2026-10-14
Praxis 是智能体云平台——让智能体在云端持续工作，替你把事做成。这份商业计划公开写在这里，说明我们要做什么、为什么现在做、怎么做、靠什么赢、会遇到什么风险，以及要走到哪里。
Praxis 是智能体云平台，让智能体在云端持续工作，替你把事做成。在云的分层里它是 PaaS：我们造的是智能体本身能存在、运行、沉淀的地方；卖现成智能体的每一家都需要这样一层。这一层为什么值得单独存在，要从需求侧说起。
一个智能体在一个人手里用顺了，就是一份可以复制的服务；让它在使用者不在的时候持续为别人服务，需要运行时、状态、工具、路由、账单、接管，今天这些散在四家供应商手里，构建者的时间花在拼装上。买家是把智能体接入业务的构建者与组织，按用量付费；做智能体服务的公司越多，对这一层的需求越大，我们处在它的上游。需求是明确的，问题是用什么来供给。
两层。资源层向所有人开放：一个地址、一个 Key，模型、沙箱、搜索、运行时，兼容接口零改动迁入；我们采用买手制，以客户受托人的身份挑模型、管供应商、出问题主动赔。智能体层是我们自建的体系，也是我们的核心能力：起家于对智能体的理解，智能体层只运行在 Praxis 里用对话构建的个体，长期也不接入第三方的运行时；别人的智能体要来，迁的是提示词和记忆，不是运行时。
我们押注专业化：上下文永远有限，智能体必然像人一样专业化，再协作成群；市场还停在单智能体和通用智能体。利润在资源层产生：模型价差、自有算力毛利、精选服务、平台费；产品、文档、销售、分销都是把工作量导向平台的渠道，不争终端市场。供给成立了，剩下的问题是我们凭什么做得起。
我们是 AI 原生公司：人带领 AI 团队干活，大部分开发、运营与运维由 AI 承担，规则写在手册里，靠机制不靠英雄，生产成本极低。从零到一已经用这个方法完成，模型服务已上线。为什么是现在：生产逻辑变了，初创公司在生产侧与大厂拉平，而需求侧仍然人力与资金密集，所以我们把力气放在生产侧，先在供给侧形成规模。三侧连起来，就是飞轮。
智能体好用带来品牌，品牌带来合作与需求：合作带来采购溢价，需求带来工作量，两者合成更大的价格伞与规模毛利，毛利投入研发，智能体更好用。护城河由内到外：采购溢价、反定位（大厂做不了买手制）、智能体层的资产沉淀、以及最深的系统复利：机制每天累积，时间站在我们这边。
按域推进：模型已上线，智能体是下一站，之后是沙箱与搜索。扩张按现有财务数据外推，不需要大额研发投入；融资额、用途与预测在附件中。
写代码的成本坍塌了。软件没有消失，但失去了不可替代性：一个原型三天就能有，同样的功能谁都能再写一遍。价值转移到软件之外的部分：持续运行、稳定保障、对结果负责。价值在服务，软件只是提供服务的手段。这个判断决定了我们做什么。
服务的新载体是智能体。智能体的上下文永远有限，所以它必然像人一样专业化、领域化，服务也因此是领域化的。一个智能体在一个人手里用顺了，就是一份可以复制的服务：一个跟它的使用者很契合的剪辑智能体，搭档也想用；调好的剪辑智能体，可以给别的创作者剪片子。我们的赛道是把这样的智能体变成持续为别人提供的服务。从自用到服务他人，中间有一道鸿沟。
自用时，智能体跟着使用者的会话活着，使用者在它就在。要为别人服务，它必须在其使用者不在的时候也持续运行；要认识使用它的人、按人算账、出错时有人接管；版本要能更新而不丢掉它积累的经验。这些是运维、测试、稳定性、长期服务的专业活，不是一个 AI 单独能完成的，也不该每个构建者都自己做一遍。鸿沟为什么这么宽，要看底层。
软件的单位是程序：无状态、请求进响应出、结果确定、按算力计费，云是围绕它建的。智能体的单位不一样：持续工作、有状态、会用工具、按 token 花钱、结果不确定、做完事会留下经验。今天的基础设施，云主机、无服务器函数、模型接口、沙箱接口、搜索接口，都是给程序用的零件，没有一个是以智能体为单位设计的运行时。构建者拿到零件，自己拼。疼在三处：时间，四家账号四把 Key，状态、路由、账单、接管自己搭；钱与信任，token 成了新的成本单位，供应商稳不稳、有没有掺水从外面看不出来，没人站在买方这边；经验，智能体做完事，经验没地方沉淀，换个地方从头来。程序与智能体的差别，列成一张表。
| 程序 | 智能体 | |
|---|---|---|
| 状态 | 无状态，请求进响应出 | 有状态，持续工作 |
