01 他是谁 ::: Yohei Nakajima。
如果你在 2023 年关注过 AI Agent 的早期浪潮，这个名字你应该认识。他写了 BabyAGI——那个引发了很多讨论、让大家第一次直观感受到「AI 自己给自己排任务」是什么感觉的开源项目。
白天他是 Untapped Capital 的 GP。
每个季度，他会给自己的 LP 开一次 AI Session——专门复盘这个季度 AI 世界发生了什么、他们在用什么、在实验什么、看到了哪些值得关注的方向。
上周这个季报刚开完，有 LP 跟他说挺有价值，建议他公开分享。于是他把缩略版发到了 Twitter，是个长 thread。
我完整看了一遍。
坦白说，前半段的趋势判断，大多数关注 AI 的人看完应该会点头——对，这些我也知道。但后半段他展示的内部工具，是我最想聊的部分。那才是这个 thread 最实在的东西。
02 他们在跟踪什么趋势 ::: 先把趋势那部分说了。
OpenClaw + 编程模型的进化
Yohei 说这个感觉「好久以前的事了」，但他还是专门留了一节来记录。2025 年 Q4 编程模型整体有大幅提升，然后 2026 年 1 月初出现了一波「并行跑 Claude Code」的热潮——一台机器同时跑好几个 agent，各自处理不同的任务，实际交付速度快了好几倍。ClawdBot 在 1 月末也突然爆了。
他把这波的推动力总结成三件事：模型本身变强了、自己买 Mac Mini 当服务器变成常见操作、工具的接入口变多了 （不只是网页，还有 API、各种 channel）。这个组合放在一起，就是门槛突然低了一大截。以前要搭 agent 系统，需要云服务器、需要懂基础设施；现在很多人直接在家里跑了。
Anthropic 和美国国防部那件事
2 月那一周，这件事在国内外科技媒体上铺天盖地。但 Yohei 的判断很冷静：这只是一个客户。
他说真正有价值的是附带的消费者认知度拉升——App Store 排名第一、上了《时代》周刊封面。这是一种曝光，不太可能换来三年的营收。但对 Anthropic 的品牌渗透来说，这是一次有效放大。这种判断方式很典型的 VC 视角：不看单次事件，看它对长期指标的影响。
Mythos 没有发布
这个细节被 Yohei 专门拿出来提了一下。他的描述是：OpenAI 把竞争对手的激进发布行为定性为「恐惧营销」；同时，他们自己的 Mythos 模型迟迟没有发出来，官方说法是「太危险了」。紧跟着是美国国防部相关的讨论，还有特朗普那句「有可能把他们拉回来」。
他没有明确下判断，只是把这几件事排在一起。能读出来的意思是：整个 AI 行业在安全和速度之间的张力，在 Q1 开始变得更明显了。
Q1 的一批新发布和他投后公司高度重叠
这一点 Yohei 说得很有意思。他列了 Q1 的一堆 AI 产品发布：Codex Desktop（并行编程）、Claude 的 Managed Agents + Agents SDK 升级、Codex Security（代码安全审查）……然后他说：这些方向，他都在自己的投资组合里见过类似的早期公司在做。
这不是抱怨，是一个观察：以前的「创业护城河」在缩小，能做到这些事情的不只是创业公司，大模型厂商自己也在往这个方向走。 他说「这感觉已经不是一个趋势了，这是我们预期会发生的事情正在发生」。这句话蕴含的信息量，比表面上多。
Claude Design
他说他专门用了整整一节来讲这个，因为「太喜欢了」。这个 LP 季报 deck 本身就是用 Claude Design 做的。他描述底层架构是：Claude Code + 一套对「输入有什么」（字体、Logo、品牌色等）和「输出是什么」（幻灯片、设计文档）都有明确 ontology 的框架，再配上一套匹配的 UI。他猜测每个 ontology 下面是一批专门的 agent 在执行。
这让他喜欢的原因是：它知道你想要什么，而不是给你一个空白画布让你自己摸索。 大多数 AI 设计工具还停留在「你告诉我你想要什么」，Claude Design 的感觉是「我已经知道一些你在意的约束，你只需要告诉我主题」。这套 deck 就是 Claude Design 做出来的——那种干净的暗绿色背景、衬线字体、排版克制的风格，Yohei 被好几个人夸字体用得好，他回「那是 Claude Design 的功劳，不是我的」。
种子轮估值变化
