内容概览
Every 推出的 All Access 年费方案，以 Builder Pack 为核心，把团队日常使用的模型、开发、分析、设计和部署工具组合成一套可直接实践的 AI 工作栈。此次发布不仅带来了公司历史上最大的订阅收入增长，也展示了智能体原生工作的经济价值：一次由 Slack 截图触发的 Codex 工作流自动完成用户分群、邮件撰写、历史效果分析、素材选择、排期与团队通知，人工仅修改约十分钟，相关邮件随后创造超过 2.5 万美元收入。团队认为，人的角色正在从亲自操作工具转向“编排”：在 AI 三明治的顶部定义问题、目标和审美，在底部审查并修正产出，中间执行则交给能够访问 Notion、PostHog、Kit、Framer、Render、Flora 等系统的智能体。其关键并非一次性自动化，而是把有效做法编码为技能和工作框架，让项目上下文与结果持续复利。对新手而言，最佳起点是选择真正想做的项目，快速复制或重建一个简化版本，连接完整工具栈，发布给真实用户，再依据反馈迭代。
更多内容
发布与执行时间线
从 All Access 发布到营销自动化及后续扩展计划的关键节点。
- Every 在当月14日星期二发布 All Access。这是一次全公司参与的大型发布，核心产品是 Builder Pack。
- 发布首日设置了持续24小时的早鸟优惠；当晚团队提出再次触达有结账意图但未转化的用户。
- Austin 将 Slack 截图交给 Codex 后去健身；智能体自动建立四类受众、生成邮件、调用 Spiral、复用历史素材并安排发送。
- Austin 返回后进行了约十分钟人工修改，团队审核后按计划发送邮件。
- 邮件发送后的数小时内产生超过2.5万美元收入，并给出后续再营销建议。
- 团队计划继续增加合作伙伴，并为各项权益提供可直接交给智能体使用的指南或训练营。
深层洞察
由案例共同指向的组织与产品层面含义。
- AI 原生团队的单位产出优势，不只来自更快生成内容，而是来自同时运行多个专业工作流，并由少量人工注意力进行最终调度。
- 当模型成为统一入口后，SaaS 产品的核心价值会从界面操作体验部分转向可信数据、专业执行能力、API/MCP 接口和自动化可靠性。
- 昂贵的模型额度会形成新的能力鸿沟：已经进入公司的从业者能大量实验，求职者和个人开发者却可能因成本无法建立实践经验。Builder Pack 本质上也在解决这一准入问题。
- 最难复制的资产不是某条提示词，而是团队长期沉淀的任务框架、共享上下文、审批机制和对优质结果的判断标准。
可复用经验
团队从产品发布和日常智能体协作中总结出的行动原则。
- 先明确希望实现的结果，再把同样的目标直接告诉智能体；无需在第一条提示中预先设计全部执行细节。
- 优先自动化重复、明确、需要频繁点击的流程，把人的时间留给选题、实验假设、审美和结果判断。
- 从一个真实且令人兴奋的小项目开始，尽早部署并让别人使用；反馈比脱离情境地学习工具更有效。
- 把成功流程编码为技能和可复用工作框架，并让智能体保留项目上下文，长期收益会持续复利。
- AI 生成的初稿不应默认可发布。视频案例只完成约70%，营销邮件仍经过人工审阅和轻量修改。
- 并行试用不同模型并建立个人评测标准；通用榜单不能代替针对自身工作流形成的模型偏好。
工具栈与技术细节
访谈中明确提到的产品配置、系统连接和执行方式。
- All Access 为625美元年费，当前 Builder Pack 包含10项权益，并计划继续增加；会员还包含专属 office hours、Kora 与 Spiral 的无限使用权。
- Codex 案例使用“5.6 on medium”，并通过 /LFG 启动 brainstorm、plan、work、review、compound 循环。
- 邮件流程连接 Slack、Kit、Spiral MCP 和历史发送数据，自动完成受众分群、文案生成、点击与打开表现参考、图片选择、排期及团队通知。
- Yash 使用 Claude、Cursor Cloud Agents、PostHog、Framer 和 Kimi Composer，并计划自动化 A/B 测试中的分群、样本扩大与执行流程。
- 视频流程通过 Claude Code、Fable、Descript MCP 与 Underlord 循环处理转录稿、故事板、脚本和粗剪，约完成最终成片的70%。
- 创意研究流程使用自定义营销技能完成竞品、定价、语言和品牌色审计，再由 Claude 编写提示并交给 Flora 或其 MCP 处理参考图与视觉生成。
- 新手原型建议使用 Cursor Cloud Agents 构建、Render 部署、PostHog 分析，并通过多个并行智能体比较不同模型的产出。