| 结果 | 确定 | 不确定 |
| 成本单位 | 算力 | token |
| 做完之后 | 什么都不留 | 留下经验 |
| 交给云的东西 | 代码包 | 个体：品格、原则、程序、经验 |
| 云给它的 | 现成的运行环境 | 零件，自己拼 |
单位不同，云要给的东西就不同。
把智能体接入业务的构建者与组织，越接近服务别人越疼。现有的方案各解决一块：网关只解决模型接入，市场制不解决信任；托管式智能体平台要构建者自己定义运行时；大云给的是更多零件。它们都在给程序的云打补丁。缺的不是更强的模型，也不是更多的框架，是一个以智能体为单位设计的地方，和一个替用户把专业的事做掉、但通过机制而不是人力交付的组织。
为把智能体接入业务的构建者与组织，Praxis 是以智能体为单位设计的云平台。你交给平台的不是代码包，是一个用对话构建的个体；它可以只为你成长，也可以发布成对外的公共智能体服务。不同于程序的云和模型网关，我们让一个智能体走完从诞生到对公服务的全程。一个个体是一个专业；Praxis App 里，多个个体组成协作的群。
五步成环：构建、成长、发布、运行、运营，反馈从运营流回成长。私有的个体一直在学；对公的服务只通过新版本改变。第 1 章的三处疼各有一步负责：时间归运行，经验归成长，钱与信任归底下的资源层。搭档用你的小安，落在成长；陌生人用你的小安，落在发布和运行。
构建。你没有写代码。你用对话把要求说清楚，花一个小时：小安剪短视频，节奏快，前三秒必须有钩子，不用有版权风险的音乐，字幕黄底黑字，口播里的停顿和口头禅全剪掉。平台把这些写成小安的品格，小安诞生了。
成长。小安先只给你剪。每条片子你改过的地方它都留下一条经历，平台让它反思，经历变成经验；经验积累多了，提炼成原则（开头用观众最想看的那个画面，不用你出镜的那个）和程序（先扒口播文字，再标出情绪最高的三个点，从中选开头）。这是在线学习：它越剪越像你的手法。你的搭档想用，激活它就行，搭档得到的是这个会成长的小安，不是空白模板。
发布。三个月后小安剪得比你顺了，你决定让它出去打工。你把它此刻的状态冻成一个版本，用二十条素材跑一遍评测，通过后它成为公共智能体服务。从这一刻起它的行为是固定的：创作者张三今天和下周拿到的是同一种风格。这是训练与推理分离的老规矩：在线学习的东西不直接对公，对公要的是可预期、可评测、可回滚。
运行。公共智能体服务挂在你的主页上。凌晨两点张三上传素材，小安在，你在睡觉。它只看张三的素材，在沙箱里跑剪辑工具，剪完把成片和字幕交回去，每一步都留下一条记录。
运营。月底账单按创作者、按条分得清；张三说节奏太快，你翻到那一条它是按哪个程序剪的。你在私有的小安上调节奏，评测，发布新版本；正在剪的那一条钉在旧版本剪完，新上传的用新版本。小安的成长从来不打断它手上的活。
行业已经把智能体运行时拆成公认的模块，我们按同样的名字说。
| 模块 | 小安身上发生什么 | 解决第 1 章哪一疼 |
|---|---|---|
| 会话与持续运行 | 每一条片子有自己的运行实例，上传中断再连上接着来 | 你不在它也在 |
| 记忆 | 手法、原则、程序存在平台里，换个会话还是同一个它 | 经验不流失 |
| 工具与沙箱 | 剪辑工具在受控沙箱里跑，只碰这条素材 | 不用自己搭工具执行 |
| 身份与隔离 | 认识张三，张三的素材李四看不到，你的小安和别家的互不可见 | 认识使用它的人 |
| 可观测与计量 | 每次模型调用有请求 ID、耗时、用量，按人按条算账 | 按人算账，出错可追 |
| 版本钉住 | 在剪的那条钉旧版本，新上传的用新版本 | 更新不丢经验、不打断服务 |
六个模块合起来，是以智能体为单位的运行时。
云是根本，但小安得有地方被人用到。我们提供 Praxis App：网页、桌面、手机，小安发布后直接出现在里面，你不用自己做界面；也可以接进你自己的产品。渠道会一直铺：今天是手机和电脑，之后是任何能说话、有屏幕的设备。运行时让小安活着，渠道让小安被用到。
小安理解口播要调模型，跑剪辑工具要沙箱，找配乐要搜索。这些资源在平台里是一个地址、一个 Key；你原来用 OpenAI、Anthropic、Google、E2B、Tavily 的代码，改一行地址迁进来。模型目录里的每一个模型都是我们挑过的，哪家供应商在背后跑、什么时候换，由我们管理，你只选模型。供应商掺水，由我们的探针发现，主动赔付，不等你投诉。这一层回答的是钱与信任。
