文章通过对话形式，详细回顾了 Dify 过去两年多的发展历程和核心策略。Dify 从 Day 1 就确定了开源、To B、全球化的方向，并衍生出开放生态、模型中立、工程优先等逻辑。文章重点分析了 Dify 在竞争中脱颖而出的原因，包括其与 LangChain、GPTs、Coze、n8n 等竞品的区别，以及面对 OpenAI 新产品时的应对策略。Dify 认为工程价值被低估，并坚信 workflow 会长期存在，是当下 AI 应用落地的务实路径。此外，文章还探讨了 Dify 作为连接 LLM 与企业内部流程的“胶水”乃至“操作系统”的潜力，以及未来 AI 应用“建桥”和技术平权的重要意义。最后，创始人强调“耐心”和“快乐”是 Dify 成功的关键。
Dify 是当下 AI 领域最有名的开源项目之一。但它的来时路，布满了竞争和质疑。很多人都没想到，一个最初并不起眼的小团队，能在短短两年里走到今天这个高度。甚至直到现在，仍然经常有人问我：为什么是 Dify？它到底做对了什么？在这期播客里，我就和路宇一起复盘了 Dify 过去两年的发展，并尝试回答了这些问题。
本期播客原文约 25000 字，本文经过删减整理后约 8900 字。
曲凯：两年前我们录播客的时候，Dify 刚刚发布不久，随后就一路起飞。但 Dify 能发展得这么好，其实超出了很多人的预期。我想先问下，这两年多下来，你整体的感受是怎样的？
路宇：可以梳理下时间线。
从 Day 1 开始，我们就定了三个策略：开源、To B、全球化。围绕这三点，又自然衍生出了开放生态、模型中立、工程优先这一整套逻辑。
回头看，这些判断在过去两年多里，基本都被一一验证是正确的。
从市场和技术的变化来看，这两年大概经历了三波变迁。
在 23 年，Dify 发布了第一个版本。那个版本还比较基础，但胜在界面友好。当时只要你的产品用了 AI、而且能被用户理解，就有机会一炮而红。
到了 24 年，我们推出了后来成为核心能力的 workflow，同时开始搭建插件生态。因为我们主要做 To B，所以当时能感知到一个非常明显的变化：第一批真正有付费能力的企业用户开始进场。
其实，从新技术出现到 B 端客户愿意掏钱，中间通常都会有半年到一年的时延，远没有大家想象中那么快。
到了 25 年，模型本身出现了明显进步，尤其是开源能力和多模态逐渐成熟。到今天，已经很少有人再争论「开源强还是闭源强」这种问题了。我们最早的一些核心假设，比如一定需要一个中间层，也都被市场验证是成立的。
曲凯：在 23 年的时候，大家确实还有很多问题，很多基础假设也都还没被验证。
我们可以一起复盘一下，从 23 年到现在，你们到底是哪几件事情是想对了、做对了，又有哪些是在过程中调整过的。
我记得 23 年我们一起跑融资的时候，大家对你们最大的质疑，其实就是壁垒。
尤其当时 LangChain 已经很火了，大家问得最多的一个问题就是：Dify 和 LangChain 到底有什么区别？
今天回头看，你会怎么重新回答这个问题？
路宇：两年前我其实回答得不够清楚。今天再看，我们和 LangChain 的本质区别，在于面向的用户群体不同。
如果把这类产品的用户放到一个光谱上，最左边是非常硬核的工程师，最右边是完全不懂技术的用户，那么：
LangChain 更偏向于有较强编码能力的人；
Dify 现在在中间，未来则会越来越偏向弱技术，甚至是无技术的用户；
OpenAI 的 Agent Kit 明显偏左；
n8n 比我们稍偏左；
Coze 更偏右，但它的生产属性又不足。
