张路宇：我们专门招大厂不要的人，Dify赢在组织方式上
一款AI原生应用仅用两年多就交出这样的成绩单：
全球1000+社区贡献者，GitHub Star数量接近12万，累计下载量超500万次，跻身全球开源项目Top50，覆盖150多个国家和地区，深度服务40+家全球500强企业。
这就是张路宇创立的Dify，核心目标是帮助全球AI创业者降低应用AI技术的门槛。它曾一度在开源大模型中间件领域全球增速第一。如今在全球AI应用开发平台中，Dify依然是行业风向标的产品。
本期「和牛商业」整理了张路宇创业感悟和对AI大模型及AI应用发展的思考，希望对大家有所帮助。
一、创业的动机是不满意现状
1. 创业的第一种动机，是不满意现状，现状没有把我的潜力发挥出来。
第二种动机是创造的欲望。你各方面有了积累之后，会觉得有些产品不够好，或者问题没有被解决好，你想去解决它。
第三种是基于利他主义的。你希望帮助同事、员工发挥他们最大的潜力。对于用户也是，我希望用户在解决一个问题的时候，用的是世界上最好的产品，不需要走弯路。
2. 我一直坚信创业机会来自于非对称信息。非对称信息在公开领域，尤其是自上而下的宏观视角中是很难被获得的，但在微观领域却无处不在。这些信息可能存在于你的心智中、在你身边的人以及你服务的对象中。
3. 我个人觉得创业第一个问题是要想清楚，你要服务哪一群人，哪个是你的目标用户，然后钻到他们中间，和他们不断的去交流，这是获取非对称信息的最佳方式。
4. 我做程序员的时候，发现我上面的Leader们的技术管理做得不好，导致大家的效能发挥不出来，工作没有价值，所以我被迫去做技术管理。
当我去做技术管理的时候，发现我技术搞得再好，这个产品方向不对，那也没有意义，那我被迫去做产品。
当我做了产品之后，发现公司战略有问题，这个产品做得好也没有用，那我只能去做CEO了，因为我非常关心做的事情有没有价值。
5. 作为一个产品人，当你想做一件事的时候，最大的挑战就是找出一个没有被满足的空白市场，空白市场最好的来源又一定是你自己的体感。
一定是你自己在情感，时间，技术，认知上没办法满足的时候，你才能去深刻的理解这是一个什么样的需求，要通往哪里，达到什么样的目的，中间有什么东西没有解决。
6. 创始人在融资或者对外讲故事的时候，为了讲一个性感的故事，他会反复地打磨，直到这个故事讲到天衣无缝。这会带来一个好处是，由于一个故事讲了30遍，你自己一定深信不疑，哪怕你原来没有那么信，但是讲了30遍之后，你自己给自己洗脑。
但是，同时你要保持冷静。其实你讲的故事也许是错的，也许是带有很多无效的假定，你讲完故事拿到钱开始创业上路之后，你要时刻回头看看你做的事情对不对。
也许你要从头基于第一性原理去考虑你所有的事情，而不能基于自己这个自证预言去做产品。
7. 一个产品经理重要的职能就是做需求的抽象，在无数的需求中抽象出最大公约数，并且在每一个功能上和特性上排优先级，这个过程一定是用户驱动和数据驱动的。
8. 创业是创始人对过去精力的变现时刻。
9. 我们第一轮天使投资人，没有大篇幅跟我聊商业模式怎么样，而是说“我喜欢你们的故事、喜欢你们的团队”。这是一个非常柔性的、感性的评价。
10. 我们最大的创业挑战是需要持续的创新。（当下）技术环境、市场资金密度、团队人才密度都是极高的，聚集了全球最多的钱、最好的人、最激烈的竞争。
你想在这个过程中活下来，得用一种快于过去3-5倍的节奏奔跑，相当于以前创业是马拉松，现在你要拿短跑的速度跑马拉松。
11. toC产品是符合演化论的，有一个赛马机制，一些好的想法在快速市场验证中会出来，还有一些注定需要一次又一次的尝试。