托管：小安在 Praxis 上走完整个生命周期，运行时、体系、资源、渠道全套由平台承担。接入：你的智能体跑在自己的地方，只从任何位置接入 Praxis 的资源层，用同样的一个 Key、同样挑过的模型、同样的赔付保障。第二种用户同样给资源层带来用量，采购规模越大，两种用户拿到的价格都越好。
四层合起来是这一章的全貌。
这样一个平台为什么现在能做起来，是第 3 章。
基础设施是重资产。云平台这一层以前要几百人的团队和多轮融资才敢碰，初创公司在没有融资的情况下想都不会想。智能体云平台要的东西更多：运行时、记忆、沙箱、身份、计量，每一块都是一个产品。这是这件事以前没有人在初创阶段做的原因。
写代码的成本坍塌了。我们是 AI 原生公司：AI 既是我们的产品，也是我们的生产工具，开发、测试、运维、文档大部分由 AI 承担，人负责判断和方向。基础设施这一层的研发成本因此降了一个数量级，从零到一我们已经用这个方法走完，模型服务已上线。
这带来一个结构性的变化：在生产侧，初创公司第一次和大厂站在同一层面上，因为大厂也不再需要那么多研发人员；在需求侧，产品、市场、销售仍然是人力和资金密集的，我们硬碰硬不占优。所以我们把力气放在生产侧和供给侧，把 AI 带来的「一切都变简单」的体验做成平台，交给更多人。
四件外部的事在同一时间发生。模型过了门槛：能持续做一件事，能读懂一段自然语言描述并按它行事，用对话构建智能体才成为可能。智能体从演示走向生产：人人能出原型之后，「一直跑」成了新问题，运行时从可选变成必需，第 1 章的鸿沟是这两年才出现的。模型同质化与价格战：同一档能力多家可选、价格月月在降，「替用户挑、替用户管」有了价值，买手制成立；早两年只有一家能用，买手无从买起。市场还停在单智能体和通用智能体，专业化与协作这一层还空着，这是我们押注的位置。
大厂正在从验证走向落地：AWS 的 AgentCore、Anthropic 的 Managed Agents 都已经是可用的产品。但它们卖的是模块，面向企业，定价高，集成复杂；我们做的是走完生命周期的全程，专注把用户服务好。
这是一个典型的低端切入1：大厂的价格伞还撑着，行业还早。伞顶是大厂的售价，伞底是我们的采购成本，中间是我们的空间。我们用极低的成本追平技术，在伞下服务被大厂过度满足的中小客户：个人创作者、独立开发者、中小团队。技术上我们和大厂在同一方向，用户上不在同一赛道，这给了我们独立性；在位者往高端退是它们理性的选择，这给了我们时间。但时间不是无限的：还没选边的开发者一旦被锁进某一家的运行时，就不再中立。窗口从现在开始算。
这些伞下的客户是谁、有多少、怎么买，是第 4 章。
三类客户，都按用量付费。
第一类是个人创作者与独立开发者。他们在 Praxis App 里直接使用智能体，也在里面构建自己的个体。这个 App 处在大众化产品和专业工具之间：做多智能体协作，追求专业性与易用性的平衡，靠体验自然获客，不靠市场投放。我们自己每天用它做开发，它先是我们的工具，再是用户的。
第二类是中小团队与公司，把智能体接入自己的业务：在 Praxis 上构建、发布、运行，或者只接入资源层。
第三类是做智能体服务的公司，他们把智能体卖给自己的客户，需要的是运行时和资源，是我们的上游客户。
三类客户的共同点：不买软件许可，只为用掉的资源付费；订阅也是按用量的订阅。
我们的市场是流过智能体的推理与资源支出：模型调用、沙箱、搜索、运行时，加上其上的服务费。智能体软件的许可收入不在里面，那一层我们不做：纯软件的价值已经不高，价值在服务与资源。
窄口径的智能体市场，2025 年约 76 亿美元，2030 年约 500 亿美元，年增速约 46%（Grand View Research，2025 年 5 月；MarketsandMarkets，2025 年）。企业生成式 AI 支出 2025 年 370 亿美元，一年 3.2 倍（Menlo Ventures，2025 年 12 月）。体量曲线更直接：中国公有云大模型调用 2025 年 1,944 万亿 tokens，同比 16 倍，IDC 预计 2026 年再增约 20 倍（IDC，2025 年 10 月）；Google 月处理 token 一年 7 倍（2026 年 5 月）。各家口径不同，我们取窄的。