曲凯：那我们正好顺着 LangChain，聊聊你们的其他几款竞品。你是怎么看这些竞争的？
路宇：说起来其实挺有意思的。作为一家创业公司，我们已经经历过各种规模的竞争了，而且在这个过程中，我们的生存能力已经被反复验证。
我们和字节这样的大厂掰过手腕，和硅谷的创业公司掰过手腕，也和以 OpenAI 为代表的模型厂商掰过手腕。
23 年的时候，我们面对的竞争除了 LangChain，还有 GPTs 和 Coze。
先说 GPTs。它「想让人人都能做 Bot」的愿景本身很好，而且还拥有 ChatGPT 这么大的流量入口。但它最终没有真正跑出来，根本原因在于：它没有想清楚，这些 Bot 到底该由谁来做。
现实是，大多数人并不具备做出有实际价值产品的能力。
就像人人都能刷抖音，但不是人人都能用好剪映一样。消费内容，和用工具去解决真实问题，中间的门槛完全不同。
我认为，一个人想做出一个好产品，大概有四种可能性：
1）有硬科技，比如你非常懂硬件、算法，或者能把模型成本压到极低；
2）有创造力，能把用户体验和交互做到非常好，从而真正留住用户；
3）掌握稀缺壁垒，比如独有的数据；
4）拥有完整的流程，也就是类似 SOP 的能力。
不同的人和企业，做事的本质差距，往往就体现在对流程的理解上，这背后其实是价值观的差异。
我经常拿报销这件事举例子。报销在我们公司的流程里，短到几乎不存在，因为我们会直接给员工发信用卡，但别人未必愿意这么做。
然后在前面提到的四种可能性中，前三种都不具备可拓展性和复用性，因为它们本身就非常稀缺。真正有可能被复用的，只有流程。
所以像 GPTs、Coze 这种面向大众的产品，确实能让更多人「捏」出一个东西，但更多满足的，是让大家快速理解一项新技术、以及获得一种「造物主」般的参与感。
而由于绝大多数人既不具备前三种稀缺能力，又没有被提供搭建完整流程的可能性，最终也就很难真正做出有价值的产品。
曲凯：所以定位上，GPTs、Coze 就不是 Dify 的直接竞对？
路宇：对。Dify 一直在解决的，都是流程问题，以及如何在企业的上下文里，把 LLM 和企业中的人、工具、数据连接起来的问题。
所以虽然大家都是基于 LLM 做产品，但上下文不同，最终长出来的东西也就完全不同。
我同事打过一个很好的比方：「模型像一条鱼，放进不同的上下文鱼缸，会长成完全不同的样子。」
把 LLM 放进 IDE 里，会长成 Cursor；放进 Ubuntu 沙盒里，就会长成 Manus；而放进企业里，就会长成 Dify。
不过 23 年 7 月 Coze 发布的时候，我确实焦虑过。但这种焦虑只持续了 48 小时，之后我就再也没有关注过这个产品了，因为我们面对的受众、要解决的问题，以及组织能力都完全不同。
曲凯：那 n8n 呢？
路宇：我们的定位和理念其实比较接近。现在也有不少用户会觉得这两个产品是互补的，会同时使用。
n8n 早期的理念和我们很像，就是提供低成本、开源、中立的自动化方案。他们成立于 2019 年，那时候还完全没有用 AI，直到去年才开始和模型结合。今年他们的营销做得不错，再加上起步更早、生态相对更完善、工具和模版也更多，声量一下子就起来了。
我们的劣势在于起步更晚。但在涉及 LLM 的能力、RAG、多模态上下文处理这些方面，Dify 的 AI-Native 工程能力更强。而且我们可以做到端到端交付，这是 n8n 目前并不支持的。
曲凯：然后就到了 OpenAI 最近发布的 Agent Kit。
每次 OpenAI 有新动作之后，大家的反应其实都挺有意思的。只要它一发新产品，市场上就会立刻出现一轮「谁又要被杀死了」的讨论。