toB，难赚钱、需要跟客户喝酒、回款非常慢、需要非常大的销售团队、需要有很多合作伙伴。这不是一个新兴的创业公司应该去做的事情，更多是云厂商等积累了很多资源的公司才能去做。
我们选择的模式叫PLG（产品驱动增长） toB，通过开源社区、生态，完成最大化的市场覆盖率，达到最低的获客成本，通过toC的成长速度、最终触达toB的用户给你付钱。
二、一个好的技术产品必然是全球化的
1. 我们不用“出海”这个词，我们用“全球化”。技术类产品本身没有那么强的文化属性，本来就是跨国界的，一个好的技术产品必然是全球化。
2. 一个技术产品，中间件，在中国火，在海外不火，那不是一个成功的产品。全球化是逼迫我们去做最领先的、最有效的市场中的有效需求。
3. Dify第一轮融资，很多投资机构不buy in，他们认为大模型是高科技，非常牛逼，中间件好像没啥东西。但是现在你再回来看中间件，会发现做好的人不多。原因是大家低估了工程难度，所有的这类问题背后是工程问题。
所谓的工程就是很多复杂的东西排列组合，达到一个最优状态。我们也可以说所有的硬科技后面也是工程，只是颗粒度不一样。
4. 包括BAT在内的大公司，以及一些模型厂商等，开始复制我们的产品。然而，不同公司的视角是不同的。
举个例子，如果你是一个大型模型厂商，你做平台时可能更注重满足自家模型的需求和标准。如果你是云厂商，你最终关注的是算力的销售和利用。
每个公司都有自己的视角和关注点。初创公司的优势在于更加敏感。我们以服务开发者为目标，专注于如何更好地满足他们的需求，让他们的应用顺利上线。
5. 我们真切的、自己内部定的北极星指标是基于Dify投产的用户数——拿Dify做了什么东西且赚到钱，或者他获得了PMF（产品市场匹配度）。
它是一个非常深度的指标，它也指导我们去选择用户，排除一些无效的需求。这个指标虽然很难做，涨得很慢，但是很有用。
6. 我们创业时做了三个选择：一、我们坚定的选择第一天就做全球化；二、我们是一家PLG toB公司；三、我们做的一个最危险的决定：产品第一天就在GitHub上开源，99%的开源。
7. Dify在过去一年半已经服务了全球500强企业中40家，传统来说，一个toB企业做到三五年才能接触到这些厂商，而且我们获客成本几乎为0，从公司创立到现在，我们一共花了不到40万人民币市场费用做到这个数字，这是PLG toB的力量。（2024年12月）
8. 开源其实是一种市场补贴，你要去构建一个价值网络，双边市场，早期肯定是要补贴，开源补贴也是其中一种。
9. 开源是Dify在产品战略中非常重要的一个决策。开源可以帮助我们解决几个方面的问题。
第一是它有助于顺利的全球化扩张，并快速增长市场份额。其次，开源让用户觉得我们是安全的。在面向许多企业时，我们无需复杂的证明过程，就能建立我们的信誉。
10. 开源可以加速我们成为某种全球标准，这是我们追求的最高目标。现实中的好处是，我们获得了大量用户反馈。
我们每天都有二三十条来自各个国家不同企业的商务线索，比如我们在迪拜几乎没有获客成本，这在传统的toB和toC业务中都是很难以置信的。
没有获客成本意味着你的毛利可以非常高，你的团队不需要大量的Sales，只需清晰地向客户介绍我们产品的价值主张即可。
11. 我们最宝贵的东西，是我们已经连接到的几千个开发者。他们遇到了什么样的技术难题？受到了成本限制等等，他们会把这些信息毫无保留地告诉我们，甚至不一定会告诉模型厂商。
12. Dify GitHub页面上甚至有一个语言是克林贡语——就是星球大战里面说的那个语言，是为了提升西方用户的文化黏性。