构建者的数量：全球约 4,800 万开发者（SlashData，2025），23% 每周使用智能体（Stack Overflow，2025）；中国约 1,200 万开发者（CSDN，2025 年 9 月）；字节的 Coze 上 50 万开发者建了 2 亿个智能体（2025），伞下的需求已经被验证。创作者约 5,000 万，86% 使用生成式 AI（Goldman Sachs，2025 年 3 月；Adobe，2025 年 10 月）。
起点是中国和东南亚的中文环境。三个理由：第一，中国是价格优势模型的来源地，OpenRouter 上 DeepSeek、Qwen 等中国模型的 token 份额已占 46%，一年前不到 2%（OpenRouter，2026 年 6 月），买手制在这里买得到最好的价格；第二，这里本身是最大的需求市场之一，公有云大模型调用一年 16 倍；第三，团队的底子在这里，做纯海外市场，特别是欧美，要付出额外的精力。
我们不认为哪个市场天然更容易，起点由团队的底子和已有的资产决定。一个市场验证过的模式可以在另一个市场复制。更重要的是，我们靠系统复利而不是人力复利：系统尽可能与市场无关，但不是完全无关，所以验证、迭代、试错要在熟悉的市场做，把系统先建起来，再带着它去别的市场。
做智能体服务的每一家都需要运行时和资源，这个市场随他们增长，我们在上游，不用自己制造需求。资源这一层的价值已经被标价：OpenRouter 在 2026 年被 Stripe 以超过 70 亿美元收购（TechCrunch，2026 年）。这三类客户今天能在 Praxis 上用到什么，是第 5 章。
Praxis App 已上线，多智能体协作，用户主要在这里，Web 版可用。云平台的模型服务已上线：统一地址、OpenAI 与 Anthropic 两种接口形状、公开的模型列表、从官方规范生成的接口文档、控制台。智能体、沙箱、搜索服务和模型服务是同一站，正在建。各面的今天、在建与年底，列成一张表。
| 今天有 | 在建 | 年底有 | |
|---|---|---|---|
| 模型服务 | 已上线：统一地址、两种接口形状、模型列表、官方规范生成的文档、控制台 | 目录与计费细化 | 稳定提供，文档齐全 |
| 智能体服务 | 内部体系每天在用 | 变成平台服务 | 稳定提供 |
| 沙箱 | 资源可接入 | 服务化 | 稳定提供 |
| 搜索 | 资源可接入 | 服务化 | 稳定提供 |
| Praxis App | Web 版，有用户 | 改建在云服务之上 | Web、桌面、手机 |
| 闭环 | 注册、付费、调用可用 | 不经人工的全程 | 跑通 |
结论：每一面都在从可用走向稳定。
截至 2026 年 9 月，注册用户过千，每月新增数百。月活数百，日活数十。已有几十个付费用户，按用量充值。
直接接入模型服务的团队十余个，逐周增加。月处理 token 数十亿到百亿级。模型调用的收入高于采购成本，毛利约两成，逐月改善。用户自己选出来的模型以国产模型为主。
Praxis App 正在改为完全建在云服务之上，它是云服务的第一个大客户。云服务的每一项能力先被我们自己的真实流量验证，再向外开放；App 的用户就是云服务的第一批工作量。
这个平台由人带领 AI 团队用极低的成本建起来，从零到一已经走完。这本身是一项进展：它证明了第 3 章说的生产逻辑成立。
云平台：模型、智能体、沙箱、搜索四项服务稳定提供，接口文档齐全，从注册到付费到调用的闭环跑通。应用端：Praxis App 覆盖 Web、桌面和手机，专业化、可成长的智能体从构建到发布到运行闭环可用。先补齐每一项，再逐项做深。这些东西在市场上和谁并排放着，是第 6 章。
我们不做模型，也不争终端市场。终端是大厂的领土，那里的竞争是产品、市场与营销的竞争。Praxis App 不参与这场竞争：它靠体验把工作量带到平台，是渠道，不是战场。
智能体的上下文永远有限，AI 不会有无限的上下文，上下文是这个时代最核心的资源。有限的上下文只能聚焦、接受局限，所以智能体必然像人一样走向专业化、领域化。而一家公司从来不是一个专家在起作用，是许多有限的个体组织起来协作。这和人类走过的路一样：有限理性、分工、组织。今天的市场还停在单智能体和通用智能体；我们做的是专业化的个体，加上个体之间的协作。这是我们与所有同行差异的根。
