Original 创投止观舍
在创投的叙事逻辑中，媒体和软件向来是两条平行的轨道：前者贩卖注意力，后者主打效率。
而有一家从内容转型成为AI企业的硅谷新锐“Every”，不仅在1年内连续推出4款产品，而且业务不断升级、ARR逐年翻倍，累计完成了2轮融资，成为小团队高效运作的典范。
Every从内容起家，紧贴大模型打造标准化的AI工具软件并批量复制，进而又基于自身AI的实操经验，将业务升级至更高价值的企业落地与咨询业务，打通了内容-产品-商业的闭环，完成了向AI Native的转型。
1. 从内容到工具的转变：垂直人群+广泛场景
Every的两位创始人Dan和Nathan，都是从经营付费newsletter专栏起家，早期积累了一批精准、高客单、粘性高的用户，为后面产品的冷启动奠定了基础。
（1）Spiral：自用验证+ 敏捷开发模式
得益于作家的经历，Dan和Nathan对痛点的把握十分精准。他们发现，创作者每天被大量重复性的动作挤占时间，比如内容在不同模态间的转化、为了适配不同渠道重新格式化内容、生成各种提案和总结等。为了很好的释放产能，他们打造了第一款产品：Spiral。
Spiral的功能非常丰富：自动化重复创意任务、提示词构建器（Prompt Builder）、个性化写作、支持多轮迭代和agentic模式等，作家可以一站式提升创作效率。
由于切中了真实且高频的场景，Spiral在2024年6月上线后迅速普及（包括Lenny Rachitsky、Ali Abdaal等知名creator都在使用），随着不断迭代升级，目前已经成为Every订阅体系中最核心、使用频率最高的主力产品之一。也正是那时，公司获得了第一笔融资。
可以说，Spiral的立意采用的是自用验证（internal dogfooding）的方式，而产品搭建采用的事敏捷开发的模式：第一个版本用ChatGPT在2天内就搭出原型，整个产品搭建不到2个月，先在团队内部跑通、迭代几个月确保效果后，再对外发布。
（2）Sparkle：用LLM重构提效场景
随后Every团队又发现了创作者的另一个痛点：文件管理混乱，甚至很多人的桌面都是“数字垃圾场”。当时GPT-4已经推出，团队觉得完全可以用AI来自动化解决。因此他们又推出了第二款产品：Sparkle。
Sparkle是一款Mac专属 AI 文件整理应用，能够真正改善桌面文件体验。核心功能包括：AI自动将文件夹按照逻辑与用途智能分类和归类、在每个被管理的文件夹下建立智能化的三个子区域进行管理、对文件夹进行持续监控和自动维护等。
2024年8月推出后（距离Spiral仅2个月），整理的文件数量就已经达到150万个，成本仅需$36.66（使用廉价AI模型如GPT-4o-mini），每周可以帮创作者节省3.5小时的手动时间，因此受很多知名创作者的公开称赞。
这次的孵化逻辑和此前一致：先解决自家问题，再产品化。Sparkle不是的简单自动化处理器，而是用AI取代了原本需要人类脑力的“分类决策”，将大模型的智能化程度发挥到极致。
（3）Cora：解放注意力的场景延伸
Cora的诞生源于Every团队对于注意力的思考。创作者每天需要接收大量邮件，其中90%并不需要立即处理却占据了注意力。另外现有邮箱客户端设计没有智能筛选、总结或回复辅助机制，智能化程度不足。
因此，团队围绕“最少干预获得最多价值”打造Cora功能：智能筛选与重点保留、自动起草回复草稿、每日邮件摘要 Brief、聊天交互获取信息或给出指令等日常高频设计。
Cora的推出是在2024年底，当时正处于AI native产品对传统工具的替代期，因此很快得到使用。私测阶段已有2,500名活跃测试用户，把Cora纳入Every Bundle时，等待名单用户超过约10,000人，市场热度很高。
（4）Monologue：“两周原则”的极客孵化
