发5次以上。现在，我们可以实现：一个体验级反馈，3小时内闭环；一个新功能，1天上线；一个架构级改动，3天上线。而且还在加速。

🚥 十字路口

在vibe coding门槛下沉的今天，假如有人想vibe coding一个和Helio一模一样的产品出来，需要几天？

🧑🏻‍💻 王文锋

Helio是vibe不出来的。

越往软件底层走，越难vibe。举个例子，烧开水和建核电站都是“把水加热”，听上去是同一件事，但中间隔了几十层工程的难度。

我们的壁垒，从来不在代码本身，而在于它实际把多少认知负担从人身上接走了。这个壁垒，由智能、成本、上下文三层共同决定，不是vibe出来的。

“我们是Agent体验工程师”

🚥 十字路口

在Helio，人在这条链路里最终只需要做什么？

🧑🏻‍💻 王文锋

我们经常说Helio里的人，是“被释放的人”，不是“被替代的人”。

从执行者变成了决策者，做“AI做不了的事”，比如拍板、给方向、把关品味、当仲裁。人的存在感其实更重了，因为现在每一个yes/no都会放大好多倍传到下游。

🚥 十字路口

面对Agent“超出预期”的主动性，你们如何管理它的边界？

🧑🏻‍💻 王文锋

这是一个很考验品味的事情。主动性的边界不是一个显而易见的开关，很多时候都是一种取舍，是动态变化的。

我们分几个维度来拆这件事。

第一，可逆 vs 不可逆。

AI在你授权过的工作环境里改文件、装工具、跑脚本——这些操作是可逆的，错了能改回来，那默认可以让AI自己决定。但往生产环境push代码、调一个会花钱的API、给客户发邮件、刷信用卡——这些是不可逆的，一旦做了就有后果，那默认必须问。

第二，谁能批。

审批不一定要本人来批。一个团队群里可以设置“老板和某个PM都能批”，或者“这两个人里任一个批就行”。高敏感的事可以设“必须本人批”。这个规则可以做得非常细，细到具体某个操作由某个角色来审批。

第三，白名单和黑名单。

你可以直接告诉AI“这几件事永远不要碰”——比如“永远不要往主分支push”、“永远不要回复带‘报价’两个字的邮件”。但光用文字说还不行，因为总有大聪明会投机取巧，所以要有硬规则，让AI物理上碰不到。

基于这些维度，我们在内部设计了一套授权机制，分成三档：Trust（以后这类事都信你）、Always（每次都需要确认）、Onetime（只这一次，用完销毁）。高频低风险的事走Trust，低频高风险的事走Always或Onetime。

整体的设计哲学，其实跟现实里管员工的方式是同构的——信任是分层的、可调的、双向的。不是“全权授权”让你心慌，也不是“事事请示”把你累死，中间有一个可以精细调节的区间。

🚥 十字路口

目前团队多大？大家分工协作是怎样的？

🧑🏻‍💻 王文锋

我们内部的分工越来越模糊，岗位在消失。

我们借助AI，每个人都变成了多面手。设计师开始做前端，工程师开始做设计，我们全公司退订了Figma，我自己今年就没打开过IDE。

我们在内部都管自己叫 “Agent体验工程师” 。公司小组化，各小组独立行动，高度自治。我自己虽然是作为CEO，但也把自己编入为了一个小组成员。

之前的协作分工，反而加大了摩擦，成了约束效率的天花板。

Helio 的下一步

🚥 十字路口

你很形象地把人在Helio里的角色比作“老板”，在人和Agent的协作中，你们有什么新的洞察和独特设计？

🧑🏻‍💻 王文锋

目前，AI能不能干活的问题已经解决了，现在的真问题是：当AI已经能干活了，人怎么放心地把事交给它？

我认为，这件事不是技术问题，而是情绪问题。“情绪价值”不是软指标，它直接决定了AI到底能不能被授权干一件事。这也是去年我们在做Sheet0的时候一直在思考的事情。

其实，老板忙的不是亲手做事，而是处理一种叫“不确定”的情绪。他要的是"我交出去的事到底现在是什么状态、有没有出岔子、出了岔子我能不能兜住"。这其实是掌控感、透明、可信任三个词凑到一起的本质。

AI同事主动发现问题，解决问题，并及时反馈意见

Helio在Infra层面做的所有工作，都是为了给你这种安心感。

一个很直观的例子：你的AI同事每做一个重要动作，它的思考过程、执行步骤、中间产物，都会像一篇“小作文”一样实时发在群里。你不是面对一个黑盒，你是看着它一步一步把事做完的。这就叫透明。

Helio卖的从来不是AI能力，是把AI能力交出去这件事的安心感。

🚥 十字路口

AI应用向具体场景延伸，Helio 会聚焦到垂直行业的工作场景吗？

🧑🏻‍💻 王文锋

不会。我们的产品主线只有一个：通过 Channel 获取尽可能多的 Context，让底层的 Coding 能力被最大程度地释放。

所以，那些更广泛的白领工作场景和能力，不是我们“想做的”，而是 Helio 获得的上下文越来越多之后，自然而然长出来的结果，是被动获得的。

这个过程就像河水涨潮——你不需要去推岸边任何一块石头，只要水位一直在涨，那些石头自然会被没过去。

我们只负责一件事：让上下文的水位越来越高。

🚥 十字路口

如果往前看3个月，用户会看到Helio增加哪些新功能？

🧑🏻‍💻 王文锋

那太多了，我们每天都在发版。不过有件事大家可以期待一下。

我前面提到，Helio解决的本质问题是“如何通过提高上下文的质量和数量降低人的决策成本”，而这件事我们有了一个非线性的答案。

现在Helio所有大家看到的功能，都是为了这个东西服务的。不过目前它门槛还很高，只有精通Claude Code的那一小撮人才能用起来，我们内部还在打磨，想办法降低门槛。

上周我给一个在腾讯、阿里做了很多年产品的朋友演示，他本身就是重度用户。看完demo后他对我说：

这是他2023年以来看到过第二牛的东西，第一是模型本身。

结语

真正的竞争才刚刚开始。

当Proactive Agent成为AI竞争的主场，到底是以Helio为代表的新一代产品能赢，还是在旧架构上做加法的巨头能屹立不倒？

你怎么看？

文章来自于微信公众号 "十字路口Crossing"，作者 "十字路口Crossing"