网关（OpenRouter、Vercel AI Gateway、Cloudflare AI Gateway）是市场制：把供应商摊开，用户在那里采购资源。我们是买手制，因为用户来买的是服务不是资源；为了更高的服务标准和更专业的体验，用户愿意为资源付溢价，资源没有必要摊开。
智能体平台（AgentCore、Managed Agents、LangGraph Platform）提供托管：给的是运行时的零件，运行仍是构建者自己的事。我们提供全生命周期服务：从托管到运行到业务，一个智能体从诞生到对公服务的全程。
大云守的领土太大，买手制会伤它们的供应商关系；这是反定位1：在位者复制我们，就会伤到自己的生意。它们做的专业化方向也是通用的：科研、编程、设计。我们更垂直，服务价格伞下的中小客户，往具体的行业走：旅游、电商，每个行业底下还有更多细分。
四个词：受托人、全生命周期、伞下、专业化。合起来一句话：站在构建者一边，替他把一个专业化的智能体走完全程，价格在大厂的伞下。
同一条路上也有成本结构和我们相近的同行，最像的是 Manus 这类通用智能体公司，怎么应对放在第 11 章。站在这个位置怎么赚钱，是第 7 章。
两种价值分开算账。流动的是资源：模型调用、沙箱、搜索、算力，用多少付多少。固定的是系统：构建、管理、发布、运营的整套体系，是我们前期的投入。早期我们不把系统的价值变现，它转化成品牌和体验：用户选我们，是因为方便、好用、还便宜。所以用不用我们的平台构建，用户付的钱一样，都是资源本身的价格。
用户价以模型官方价为基准、低于官网；我们的成本来自采购，采购优势是我们的上行，质量保证是我们的义务。加价率对所有供应商统一，路由与价差无关。按用量计费，不卖许可，订阅也是用量的订阅。算力按重要性处理：凡是持续产生的成本都记为算力成本；占比小的并入资源价格不单独收，占比大到有确定比例的，就作为一项资源按用量收。
我们只对客户负责，不对供应商负责。默认屏蔽供应商，用户只选模型。供应商返点可以拿，但掺水由我们发现并主动赔付，不等用户投诉。大客户合同可谈、不公开、有期限，背后向上游要量。上游调价的传导快慢由市场约束：价格敏感的用户立刻流失，不敏感的长期流失，选了什么模式就承担什么代价。
省下的那部分利润没有消失，它替代了广告和销售队伍。我们不砸广告、不靠人力推销，但不是不做营销和销售：我们把它们做成机制。推荐有奖励，分销有分润，用户可以转成合作伙伴去卖，推荐人（我们叫猎手）也可以成为我们的销售；参与的入口越多，加入的人越多，用户、合作伙伴、分销、经销都在同一套系统里，让利的一部分就分给带来工作量的人。合作伙伴按公开的乘风计划分润：池子薄时全归合作伙伴，厚时平分，分润不加在客户的价格上。
所有这些靠系统长出来，不靠人力堆、不靠钱砸。单位经济因此是这样的：获客成本接近零，毛利薄，规模换来采购优势，毛利随规模改善。这是飞轮里钱的那一面；怎么铺开，是第 9 章。
平台费、全生命周期的服务费、公共智能体服务的分成，都是系统价值的变现方式。它们等规模和口碑形成之后再开，现在不承诺、不设计。Costco 走过同样的路：商品贴着成本卖，会员费是后来才成为利润中心的。
让利的模式靠什么守住，是第 8 章。
让利守得住，靠的不是价格，是只能靠时间长出来的资产。初创公司此刻还没有守成的资产，只有通往资产的路径和已经在动的机制。所以这一章不说我们已经守住了什么，只说清三件事：哪些东西只能靠时间长出来、我们让它们长在哪里、今天有哪些证据说明它们已经开始长。
一样东西别人用钱能砸出来，它就没有时间属性，只是花钱换来的东西，不是护城河。护城河是只能靠时间累积的资产：想把时间压短，代价会不成比例地上升，这叫时间压缩不经济1。单独看，我们的任何一项都没有护城河；系统加上时间才有。
四类资产。客户：靠好用和便宜自然来的用户，在这里构建了自己的个体，留下了自己的工作方式。关系：供应渠道和合作伙伴，今天的采购优势来自已经建立的合作关系，随工作量增长转为规模采购，关系和量都不是一天能买到的。
数据资产：合规前提下，平台上流过的领域数据、专业数据是平台的资产，条款里说真话，让用户自选。行业的 AI 运行模式：一个行业的智能体该怎么分工、怎么协作、哪些原则和程序有效，是在真实业务里一遍遍跑出来的，越跑越顺。这四类每一类都是存量越大，再累积越快。