GPTs 出来时，大家说 Coze 和 Dify 会被杀死；Agent Kit 出来之后，又有人说 n8n 和 Dify 会被杀死。总之会有各种「XX 和 Dify 会被杀死」的排列组合。
但 Dify 不仅从来没有被谁杀死过，反而一直涨得很好。
甚至我记得在 GPTs 那一波，你们还做过一次很好的品牌动作？就是 GPTs 出来之后，很多企业才意识到 AI 原来可以这么用，但他们又没法直接用 GPTs，于是就选择部署 Dify。
路宇：对。OpenAI 的产品定位和效果不一定好，但他们能帮整个行业完成市场教育。我们需要花很大力气去解释自己到底是个什么样的产品，但 OpenAI 只要发一个类似的东西，大家一夜之间就能理解很多事情。
至于「谁会被杀死」这种说法，本身就过于非黑即白，很多也只是自媒体制造出来的噪音。而且说这些话的人，绝大多数其实并没有真正用过这些产品。
从过去两年的实际情况来看，尤其是在 To B 市场里，模型厂商很难直接替代下游产品。这里最难被替代的，是长期建立起来的信任关系，以及我们和客户之间的各种连接。
我对 Agent Kit 这个产品的判断是，它现在还处在比较早期的阶段，至少在未来 6 个月内，不会对其他任何产品构成实质性的威胁。
曲凯：而且现在大家确实比较忌讳只用一家的模型。所以从这个角度看，是不是大厂、或者模型方自己做的产品，反而不如那些模型可选的开源项目？
路宇：开源项目在和云厂商、模型厂商竞争时，确实有天然优势。
我接触过很多企业决策者。他们在选择中间层或开发平台时，都非常谨慎，更像是在做一次「技术投资」，会系统性地评估合规性、开放性，以及长期的可持续性。
几乎没有技术负责人，敢把自己的技术栈完全绑定在一家模型上。
而如果一个平台更像是一个「插座」，可以接入不同的外部工具，那整体风险就会低很多。
我们的产品，正是把这种「热插拔」的体验做得比较完整。
开发者既可以使用我们的原生套件，也可以用自己开发的扩展，而且两者互不影响。无论 Dify 怎么迭代，他们过去写的套件都可以继续使用。
这对开发者来说非常重要。一方面，他们需要不断用上最新的技术，另一方面，也必须保住已有的技术资产。否则外部产品一升级，他们的业务就直接挂掉了。
曲凯：明白。之前大家还有一个质疑，包括现在其实也还有不少人会提到，就是只做中间层，会不会太薄？
路宇：薄和厚这个问题，其实没什么好讨论的。而且这里面存在一个常见误区，就是大家往往认为工程不值钱。
但在我们看来，最值钱的恰恰就是工程。
所谓工程，意味着你要做分层设计，要把用户的业务场景抽象出来，要把可变和不可变的部分拆得非常清楚。这一整套过程极其费脑力，需要你长期和用户、开发者反复磨合，理解现实世界的复杂性，也意味着要不断交学费。
举个例子，在 workflow 产品里，有一个非常关键的概念叫「节点颗粒度」：
颗粒度定得太细，就会很像编程，一般人根本用不起来；颗粒度太粗，又会过于抽象，能力不够。
在不同场景下找到一个最合适的颗粒度，本身就需要大量人工判断和反复试错。而像我们这样的产品，类似的决策有成百上千个。
正是这些看不见的苦工，一点点堆起了产品真正的厚度。
相比之下，我看到有人提到 Agent Kit 背后有 80% 的代码是用 Codex 写出来的。在我看来，这种不重视工程本身的做法，做出来的产品反而才是薄的。
曲凯：那我们再聊聊 workflow。过去半年，很多人都在讨论一个问题：workflow 未来还会不会存在？或者说，还有没有必要？毕竟自动化和 AI Coding 已经变得很强了。
路宇：我认为 workflow 会长期存在，因为人类的生产活动有一个不变的底层逻辑：需要高度的可预测性。
