Zapier CEO：80% 的智能体任务本该用确定性代码
Wade Foster 说客户用 agent 干的事里 80% 其实该用老式确定性代码；no code 已经过时，新的 no code 就是 code。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
知识工作正在搬进个人的日常工具
Foster 复盘过去 18 个月最大的认知变化：大多数人已经选定了一个日常 AI 工具——可能是 Cursor、Claude Code 或 ChatGPT——工作主要在那里发生。因此把上下文和数据送进这个日常工具（比如 Zapier MCP 这类 MCP server）才是知识工作的走向。他把市场分成两派：一派想把人留在自己平台上建 agent，另一派像 Salesforce 那样做 headless、随你带到哪里用。他明确认为后者是赢的策略，因为那正是工具消费者想要的，也是增长所在。
— Wade Foster最强模型只做对四成自动化任务
Zapier 的 Automation Bench 用约 600 个真实知识工作任务测模型，例如「刚签下 Meridian Core 平台合同，按路由政策标记为赢单并转给对应团队，从账户层级表确认账户，必要时换汇，检查是否有未结支持升级」。Foster 说新出的最强模型准确率约 40%，是当前最高，但比 Gemini 3.7 贵得多，于是形成一条「为增量性能付多少钱」的曲线。他强调这个 benchmark 远未饱和，而 Zapier 要证明的是：把 Zapier 装到 agent 旁边，输出会好过单用模型。
— Wade Foster80% 的 agent 任务该用确定性代码
Foster 的核心判断：客户用 agentic 产品做的事里，绝大多数——他给的数字是 80%——其实应该用老式的确定性代码。做法是让 agent 先判断哪些环节写代码（成本更低、可靠性更高），只在真正需要推理的地方调用 AI 或建 agent。他承认模型会越来越好，但很难想象一个世界里确定性代码不再更可靠、更便宜。同时他保留可视化：人仍然需要看到工作流长什么样，用来验证「这是不是我想让它做的事」，也当文档用。
— Wade Foster真正的对手是那个两年后跳槽的产品总监
被问最该担心哪类竞争者时，Foster 搬出 YC 时 PG 的话：当年问的不是「如果 Anthropic 或 OpenAI 做了你怎么办」，而是「如果 Google 做了怎么办」，而 PG 想灌输的是——你很少直接和 Google 对打，你面对的是一个想拿晋升、待两年就走的中层产品总监。他说 OpenAI、Anthropic 现在已是大厂，模型上会最强，但不可能什么都做。另一面，普通 AI 用户其实什么都没做，可能只用过 ChatGPT 或 Gemini，所以大多数公司的竞争不是彼此，而是「人们到底知不知道拿这些工具干什么」。
— Wade Foster让 AI 盯着你干活，替你找自动化机会
Foster 认为最难的一直是推荐：该拿这东西干什么。他今年开始跑一个工作流，让 AI 去看自己在 Gmail、Slack、浏览器、聊天里的日常操作，然后告诉他「你该换个做法」。多数 Zapier 员工的做法是把工具接进 Zapier MCP，每周跑一次自动化，收集一周的工作信号，给出「你做了这个和这个，这里有个工具建议你建」。他说一半的仗只是让你对某个建议产生反应——想法不需要完美，五成好就够启动头脑风暴。他确认这很可能被产品化。
— Wade FosterAI 转型的瓶颈从技术变成了人事
Foster 说第一阶段是全员 AI 熟练度，一年内几乎 100% 员工每天用 AI，技术采用不是瓶颈。之后问题变成：怎么把个人的成功变成公司级的生产级工作流，于是挑战越来越像人的问题——重写岗位描述、重想薪酬、团队重组、把不需要的组的人再培训到需要的组。当时的人民官 Brandon 擅长这些，团队也走在前沿，所以让他去帮全公司。Foster 强调这不是「必须由人民官来管 AI」的观点：换 CMO 或 CPO 也可以，关键是看你的瓶颈在哪，再找对的人。
— Wade Foster有人一个月烧三万美元 token
Foster 说有个别工程师每月在 token 上花三万美元，属于离群值。Zapier 目前没有给个人设预算，但做了工具让人看到自己的花费、看到选强模型和便宜模型在不同工作流上的成本差。看到有人花得特别多，第一反应是去聊：「你在干什么，我很好奇。」结果有的在做极其高产的事，有的则是把 Fable 或 Astro 用在了不需要的地方。他预计 token 预算最终会成为真事，AI 熟练度的一部分就是有人拿到更高预算，因为更会用。
— Wade Foster用 AI 不是问题，低质量才是