如果 AI 无所不能，上面所有资产都无所谓，谁都没有护城河。正因为上下文有限、智能体必然专业化，一个领域里长出来的客户、关系、数据和运行模式才是别人拿不走的。这是第 6 章押注的另一面：押专业化，护城河才成立；护城河成立，专业化的押注才值钱。
系统复利让累积每天发生：自动化的规则、测试与文档构成的机制在长，营销和销售的机制在长，人带领 AI 团队的生产方式本身在长。五个选择，买手制、受托人、让利、专业化、AI 原生生产，互相依赖，对手抄走任何一个都没用，改一个就要改全部。路径上最早成立的两种力量是反定位和采购优势：大厂复制买手制会伤自己的供应商关系，网关复制会失去直通流量；采购优势挂在关系和量上，不挂在代码上。
护城河守的是位置，位置上的人怎么来，是第 9 章。
只争还没选边的人：价格伞下的个人创作者、独立开发者、中小团队，还没被锁进某一家运行时的；已经选边的不追。从中国和东南亚的中文环境起步；先是 Praxis App 里已有的用户，再是文档带来的开发者，再是合作伙伴带来的人；一个市场验证过的打法，复制到下一个。打法本身是四个机制，按一个人从进门到扩散的顺序排。四个机制的漏斗段与指标，列成一张表。
| 机制 | 管漏斗哪一段 | 做什么 | 指标 |
|---|---|---|---|
| 资源接入 | 进门 | 改一行地址接入资源 | 从注册到第一次成功请求的时间 |
| 产品易用化 | 留下 | 一个地址一个 Key，出错自己能修 | 每人要管的 Key 数；出错后自助修复的比例 |
| 体验产品化 | 升级 | 用户到构建者，构建者到发布者 | 两级转化率 |
| 营销系统化 | 扩散 | 推荐奖励、分销分润、推荐人 | 合作伙伴带来的工作量占比 |
对照可见：一个机制管一段漏斗，各有一个指标。
进门的门槛压到最低：改一行地址：把接口地址换成 https://api.deepraxis.ai，从任何地方接入 Praxis 的资源，不用搬智能体、不用换代码、不用先学我们的体系。接口文档从官方规范生成，开发者按自己熟悉的方式来。用了资源的人，才有后面的事。
留下的理由是省事。一个地址、一个 Key，四种资源不用分别管理；出错时错误信息说清原因和下一步，用户自己能修，不用找人。
Praxis App 把体验做成产品：用户先是用户，用顺了成为构建者，构建的个体调好了成为公共智能体服务的发布者。每一级都不需要我们推，是体验本身把人往上带；App 处在大众化产品和专业工具之间，靠这一层体验自然获客。这一层做的是渠道效率，不是终端市场的产品竞争。
扩散靠机制不靠人：推荐有奖励，分销有分润，用户可以转成合作伙伴去卖，推荐人（猎手）可以成为我们的销售。参与的入口越多，加入的人越多，用户、合作伙伴、分销、经销都在同一套系统里，让利的一部分分给带来工作量的人。
四个机制谁来建、怎么建得起，是第 10 章。
建这四个机制的是创始人和一支 AI 团队；运营、产品与学术顾问以协作者和顾问的身份参与。2025 年 3 月，我们进入智能体领域，从第一天起就把自己定为 AI 原生的公司：用 AI 开发 AI。这不是过渡状态，是第 3 章说的生产逻辑本身：在生产侧，一个人带一支 AI 团队就能建起一个平台。深度实践是公司，Praxis 是它的平台，deepraxis.ai 是平台的域名；公司有两个主体：南京深度实践人工智能科技有限公司，和香港的 Praxis Global Limited。
技术。创始人姜山出身微众银行软件工程师，做过测试、运维、开发，完整经历过大型互联网系统从开发到运营的全过程。知道一个系统从原型到长期服务之间隔着什么，也建得起基础设施。
产品。开源的 PromptX 成为爆款1：MIT 协议，GitHub 3,700+ star（截至 2026 年 9 月），2025 年 12 月获 AtomGit G-Star 项目毕业认证；与香港城市大学合作的论文《PromptX: A Cognitive Agent Platform with Long-term Memory》被 WWW 2026 收录2；2025 年 12 月入选香港城市大学 HK Tech 300 种子基金。这证明我们能把智能体产品做到被人自愿采用，而且是用 AI 开发 AI 做成的。开源积累的人脉和意见领袖至今在持续给 Praxis 带来用户，PromptX 是这条线的源头；平台云化之后，愿意推广我们的人更多了。