如果 AI 发展到极致，理论上我们当然可以让模型一步到位，完美地帮我们解决问题。这也是为什么有些团队从一开始就选择了「让一个 Bot 包办一切」的 AGI 路线。
但现实情况是，模型的能力还没有强到能让我们可以无脑接受它给出的结果。
现在更常见的情况是：你给模型一个任务，它会返回一个结果，然后你需要判断这个结果够不够好，不行就推倒重来。重复几次之后，用户往往会感到挫败、不可靠、焦虑，甚至产生一种「我是不是又被骗了」的感觉。
那这个问题要怎么解决？
就是在过程中设置检查点，甚至在一些关键环节，让人类能够介入协作。这种工作方式，本质上就是 workflow。
Dify 选择的，正是这样一条技术路线。我们先用 workflow 把稳定性和可靠性做好，再逐步走向更高水平的智能化。
因为真正实现完全的智能化，可能还需要三到五年，甚至更长时间。我们能保证的，是在整个过渡期里，为技术投资者提供一套稳定、可靠、可以真正投入生产的系统。
哪怕底层技术在持续变化，我们也一直在迭代，但我们给用户的体验感受始终是一致的。
你可以把 AGI 和 workflow 这两种路线，理解为技术激进者和技术保守者之间的差异。
但你觉得这个世界上，是激进者更多，还是保守者更多？
曲凯：也就是说，Dify 选择了一条更务实的路径，让用户可以立刻用起来，并且随着模型能力的提升，效果会越来越好。而另一条更前沿的路径，故事可能很好听，但稳定性更差，也意味着需要有人不断去交学费。
但外面这些看起来很 fancy 的故事，甚至是偶尔跑出来的一些非常惊艳的 case，难免会让人怀疑 Dify 是不是有点「落后」。你会因为这些外部的声音感到焦虑吗？
路宇：不太会。因为我们对自己的技术路线非常坚定。
今天几乎所有基于 Transformer 的模型，本质上都可以归类为「神经网络 AI」。但我们从一开始就不认为，Transformer 能解决所有问题。
在 Transformer 出现之前，其实还有一条更古早的路线，叫「符号 AI」。它更强调逻辑、更强调结构。
我们真正相信的技术方向，正是这两条路线的结合：
神经网络负责联想与展开，符号系统负责逻辑与判断。
这个判断来自仿生学和认知科学。
人脑是一个能耗极低、却高度智能的系统，但今天的 LLM，能耗却非常高。
那差距来自哪里？
原因在于，人脑不仅具备神经网络式的联想能力，还内置了一套符号系统。
比如我看到一个人，几乎可以在瞬间判断 Ta 是男是女、是老人还是小朋友。就好像我们的大脑里有一棵内置的二叉树，帮助我们快速完成分类、建立因果，从而以极低的成本和能耗，对他人的行为做出预测。
曲凯：明白。我们之前还探讨过一个话题，前段时间 Sam Altman 他们也在讲，就是未来的 SaaS 是不是会变成一种「快时尚」。
现在的 SaaS 面向的更多是普适场景，那随着 AI 的发展，未来会不会有更多公司，可以直接自己搭建出能完美解决自身问题的产品？比如说，财税是不是可以和技术人员一起，直接做一个 workflow，而不再需要购买外部 SaaS？
路宇：从人机交互的角度来看，这件事是有可能实现的。但我认为这个观点只对了一半。
因为在软件工程里，始终存在一些不变的基础，而在这些不变的部分中，就有 SaaS 的空间。
比如在财税场景中，哪些发票字段需要长期保存，哪些属于敏感数据，都必须由人来定义。这些本质上是数据结构，非常关键，不能随意更改。
所以未来更可能的范式是：人要在「结果」和「结构」的定义上投入大量时间，剩下的部分，再交给 AI 去完成个性化和客制化。