13. 我希望去做商业、艺术和技术三重成功的事儿。
三、AI能让普通人和大公司拼一拼
1. 为什么大家对Agent和开源模型这么热衷？因为它实现了这个时代的技术平权。一个工程师、一个技术人员，他们从来没有如此接近一个这么强大的武器。
虽然它成熟度不高，但大家想到的是当我有了这个东西，我可以一抵百，我可以和大公司去拼一拼，做各种我想要的事情，所以这个东西对他们来说是实在是太有吸引力了。
2. 泛娱乐和生产力工具两个方向特别好。
首先，历史上新技术的演进，比如DVD的快速普及靠的是娱乐内容驱动，本质是刺激消费者的多巴胺。包括PC时代的各类经典游戏，比如最早期Windows的纸牌游戏，微软做的帝国时代游戏都属于这一类。
第二，PC时代带动个人电脑销售最经典的应用是生产力工具Excel，它不仅带动了Windows销售，也带动了个人电脑迅速繁荣。
3. toB的工具产品天生不为用户创造需求，因为用户的需求本身就在用户的心智里。做toB的产品，就是帮助用户把他To Do List上的一项东西更快更方便地划掉。
4. （toB和toC应用有三点不同）
第一，toC应用赛道相对标准化，而且有很强的赢家通吃效应。如果品质不够就会被干掉。但反观toB，应用多样性更足，可能同一个应用在不同企业里面都会被再理解一次，再造一遍。
第二，toB用户对大模型有更大的包容性，比如说我做一个小的垂直的生产工具，大家目标明确，预期合理，行就是行，不行就是不行，接受度更高。但toC用户，比如做一个通用的chatbot，用户的预期会很高，甚至说用各种智力测试体系反过来挑战，如果发现你不行，用户就不使用了。
第三，toC应用为什么留存相对低？因为这个时代的toC应用很多方面和原来是一样的，首先优秀的toC产品经理非常稀缺，toC对团队的要求更高，应用打磨时间更长。
5. 当模型具备世界知识与推理对称性，传统岗位边界将被重塑，工具链整合与数据化流程成为核心竞争力。
6. 移动支付在上一代互联网激发了很多像O2O这样漫山遍野的产品出来，那么基于大模型可能会诞生什么样的、大增量的应用？
我现在看到的答案可能是，得把多种模型的能力揉到一块，甚至再加上一些硬件的产品，这是一个封闭很好的解决方案，得融入到你身边的一些物件里去。
7. 现在大模型几乎所有能力都是仅限于文字层面，它们对世界上图形图像的理解还少。
试想下一代的大模型，在训练的时候有更多感知，比如有视觉、有听觉，甚至有触觉、温度这样的信息，结合文字再去做一次训练的话，它的能力会远远大于现在。
8. 我相信多模态这个（发展方向），一方面是本身多模态的训练，哪怕还是文本模型，基于各种感官数据重新训练一次，模型的能力会有质的飞跃。
第二由于它有这么多信息，让它输出的内容也是多模态的文字、图片、3D模型、声音等等。输出形式丰富很多，它能真正地去做很多现在人类的知识工作者做的事。
9. 模型的移动化、小型化是一个趋势。在算法和硬件层面做了调优之后，这个模型未来可以装到口袋里，不需要那么依赖云端。
10. 我们相信未来所有的数据会向量化。你现在看到的所有的有知识产权的东西，电影、小说这种书籍，给人类阅读的材料都应该被向量化一遍，让AI可以快速地加载这些数据，就像U盘一样插到AI上。
11. Bot是一个过渡态，用户不需要那么多ChatBot。一个正常的用户，日常用的Bot不会超过三个。
第一个Bot可能是OpenAI之类的超级厂商做的超级助手；
第二个是Windows或MacOS等操作系统做的原生级助手，因为它足够便捷。
第三种是企业Bot，因为企业有私有的数据，或者业务的上下文支持。超过三个的认知负荷就很重了，甚至我觉得最好就一个。