他说这块没太多新东西，对 VC 圈的人不算惊喜。大机构历来把种子轮当成期权购买，现在往这个阶段砸的钱更多了。简单带过，重点在别处。
03 他们自己建了什么 ::: 趋势部分说完，他切换话题：
「介绍一下我们最近做的投后数据监控工具。」 我看到这个标题，马上往下拉。这类东西放在创始人的 Twitter 上有时候只是个噱头，但 Yohei 放出来了大量截图。看完之后，我觉得这是整个 thread 里最值得深想的部分。
数据来源：Attio + Gmail + Granola 。这三个工具放在一起，基本上就是一个 VC 的完整工作面：Attio 是 CRM，投后公司的结构化信息在这里；Gmail 是和创始人的往来邮件，里面有大量非结构化的更新、报告、问题；Granola 是 AI 会议笔记工具，他们开会时自动生成的摘要和行动项在这里。
以前这三个系统是孤立的。你要了解一家投后公司的最新情况，得手动去三个地方翻，再在脑子里整合。现在这个工具自动读取三个数据源，用 AI 提取数据点，按时间轴聚合成每家公司的视图——定量的（收入、烧钱速度、跑道）和定性的（情绪、关键挑战、最近的进展）放在一起。
这里有个值得停下来想的事情：Attio、Gmail、Granola 这三个工具，各自都有自己的用户界面和数据格式，没有人告诉 Yohei 「它们应该这样连在一起」。是他自己决定的——我的数据在这三个地方，AI 应该能把它们整合起来。几年前这样的想法，实现代价太高，大多数人想完就算了。现在，想法和实现之间的距离缩短到了 Yohei 能自己搭出来这套系统。这个缩短本身，比任何具体功能都重要。
这是一个很经典的「AI 作为粘合剂」的案例。
04 那个总表是什么感觉 ::: 他放出来的第一张大截图，是一个投后公司的总览表。所有被投公司列在行里，列包括：收入、月烧钱额、跑道、账上现金、累计融资额、当前融资状态、互动次数、引荐次数、情绪评分、数据新鲜度评分。表格可以按任意列排序。
这些数据要手动填，一个月要花多少时间？他有多少家投后公司？每次找一个数字都要去问创始人或者翻邮件？
现在这个表格里的数据，不是手动填的。是 AI 从那三个数据源里读出来的。
有一列叫「数据新鲜度评分」——这个细节很有意思。它告诉你这个数字上次更新是什么时候，如果已经很久没有刷新，你知道要去主动问一下。这是一个可靠性指标，直接内嵌到表里。
05 点进一家公司看到什么 ::: 单个公司页面，他展示了两张截图。
第一张是概览：财务数据、KPI 分析（系统自动给出的判断，不只是数字）、创始人的 Asks（他们在求什么帮助）、近期的 Wins（进展）、Challenges（挑战）、完整时间线。这基本上就是一个 VC 在开投后会议之前应该掌握的全部信息，但它是自动生成的。
第二张是数据点溯源。点一个具体的数字，能看到它的完整历史：什么时候第一次出现、从哪里来（某封邮件的某段话、某次 Granola 笔记）、原始表述是什么、系统怎么把它归一化成标准的年化和月度格式。
旁边有一个「Ignore」按钮。如果这个数据点不准确或者不应该被计入，直接忽略，从分析里排除。
这个设计让我想到一件事：现在很多人用 AI 生成数据，但不给用户一个「质疑入口」。数据看起来很全，但你不知道它是哪来的，也不知道能不能信。数据溯源 + 人工干预，是让 AI 生成的系统真正变得可信的两个关键机制，很多产品都少做这一块。
Ignore 这个按钮看上去很小，但它解决的是一个很大的信任问题：你对这个系统的信任，是建立在「我知道我可以纠正它」的基础上的，而不是建立在「我相信它永远是对的」。 后者不可能存在，前者让工具变得真正可用。
06 三个 Dashboard ::: 他后面还展示了三个专项 Dashboard。
融资 Dashboard。 一眼看出谁在融资、谁在考虑融资、各家的跑道情况。这个对 VC 来说价值很直接——你在一张图上就能看到「哪些公司快没弹药了」，可以提前主动接触，而不是被动等创始人来找你。
互动 Dashboard。 我和哪些公司互动了，互动频率是多少。哪些已经很久没联系了。这让一件以前依赖记忆和感觉的事情，变成了可量化的东西。VC 的时间怎么分配，数据说话。
累计收入图表。 整个投资组合的年化收入增长曲线，合并在一张图里，纵轴是累计数字。他说刚开始玩这类聚合视角的图表。对 LP 来说这是个很清晰的答案：你投的这些公司，加在一起，在往哪个方向走？