（P.S. 关于「结构」的重要性，在我们前几天发的 Newsletter Part 4 中有一些补充讨论，很推荐大家去阅读：下一代 AI 交互，会长成什么样子？| 42章经 AI Newsletter）
曲凯：我记得我们两年前聊的时候，大家用 Dify 做的还主要是 Bot、陪聊、知识库、问答客服这些东西。两年过去了，这点有什么变化吗？
路宇：现在我们有很多客户，已经在用 Dify 去编排非常复杂的流程，做企业级、大规模的智能化改造。
我们见过最复杂的 workflow，有四五百个节点，串联起了企业内部的各种组织关系和数据。
更有甚者，比如我们的客户安克，就用 Dify 搭建了上千个工作流，集成了上万个原子能力。他们已经把 agent 当成一种新的生产资产来看待，甚至是和人力资源平等地去管理。有了新业务之后，他们会先分析这件事需要哪些能力、流程应该怎么设计、哪些节点由人来做、哪些节点交给 agent 去执行。
曲凯：已经这么先进了吗？
路宇：对，而且现在不只是一家企业在这么做，很多企业都在往这个方向走。这个进展速度，其实比我一开始预期的要快很多。
曲凯：那有没有一些更具体、比较有意思的使用场景？比如你刚才提到的安克，他们在什么样的环节会选择用 agent？能做到什么程度？因为很多人一提到企业用 AI，脑子里还是停留在知识库、客服这些层面。
路宇：我们后来抽象出来一个结论：最标准的使用场景，其实就是「不标准」。
我们也曾经想过，要不要总结几个标准场景，但后来发现，用得最好的那些用户，几乎没有一个是按标准用的。
他们真正需要的，是一种「胶水」，把原有业务里的各种流程和能力粘在一起，形成复杂协作。而这套东西在不同组织里，就是完全不同的。
曲凯：那这么看，Dify 在企业里到底是什么？是脚手架、开发工具、胶水，还是最终会变成一种类似操作系统的东西？
路宇：我认为未来会出现一种新的组织协作方式。在企业里，大部分可以被抽象、被标准化的生产活动，都会运行在一个智能化平台之上。这个平台要解决的，是把内部的各种原子能力整合起来，让人和 agent 能够高效协作，以及完成流程的设计与调度。
可能在未来，我每天上班，打开手机看到的就是一个看板，点进去，能看到整个业务的生产全景，也能看到等待我处理的各种任务。有些任务我可以直接提取结果，有些需要我 review，还有一些则需要我判断——是安排人来做，还是交给 agent 去执行。
从这个角度看，它本质上更像是一个操作系统。
曲凯：这让我想起我们最早聊的时候，你提过一个观点：LLM 不应该只给开发者用，真正的使用者也应该能和系统互动、给反馈。
路宇：对。我们的理念一直是，让 LLM 推动技术平权。我之前偶尔也会有些犹豫，但现在我觉得这是必然的，而且很可能在两到三年内就会真正发生。
曲凯：所以如果有人问，现在到底是谁在用 Dify，你会怎么回答？
路宇：今天财富 500 强企业里，大概有 20% 在用 Dify。
曲凯：这完全就是开源带来的优势吗？毕竟你们基本没有做过 GTM，也很少主动销售。
路宇：开源是最关键的决策。如果没有开源，后面的事情其实都很难成立。
因为全球化要解决的是信任问题。想快速传播、推广自己的技术标准，开源无疑是效率最高的方式。
曲凯：但你们在日本市场的成功还是挺神奇的。
路宇：是。虽然我们在 23 年刚上线的时候就做了日语版本，但当时其实没想那么多。结果到了 23 年四五月，日本市场一下子就爆了。现在，Dify 在日本几乎是一个有垄断地位的现象级工具。
也经常有人问我：为什么是日本？我们到底做对了什么？