Monologue最初是由Every的入驻企业家Naveen在一个周末独立开发出来的，他最初只想解决一个问题：想要一个能自动整理并发送他口述内容的工具，因为通常打字速度跟不上思维速度。
然后，Naveen在Every内部的一次Demo日展示了一个简陋的版本，结果Every的所有团队成员立刻放弃了原本使用的第三方听写App，全部转向使用这个原型。
随后，团队用Vibe Coding在极短的时间内完成了从简单脚本到功能完备产品开发，并成功通过“两周原则”的测试（如果团队内部两周内没有养成每天使用的习惯，就直接放弃这个项目）。
Monologue在2025年6月推出，目前每周生成超过100万字的文本内容。这款产品的诞生过程非常有“极客感”，也再次验证了团队的产品方法论。
Monologue最初是由Every的入驻企业家Naveen在一个周末独立开发出来的，他最初只想解决一个问题：想要一个能自动整理并发送他口述内容的工具，因为通常打字速度跟不上思维速度。
然后，Naveen在Every内部的一次Demo日展示了一个简陋的版本，结果Every的所有团队成员立刻放弃了原本使用的第三方听写App，全部转向使用这个原型。
随后，团队用Vibe Coding在极短的时间内完成了从简单脚本到功能完备产品开发，并成功通过“两周原则”的测试（如果团队内部两周内没有养成每天使用的习惯，就直接放弃这个项目）。
Monologue在2025年6月推出，目前每周生成超过100万字的文本内容。这款产品的诞生过程非常有“极客感”，也再次验证了团队的产品方法论。
2. 从软件到咨询服务的升级：AI能力外溢
随着Every定期将分享如何使用AI工具、开发AI产品的流程等话题，不少企业开始向Every团队求助，希望Every能帮助他们将AI落地或产生 ROI。团队评估后认为，自身AI的实操落地经验，完全可以打包成一项服务收费。
最开始，Every先为企业提供为期两天的“AI 战略短跑”（AI Strategy Sprints），没想到效果极佳，因此在随后的几次咨询合作中（与VC、律所等），快速总结出一套咨询模式：从发现痛点、推进采用、搭建工具、到团队培训一条龙，而不是单纯做战略报告。
在反复内测与小范围试水后，Every 在 2025年2月正式公开了AI咨询服务，并正式任命Brandon Gell为咨询业务主管。得益于团队的AI能力，咨询业务成立不到一年收入已经超过100万美元。
与传统咨询不同，Every提供的是“指南针+地图+陪跑”的模式，他们会直接帮客户配置GPTs、编写Prompt库，甚至帮助客户部署自动化的AI Agent，此外还通过“工作坊”让员工直接在自己的真实业务场景中调优AI、内部推动与文化建设，目前已帮助多家公司跨行业落地AI，公司也在去年获得了第二笔融资。
3. 内部AI工作流与团队协作：完全AI native化
目前，Every不仅将AI融入产品设计与开发的各个环节，而且还将AI能力内化到组织运营和工作方式上，实现公司全面的AI-native化，并总结出相应的方法论。
设立Head of AI Operations（AI运营主管）：负责持续挖掘和自动化所有重复性工作，每周与Dan进行一次深度沟通，将团队等日常任务梳理成待办清单，并通过prompt工程和workflow设计不断优化流程。例如，内容编辑流程中的多轮copy edit（文本润色）被Opus模型自动化，节省大量人工时间 内部工具与prompt库建设：工程师构建专属prompt库，每当遇到新的需求点，团队会先用通用模型尝试，若效果优秀则进一步“拆解”为独立产品或内部自动化脚本。例如，通过Cloud Code实现“slash commands”（快捷命令），把常用prompt变成可复用模块，提升后续开发效率