07 解决了老问题的新功能 ::: 他提到的一个功能让我觉得特别有意思，叫 check-in campaign。
用 Yohei 的原话描述是：「我从来没有发过定期 check-in 邮件。」
他说他以前从来不发 check-in 邮件，原因很具体：他觉得如果不告诉创始人「我知道你最近情况怎样」，发一封「最近怎么样」的邮件会显得他根本没在关注，只是走流程。这个顾虑很真实。创始人很忙，每收到一封 VC 的泛泛 check-in 邮件都是一次干扰。
但现在他可以这样做了：系统自动生成一封邮件，内容是「你上次跟我更新是某月某日，你当时提到了 X 数字，这是我现在存档的最新信息，如果已经更新了麻烦告诉我」。
用数据来开头，创始人马上知道这不是走流程，这是真的在跟踪。
他说 response rate 很不错。创始人回复率高，因为感受到的不是一封套路邮件，而是一封真的有准备的邮件。
我觉得这个功能的设计逻辑是一个通用原则：如果你能在开口之前先展示你已经知道了什么，对方的信任成本会大幅降低。这不只是 VC 和创始人之间适用，销售、客户关系、任何需要定期 follow up 的场景都一样。
08 75% 的 Asks 都是要引荐 ::: 另一个分析：创始人在求什么帮助？
以前这些 Asks 散落在各种邮件和会议记录里，没有人系统地整理过。现在所有 Asks 都被提取到一个地方，可以统一分析了。
结论：75% 的 Asks 都是关于「能不能帮我认识某类人」——不是产品建议，不是融资策略，是人脉引荐。
这个比例其实我不意外。VC 最核心的价值之一就是网络，引荐是最高频的需求。但一直以来这件事是靠 VC 的个人记忆和主观判断来处理的——「我知道谁谁可能适合」——这个过程非常不系统，严重依赖 VC 自己的时间和精力。
Yohei 说下一步他想看看能不能把这部分自动化，提高处理速度。他也说这目前还是手工 + 零散的，正在测试一些外部工具，提到了 happenstance 这个产品。
09 他花了多少钱 ::: 有人在评论里问：你一个月烧多少 Claude tokens？感觉不敢想。
Yohei 回：大概 $500 到 $1000 一个月，加上所有 AI 工具。然后补了一句：比那些整天并行跑编码 agent 的人少多了。
我觉得这个数字是一个很好的锚点。他描述的这套系统——从数据抽取到 Dashboard，从 check-in 邮件生成到 Asks 分析——每个月的实际花费是 $500 到 $1000 美元。这不是什么豪华研究项目，这是一套工作基础设施。
10 这件事对我来说意味着什么 ::: 看完这个 thread，我想了一会儿。
大多数 VC 写 AI 趋势报告，是一种旁观者角色：我观察到了什么，我判断什么会发生。
Yohei 这个 thread 不一样。他不只是在说「AI 会改变 VC 行业」，他在说「我已经在用 AI 改变了我的工作方式，这是截图，这是实际体验，这是花了多少钱」。
那个区别，比任何一条趋势判断都实在。
还有一点值得单独提出来：这套工具的数据来源是三个已经存在的系统——Attio、Gmail、Granola。这些工具没有给 Yohei 提供什么 API 文档或者官方集成，他是自己用 AI 把它们连在一起的。
这件事本身，就是一个关于「谁来整合数据」的论断：不是等工具提供商告诉你怎么用，是自己决定数据怎么流。
以前这种整合需要工程师、需要时间、需要钱。现在一个 GP 自己就能搭出来，然后拿给 LP 展示。
还有一个角度值得一提。Yohei 做的这套工具，本质上是在解决一个「信息不对称」的问题——不是创始人和 VC 之间的信息不对称，而是 VC 自己内部的信息不对称：那些已经在系统里的数据，你其实没有真正在用。Gmail 里的邮件你没时间翻完；Granola 笔记记了但很少回看；Attio 里的字段更新不及时。这些数据名义上是你的，但你在决策的时候其实大量依赖的还是印象和感觉。
AI 做的事，就是把你已经有的数据变成你实际能用的工具。不是一个「AI 替代了什么」的故事，这是一个「AI 让已有的资产开始真正工作」的故事。
他在 thread 最后说：「每季度做这种复盘，是整理自己思考的好方式，LP 们也挺喜欢的。」
轻描淡写。但这个习惯积累下来，是一个和那些不做这件事的人越拉越远的飞轮。
粤ICP备14082021号
免费POC，
零成本试错