Foster 说他不反对员工用 AI 写沟通，真正的问题是低质量沟通：低判断力的人能极快地生产大量低质内容，淹没读者。他给的几条准则：你要为发出去的东西负责，作者花的时间应该多于读者读的时间；你要理解自己发的东西，被追问时不能答不上来；把请求写明确，要决策、要反馈还是标成草稿；核实细节，因为 AI 会幻觉，也可能拉出三个月前的旧项目当相关材料，摘要的摘要层层传下去就变成错误信息。他还点名了那套 AI 腔——「不是这个，是那个」、破折号、honest truth、load-bearing point。
— Wade Foster原话 · 已逐字校验
I definitely think that latter is the winning strategy
我确实认为后一种（headless，随你带到哪里用）才是赢的策略。
Wade Foster5:21
the idea of building a no code, it, it feels antiquated to me. It's like the new co- no code is code
做 no code 这件事在我看来已经过时了。新的 no code 就是 code。
Wade Foster18:01
the vast majority of what people are using an agent for, 80% in fact, they probably should be using actually old fashioned deterministic code
人们用 agent 做的事里绝大多数——事实上 80%——大概都该用老式的确定性代码。
Wade Foster23:02
you're going toe-to-toe with a potential mid-level product director who's trying to get a promo- promo, might be there for two years and then bounce
你在对打的是一个想拿晋升的中层产品总监，他可能待两年就跳槽。
Wade Foster30:34
most of us, our competition isn't each other. It isn't the, the tools that you talked about. It's do people actually know what to do with these tools yet?
我们大多数人的竞争对手不是彼此，也不是你提到的那些工具，而是：人们到底知不知道拿这些工具干什么？
Wade Foster30:34
You need to look at what are your bottlenecks, what are your constraints, and go identify the person who is the right fit for that job
你要看自己的瓶颈和约束在哪，然后去找适合那件事的人。
Wade Foster46:09
using AI is not the problem. It's like low quality. That's the fight at the end of the day
用 AI 不是问题，低质量才是。说到底要打的是这一仗。
Wade Foster55:46
数字与实体
| Automation Bench 最强模型任务准确率 | 约 40% | 10:20 |
| Automation Bench 任务数量 | 约 600 个 | 10:20 |
| 客户 agent 使用中本应用确定性代码的比例 | 80% | 23:02 |
| Zapier 员工每日使用 AI 的比例 | 接近 100% | 46:09 |
| Zapier 员工规模 | 接近 800 人 | 55:46 |
| Zapier 持有客户凭证的年限 | 15 年 | 55:46 |
术语
- MCP模型上下文协议
- 把外部工具和数据接进 AI 日常工具的接口标准。
- headless无头
- 产品不要求用户留在自己界面里，能力可被带到任意工具中调用。
- Automation Bench自动化基准
- Zapier 用真实知识工作任务测各模型自动化能力的评测集。
- PangramAI 文本检测工具
- 判断一段文字由 AI 生成概率的检测器。
- harness外壳/驾驭层
- 包在模型外面、提供上下文与工具调用的日常使用界面。
收听指南
正在做 agent 或自动化产品的创业者、评估模型性价比的工程负责人，以及要推动公司内部 AI 落地的管理者。
赞助商口播与结尾推荐语可跳过，其余部分信息密度均匀。