我们其实什么也没做，如果一定要说，可能就是一部分运气，再加上开源吧。
至于为什么是日本，我觉得最核心的原因，是 Dify 恰好非常适配日本的社会结构和用工方式。
一方面，他们的技术人员非常稀缺；另一方面，企业内部的业务又高度流程化。当他们看到 Dify，可能就像当年还在填纸质财务报表的会计，第一次看到 Excel。
当然，也还有一些次要因素。比如，相比北美团队，我们所在的时区更容易服务日本客户；再比如，我们的 UI 可能更符合东亚用户的审美。
曲凯：那你这两年，对 AI 的理解有什么变化？
路宇：现在的模型，已经可以很好地解决我们遇到的绝大多数问题了，甚至对很多人来说，模型能力已经是「溢出」的状态。
两年前，我们对模型的置信度大概只有 60% 到 70%；而今天，这个数字已经可以达到 95% 以上。
但为什么在这种情况下，很多人依然没办法和模型高效协作？
因为模型的本质，更像是一个巨大的「数据球」。你得先相信答案就在里面，然后再不断和模型磨合，找到一套正确的「密码」，才能把答案抽取出来。而找到这套密码的能力，并不是每个人都具备。
这件事也很难被快速教学，它高度依赖一个人原有的认知框架和提问能力。
我相信，像 Dify 这样的产品，可以提前帮用户设计好这张「找到密码的地图」。当用户要解决某一类问题时，只要沿着地图走，就更容易在模型里找到正确的答案。
在这个过程中，人类更像是模型理解现实世界的传感器，负责为模型提供更充足、更准确的上下文。
曲凯：这里其实可以抽象出一个很好的概念——Dify 就是人类寻找大模型答案的「藏宝图」。
路宇：是。另外，在 B 端场景里，AI 的生产力也还远远没有被真正释放出来。
MIT 前段时间有一份报告提到，95% 的公司在 AI 上的试点最终都失败了。这说明，大多数企业目前的工具体系和学习能力还远远不够。
所以我认为，下一个真正的机会窗口，并不在于继续提升模型的智能，而在于「建桥」。
比如，去搭建能够弥合模型能力与人类使用能力之间鸿沟的基础设施；设计更好的人机交互范式；构建真正能让人和 AI 高效协同的工作流。
这些都是 AI 应用里的「最后一公里」问题，也会是未来几年里最大的机会。
这里我也想反过来问你一个问题：在这样的背景下，未来人类，或者说一个组织的核心竞争力，还剩下什么？
曲凯：我想一下。
路宇：你看，就像阳光、空气和水对所有人都是对称的，模型在某种程度上，也让智力变成了对称资源。那必然还会剩下一些非对称的东西，成为未来真正的竞争力。
曲凯：我会这样回答：如果我们平等地看待 AI 和人，那去找人和 AI 之间的竞争力，其实就是在找人和人之间的竞争力。
为什么有的人更厉害？
核心差别，在于决策能力和注意力机制。
我经常举一个例子：一期一小时的播客，一万人听完之后，提取出来的重点一定都不一样。换成 AI 也是一样。你给它再多的 context，甚至允许它去网上搜更多信息，但它挑出来的重点、以及接下来要做的动作，依然会千差万别。
路宇：不是价值观的差别吗？
曲凯：看你怎么定义价值观。我更倾向于认为，价值观本身也是 context 的一部分。
比如我今天刚和 TikTok 的人聊天，他们说在中东，美女扭屁股是违法的；但在巴西，从流量的角度看，这反而是被鼓励的。
不同文化、不同 context，自然就会导向完全不同的结果。
所以无论 AI 能力再强，不同的人使用 AI，最终得到的结果一定是不一样的。
很多人，尤其是年轻人，都会跟我聊，说担心未来会被 AI 取代。
但我从来没有这种担心。
我后来认真想过，为什么我不担心，结论其实很简单：