“Compounding Engineering”（复利式工程方法）：团队发明了“每做一件事都要让下一次更容易”的工程哲学，比如在编写PRD（产品需求文档）时，先花时间把“理想PRD”的结构prompt化，以后只需输入思路即可自动生成高质量PRD，此外还用多个AI agent（如Friday、Charlie）协同处理pull request（代码合并请求），实现互相协作。
团队成员背景与成长路径完全AI化：Every的工程师，很多是在ChatGPT时代学习编程，成长速度远超传统路径。内容团队成员则兼具写作、流程设计和AI工具tinkering（持续试验）能力。公司内部形成了“generalist”（全才型人才）文化，每个人都能在多领域借助AI工具高效工作
这种高度自动化、AI协同的团队运作方式，使得Every能以极小的人力资源快速推出多款产品，并有效提供交付服务。
4. CEO对未来的展望
4. CEO对未来的展望
（1）套壳应用仍然有价值
Dan认为“GPT Wrapper”（GPT套壳应用）存在价值，他觉得，行业内对“只是包了一层GPT”类产品大多贬低，但实际上这些产品能够将AI能力以更友好的形式嵌入到实际业务流程中，可以很好解决“首公里”和“最后一公里”问题，而且还可以用来测试市场需求，为以后创造新产品奠定基础。
（2）企业能否拥抱AI，主要取决于CEO是否亲自使用AI产品
Dan认为，如果一家企业的CEO是“AI daily user”，整个组织会迅速形成积极氛围，反之则难以落地。
此外，企业应通过“AI first memo”（AI优先备忘录）、“weekly prompts sharing”（每周prompt分享会）、“usage stats email”（使用统计邮件）等机制，持续鼓励员工探索和分享AI应用经验，推动早期采用者的经验在全公司扩散。
（3）从“知识经济”到“Allocation Economy”
Dan认为，我们正从知识经济迈向以“分配与管理”为核心的新经济形态。这背后的逻辑是：AI取代基础执行、管理技能成为核心，未来管理技能将变得“廉价且普及”，每个人都需学习如何与 AI 协作，AI工具让初级员工能迅速成长为“全才型人才”（generalist）并在小团队中发挥更大作用。
（4）AI将催生新的岗位和需求
Dan认为，AI并非只是“取代低端岗位”，而是会激发新需求和提升岗位价值。例如，过去只有大公司或富人才能负担的“in-house counsel”（企业法律顾问）、呼叫中心等服务，在AI的加持下变得便宜，普通小公司甚至个人也可以使用。
这种“cheap intelligence”（廉价智能）将原本被抑制的需求释放出来，带动更多岗位和服务出现。
而且，AI的赋能可以让一个普通员工服务更多客户，例如原本一个呼叫中心员工只能服务有限客户，AI工具让他们能同时应对成百上千的需求。这不仅没有消灭岗位，反而让员工处于更有竞争力的位置。
关于就业，木头姐最新的年度报告中有同样的观点：报告︱71岁的木头姐越来越硬朗了，去年35.5%的基金回报率，刚又发布111页的26年度报告...
总结
1. 公司理念：Every强调“ideas and apps at the edge of AI”（AI 前沿的创意与应用），以AI native的方式打造业务和组织，并聚焦垂直人群，以“卖更好的工作方式”的定位深挖并广泛扩展场景
2. 业务层面：面向高频、重度、真实的需求，形成 “内容（信任基础+入口）- 产品（商业引擎）- 咨询（价值溢出+升维）” 的闭环，各板不仅能相互独立发展，而且还可以相互支撑、协同迭代
3. 产品层面：紧贴模型打造应用，利用internal dogfooding的方式发现并定义场景和功能，在内部认可并形成“banger”（爆款）后，采用“bundle”策略推广至订阅用户，增强粘性和复购
4.组织层面：充分遵循“AI first”理念，追求极致的人效比，形成generalist（全才型人才）文化，并设立Head of AI Operations，打造高度自动化+协同的组织。