商业。此前创办过互联网旅游业务和互联网解决方案公司，做到年利润百万级、团队 50 人左右；也失败过多次，是连续创业者3。一家公司的完整周期，市场、销售、运营、技术、融资、财务，都亲手走过。这证明我们对商业逻辑有基本判断，也知道人力密集交付的代价，所以这一次靠机制。
理由都在前面的章节里，这里只归拢：起家于对智能体的理解，核心能力在手（第 2 章）；工程底子建得起基础设施（第 3 章）；AI 原生的方法已经把从零到一走完（第 5 章）；开源积累的社区和品牌是获客的起点（第 8 章、第 9 章）；方法经过学术检验。缺的是时间和规模，这正是融资要买的（第 12 章）。完整的公司介绍见公司介绍。
我们是 AI 原生公司。人负责判断和方向：要做什么、先做什么、什么算做完；开发、测试、运维、文档大部分由 AI 承担。AI 既是我们的产品，也是我们的生产工具。规则公开在手册里，人和 AI 都按同一套规则走：怎么立项、怎么证明做完了、怎么交接、什么情况下停下来问人。
每一次纠正都沉淀为规则、程序或记忆，不留在某个人的脑子里。同一个错误不允许靠人记住来避免，只允许靠机制来避免。系统复利首先在团队自己身上发生：今天的团队比上个月更会做事，不是因为人变了，是因为机制变多了。
人有额定值。我们不把模式建在任何一个人的透支上，也不把关键判断只放在一个人身上：能进机制的进机制，剩下的才是人要做的判断。
Praxis App 是我们每天用的开发工具，云服务先跑我们自己的真实工作量。产品哪里不好用，我们第一个撞到；平台哪里不稳，我们第一个受损。从零到一用这个方法走完，模型服务已上线，这是方法本身的证据。
这样的团队和方法会在哪里出错，是第 11 章。
PromptX 开源仓库，https://github.com/Deepractice/PromptX （MIT 协议；星数以页面为准）。
WWW 2026 Companion 录用列表（Demo），https://www2026.thewebconf.org/accepted/demo.html 。
《受 DeepSeek 启发，他靠「深度实践」干出产业新生产力》，新华日报交汇点，2026 年 7 月，https://jsnews.jschina.com.cn/kjwt/202607/t20260710_s6a5088aae4b07fc6ee8bf644.shtml 。
风险是取舍的另一面。我们的模式决定了一件事：守住供给侧就能发展。所以我们把有限的精力投在供给侧：资源采购、供应商管理、成本结构、专业化的资产，这些是要持续监管、控制、投入和扩展的地方，也因此是可能出问题的地方；精力取舍做对，系统被击穿的风险就是可控的。我们主动舍弃了广告与销售人力的持续投入，那边的风险我们选择接受。下面八条是要缓解的风险，每条对应前面某一章的假设不成立，写清触发条件和机制上的应对，按杀伤力排；最后一块是我们接受的风险。
先看全图：
| 风险 | 对应章 | 处置 | 触发条件 |
|---|---|---|---|
| 成本结构不成立 | 3、7、10 | 缓解 | 生产成本不再随机制下降，或采购优势消失 |
| 采购优势不可持续 | 7、8 | 缓解 | 合同到期未续，渠道单一 |
| 供应商掺水或不稳定 | 2、7 | 缓解 | 探针指标漂移 |
| 专业化押注错了 | 6、8 | 缓解 | 领域个体不比通用智能体好用 |
| 同成本结构的同行 | 6 | 缓解 | 同行转向专业化与协作并低价 |
| 数据与合规 | 7、8 | 缓解 | 条款与实际用途不一致 |
| 人的额定值 | 10 | 缓解 | 关键判断持续集中在一人 |
| 资金链 | 12 | 缓解 | 应付与预收的时间差扩大 |
| 需求侧增长慢、早期利润薄、不做终端与通用智能体 | 7、9 | 接受 | 选择的代价，不设触发 |
第 3、7、10 章的前提。毛利薄、不收平台费，可持续性全押在 AI 原生的生产成本和采购优势上。
触发条件：生产成本不再随机制下降，或采购优势消失。
应对：成本随机制持续下降是团队的日常，不是一次性的；两条任何一条不成立，提前开平台费，第 7 章已经留了这一手。