如果和其他人相比，我本身就不容易被取代，那 AI 最多也就和别人站在同一水平线上，自然也没什么好担心的。
就像我刚才举的播客那个例子，我非常有信心，在拿到同样的素材时，我就是能总结得比 AI 更好。AI 可能会给你列出 1 到 5 点，而我会直接告诉你：后面 4 点都不重要，我们一起看看，为什么第一点最重要。
路宇：我问你这个问题，是因为我最近在想，Dify 能不能把个体和组织的非对称的能力保留下来，然后让大家都能更好地和模型协同。
曲凯：我明白。你在想的，是怎么让更多人从一开始的 60 分出发，随着模型进步、context 越来越充分、反馈机制不断完善，逐步做到 70 分、80 分。
那我前面讲的是，如果一个人本身就能做到 90 分，甚至 100 分，那 ta 本来就不可能被取代；而只能做到 60 分的人，确实很可能会被取代。
最后想再问你一个问题。好几个投资人都跟我说过，他们没想到 Dify 会发展得这么好。你觉得他们看漏了什么？或者说，你认为走到今天最核心的原因是什么？
路宇：长话短说，就是两个字：耐心。
这个词听上去，可能和现在很多 AI 初创公司的节奏是背道而驰的。但我们一开始就把要做的事情想得很清楚，团队也是围绕最终的目标和标准来搭建的，所以结果必然不会差。
曲凯：其实就是你们更务实、更踏实，所以不是「一波流」，而是会慢慢厚积薄发。
路宇：我倒不太觉得我们是在「精耕细作」或者「厚积薄发」，我们只是用成熟市场的方式在做产品。
在一个成熟市场里，每个产品都会给自己贴上一些长期不变的标签。
比如，丰田代表性价比和可靠性，沃尔沃、斯巴鲁代表安全，特斯拉代表自动驾驶。
而 Dify 之所以成为今天的 Dify，是因为我们在 Day 1 就选定了开篇讲到的那些策略，然后一直坚持到现在。
所以，与其问我们「做对了什么」，不如反过来问，有哪些东西，是我们始终没有变过的。
曲凯：OK。你还有什么想分享的吗？
路宇：作为创始人，一定要快乐。
曲凯：你现在快乐吗？
路宇：非常快乐。
我现在的状态比两年前还要好，原因之一，就是我调整了自己的定位。
传统观念里，CEO 就应该背责任、吃苦、扛压力，但我觉得这是错的。
创始人必须让自己快乐。
人在巨大的压力下，其实很难真正想清楚问题。但当你是快乐的，你的身心状态会更好，也就更容易涌现出最好的想法。
团队管理也是一样。如果你一味照顾所有人的感受，反而会慢慢失去最初那种创作产品的表达状态，也就失去了改变世界的动力。
创业者的使命，是把未来带到现在，而不是负重前行。
曲凯：其实不只是创始人，每个人都应该去做让自己开心的事情。当你在做自己喜欢的事时，哪怕加班，本身也是快乐的。
路宇：是。我在做公司的过程中，一直有两个看起来有点矛盾的观点：我们不喜欢 996，但我也反对严格的 8 小时工作制。
前者让人痛苦，后者也并不符合智力工作者真实的创作状态。
当一个人进入创作状态时，会进入心流，甚至忘记时间，而这本身就和 8 小时工作制是背道而驰的。
曲凯：我不知道你有没有自己的解，但我可以分享一个我最近很深的体会。
规则本质上是用来约束人的，但最好的规则，可能反而是没有规则。
前阵子我在纽约待了一周，有一个特别有意思的观察——那边几乎所有人都会闯红灯。我还跟人开玩笑说，国内都找不到素质这么差的地方（笑）。
但对方跟我说，你仔细看，其实这些人都有自己的判断。如果会影响到来车，他们就不会闯；但如果前面本来就已经堵住了，他们就会往前走。也就是说，当所有人的目标都是最大化整体交通效率时，红绿灯本身反而没那么重要了。
所以，如果大家目标一致、劲往一处使、而且都很开心，那可能才是最好的状态。
最后，就祝大家都能开心吧！