12. 大模型给你的任何数字可能你都不要信，但它给你的方向很多时候都是好的。
四、我们专门招大厂不要的人
1. 我们的招聘文化都反大厂，跟大厂是相逆的，因为如果和大厂一样，就会和它产生一样的结果，我们正好跟它反过来，我们专门招那些大厂不要的人。我们会赢在组织方式上，因为我们跟它的行事方式完全不同；反过来大厂也模仿不了我们，它只能模仿我们的产品，但模仿不了我们的基因和做事的方式。
2. Dify是我第二次自己主导出来创业。我认为一个重要的转变是，我必须将自身的能力下放给团队，让每个人都成为超级个体。
只有一个超级个体是没用的，我们需要构建一个相对去中心化的组织。
3. 我们在苏州那有一个很好的办公室，但我们基本的工作方式是周一叫meeting day，大家去见一个面碰一下，各种事情聊完之后，各回各家，各找各妈，大家在家里工作都没有问题。
4. 努力实现一周上4天班。
5. 我们创业用的工具其实非常简单，用了Notion，GitHub全家桶，然后飞书，基本就够了。
6. 我们有很多产品原型甚至都是GPT画的，你要把足够多的背景、材料输入给它，然后再让它去设计，它甚至会告诉你一个交互细节怎么设计，它能帮你提前想到，但你得把更多信息输给它。
7. 我们搭建了很完善的内部飞书知识库。我们的知识体系分为探索研究，技术研发，增长和商业化四条线。
在探索研究上，我们会研究包括用户画像，用户情景，LLMOps生态图，应用生态研究等等。每个领域有明确的观察员分工。
我们观察上下游生态产品动态，每周更新最新的市场情报。通过这些数据收集几十万用户都在做什么，归因用户到底想做什么，评估什么是重要的。
8. 我们设立了一个信息加工机制，需要确保团队中的每个成员都能共享相同的认知，并能够快速适应不断变化的市场需求。
这个机制对我们团队来说是一个重要的工具，可以帮助我们更好地理解市场和技术趋势，从而为产品的发展提供指导。
同时，它也是我们团队应对市场变化和快速决策的关键因素之一。
9. 好多软件团队第一个需要迈过的坎就是prompt工程。第一大家都没有经验，从来没有做过这个事。
第二就是人和人之间默契都得配合，更不要说人和模型之间，你要不停的跟它找感觉。我们自嘲我们内部的prompt不叫工程师，叫prompt艺术家，他们要愉悦这个事。
10. 我一直更关心我们的团队，我把团队放在产品之上：我们的同事有没有在跟最优秀的人协同合作，他们是否在做自己本能上最感兴趣的事情，亲自动手去折腾。我们团队文化很硅谷，我最拿得出手的产品是我们的团队。
11. 有一句话叫做“人在短期内会对自己是比较乐观的，长期内是比较悲观的”，其实真实情况不是这样。
真实情况是，短期内可能做的事情现实一点，但是长期来说要保持乐观。一件事儿可能延长到一年、五年甚至十年之后，一个长期主义的心态做，你会有非常非常多的收获。
12. 我第一份工作在一个很大的游戏公司，21岁，当工程师。那时候只要我判断我做的事有价值，产品很好，我会忽略一切流程，把产品弄上线，叫偷渡上线。
这在很多公司属于违规，但我一定要做。为什么呢？如果按流程走，可能走不通；但我把它上线，用户体验后带来的价值是显著的。
和牛商业的宗旨是“提供先进商业方法论以及工具，鼓励创业创新精神”，拥有20万+核心商业人群读者，覆盖行业大佬、创始人、高管、投资人，在创投、科技、财经领域具有极强的行业影响力。2021年与创业邦、i黑马、虎嗅等一线商业媒体共同获得“财经头条风向标奖”。
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