第 7、8 章。今天的溢价来自合作关系，合同有期限，渠道单一。
触发条件：合同到期未续，渠道单一。
应对：持续拓展渠道，溢价从关系转向规模。
触发条件：探针指标漂移。
应对：质量探针持续监测延迟、错误率和输出回归，发现即更换并主动赔付，不等用户投诉。
第 6、8 章。如果通用智能体好到不需要专业化，领域里长出来的资产就不构成护城河。这个押注可证伪：看行业的 AI 运行模式有没有在累积，领域个体有没有比通用智能体更好用。
触发条件：领域个体不比通用智能体好用。
应对：押注错了，资源层和全生命周期服务仍然成立，只是护城河变浅。
第 6 章。Manus 这类通用智能体公司成本结构与我们相近，若转向专业化与协作，价格上打不过它们。
触发条件：同行转向专业化与协作并低价。
应对：靠时间长出的领域资产和买手制的赔付承诺，不靠价格。
触发条件：条款与实际用途不一致。
应对：条款里说真话，强隐私需求的用户不适合公有云平台，让用户自选；合规不是成本，是资产成立的条件。
第 10 章。团队小，关键判断集中在少数人身上。
触发条件：关键判断持续集中在一人。
应对：能进机制的进机制，人按额定值工作，不把模式建在透支上。
触发条件：应付与预收的时间差扩大。
应对：做到能持有流水时，按金融规则运作，设定风控上限，资金不参与风险敞口。
不砸广告、不建销售队伍，意味着需求侧的增长会慢于烧钱的对手，品牌只能靠口碑积累；让利意味着早期利润薄；不争终端、不做通用智能体，意味着那两个赛道上的机会我们不拿。这些不是疏漏，是选择的代价：精力投在供给侧，这边就要认。哪一天供给侧的机制跑顺、精力有余，再回头看需求侧，那是第 12 章里程碑之后的事。
对冲这些风险需要什么资源、按什么节奏，是第 12 章。
今年，模型服务上线，Praxis App 有了用户，注册、付费、调用都跑通过，从零到一用 AI 原生的方式走完。现状在第 5 章，这里只标时间线：下一站是年底。
四条，每条给一个「做到了怎么算」。
| 里程碑 | 判据 |
|---|---|
| 四项服务稳定提供 | 每项有公开接口文档，一致性测试持续通过 |
| 注册到付费到调用闭环 | 新用户不经人工介入走完全程 |
| Praxis App 三端 | 同一个个体在 Web、桌面、手机可用 |
| 专业化、可成长的智能体闭环 | 至少一个个体走完全生命周期并对外服务 |
先补齐每一项，再逐项做深。
从模式推出来的三件事。供给侧继续加深：采购渠道、供应商管理、算力，这是第 11 章前三条风险的正面。在一两个行业跑出 AI 运行模式：旅游、电商，这是专业化押注的验证。合作伙伴机制上线：推荐、分润、分销，这是需求侧不砸钱的替代。
今天每月的支出以万元计，分三块大致相当：人力、AI 生产订阅、平台的流动费用。平台的流动费用在内测阶段由我们承担，开放后随用量进入资源价格，会消掉。收入是资源价差，毛利随规模改善，不做许可。
扩张按现有财务数据外推，不需要大额研发投入。融资的用途主要是人：方向性、结构性、建设性的工作，以及采购和商务，需要人来带；其次是算力和采购渠道。融资额、用途与预测在附件中。
这一切通向哪里，是第 13 章。
智能体会走向专业化，真正的业务需要不同领域的经验、判断与协作。我们要做的，是让一个人的经验先变成可复用的能力，再组织成能承担业务的协作，最后成为面向更多人的服务。
最符合直觉的使用方式：从使用者想完成的事出发，直接使用现成的智能体，或者用职责、资料和规则把使用者自己的说清楚，不写运行时，技术细节由 AI 和平台承担。最有竞争力的运行成本：按用量计费，没有闲置；模型由我们挑选与管理，采购优势随规模持续兑现，替用户把成本压到伞下。最稳定可靠的服务保障：持续运行与故障接管是基础能力，每次调用有账有迹，撑得起面向真实客户的服务。三个最各对应全书的一条主线：易用，买手制，全生命周期。
每个行业都有自己的一群专业化智能体在 Praxis 上持续工作，替人把事做成：旅游有旅游的，电商有电商的，每个行业底下还有更细的分工。它们由用了顺手的人发布出来，在协作中越用越熟。用户掌握业务、品牌和客户关系；Praxis 帮用户构建与运行服务。
软件失去了不可替代性，价值转移到服务；智能体是服务的新载体；我们造的是让智能体存在、成长、服务他人的地方。从个人经验，到团队协作，再到面向客户的服务，有价值的经验，值得服务更多人。