OpenAI收购Odessia：成立仅10个月的AI旅行助手团队加入

OpenAI把一家成立还不到一年的AI旅行Agent公司Odessia收入囊中，创始人Francis Davidson随后宣布加入OpenAI，主攻旅行方向。

Davidson属于连续创业者。上大学时他就联合创办了住宿公司Sonder，十年间把这家公司从零做到6亿美元营收、一千多人的规模。后来Sonder经历了上市，也遭遇经营困境，在与万豪的合作终止之后破产。

没过多久，不到一年，Davidson就带着一支大约8人的队伍再度出发，做出AI旅行Agent Odessia，并拿到Sequoia领投的约600万美元融资。

按照他的说法，去年夏天有数万名早期用户借助Odessia安排旅行，折成年化计算超过6,000万美元。他把这次创业与上一段经历的最大差别浓缩成一句话：丢掉旧打法，全力押注Agent时代。

他也在第一时间复盘了团队怎么靠AI agents把公司迅速搭起来：产品、工程、设计、销售、财务、客服都让Agent参与；把公司的上下文接给它们；用语音快速下指令；人的时间则留给判断和纠偏。

下面就是他们这十个月疯狂的"Build"历程：

让Agent出现在每个环节，承接各类工作

只要上下文给得足够、技能打磨到位、语音指令写得详细，再配上前沿模型，Agent的生产力就能成倍放大，有时候甚至一口气把整个项目做完。这可不只是软件工程任务，战略、合作伙伴关系、设计、营销、客户支持、法务、财务，这些工作全都算在内。

2026年，我本人用Agent的频率涨了25倍。作为创始人兼CEO，我脑子里就一个目标：尽快把一家好公司做出来。Agent用得越多，智能带来的投资回报也跟着往上走。

把上下文拉到最满

一次Agent运行，就能调出会议记录、翻看云端硬盘里的演示文稿、查阅邮件往来和Slack消息、读取用户反馈，再去几个业务记录系统里取数。这些信息凑到一起，整体价值大于各部分简单相加。

另外，每个决策我们都建了清晰、共享的文档，好让Agent吸收需要的战略背景。这套知识库和工作成果记录，由Agent负责维护。

语音指令与技能

要让Agent交出好活，大量纠正仍然少不了。可打字写提示词实在太慢，语音一般要快3到4倍。我们更习惯先对着Agent口述一通头脑风暴，想法慢慢成形时，也把自己的思路直接说出来。提示词没必要逐字雕琢得很精致。

现在几乎任何事情，在动手手动做之前，我们都会先让Agent试着做。时间一长，它交出的质量一次次让人意外。产品发布视频就是Agent做的。Agent还会用基准测试去评估潜在合作伙伴的API，把结果整理成电子表格和幻灯片。

反复出现的纠正，我们会整理成技能，让Agent在相关任务里主动加载。

反复迭代与前沿模型

一项任务手工做可能要40个小时。换成前沿模型驱动的Agent，即便经过几轮迭代和反馈，也可能两个小时就完成。生产力提升20倍，而跑Agent的成本几乎可以忽略。回报这么高，理性的选择就是取消使用限制。额度限制一取消，生产力明显提速。

到头来，瓶颈会变成你消化Agent产出、推动决策的能力。为了更快处理结果，我们越来越常让Agent生成一次性的可视化成果。Agent自我检查能力上来之后，更多工作可以在人审阅之前就完成并修正。比如让另一个模型来批评结果，再让模型循环改进。

知识工作很少非黑即白，这正是前沿模型占优的原因。我们要的是高性能软件、漂亮的设计、没有错误的财务模型、扎实可靠的分析，等等。但也不想每一步都盯着模型、照看它。我们希望只给出高层目标，然后让Agent尽量少经过几轮对话就全力执行。真正的瓶颈是你的时间。

最好的模型能让你用更少的迭代达到质量要求，所以整体成本往往反而低于每个token更便宜的模型。便宜模型不管提示词怎么写，往往还是够不到质量线，最后你只能亲自从头重做，浪费巨大。减少迭代次数，比省每个token的钱重要得多。2026年有一条反直觉的经验法则：

前沿模型每个token越贵，它的投资回报率反而越高。

补充一点：开源模型常被说成更便宜。但就算不把时间、迭代成本和失败结果算进去，在任何智能水平上，闭源模型都占据整个帕累托前沿的优势位置。

这支团队由一位负责人带着一队 Agent 干活。

他们一天通常这么开场：起床先看 Agent 夜里干了什么，用语音点出要改的地方，然后再起一个新 Agent。它跑完可能要几分钟，人不用守着屏幕干等，接着再开一个。能让公司变好的事，永远做不完。

这就要求每个成员同时管好几个领域，手里并着多条工作线。所以他们每天开站会，分好工、互相盯进度。一个人只盯一条线、按季度排路线图的日子，已经翻篇了。

卡点应该始终在人身上，而不是在等 Agent 干活。眼下每个人都是 Agent 的管理者。好的管理者不会站在成员背后看人怎么做，而是先把方向给出去，再去看做完的东西、给反馈，一轮轮改到合格为止。

主动型 Agent 同样关键：不用人一个个去启动，它们自己就会开工。比如每天出分析报告，不是把同一个仪表盘再摆一遍，而是主动做新的分析；查每一起线上故障；过一遍所有客户反馈和追踪记录；核对应付账款；每天站会后更新 Linear；夜里跑冒烟测试。

能做的事几乎没有上限。企业里的每一份数据都能被智能处理，拿去改进产品、加快增长或者提效率。

节奏快得有点疯！！

你或许以为 Agent 把生产力提上去，人就能少干点。事实正相反。越来越多的创业公司一周干六七天，他们也是。一个小时现在格外值钱，因为一小时内能做的事比以前多得多。不能让对手抢在前头。杰文斯悖论，就落在他们的工作安排上。

他一直喜欢邮件里的“只处理一次”原则：第一次读到就逼自己回掉，之后不再翻、不再惦记。这个方法他开始用到任何想试的产品改进或新点子上：直接起一个 Agent 去做，不要任务管理器，不要路线图、优先级排序或工作排期，只管持续、立刻地执行和纠正，直到质量过关。最好的流程就是没有流程。规划和流程的回报，已经掉了很多。

他妻子觉得挺逗：在很多稀奇古怪的场合，他都坚持盯着 Agent 把事做好。

新的篇章

能在这样一个生产力超人的新时代做产品，实在让人兴奋。他想到的一些点子，几小时或几天后就能在现实世界里看到，不用等几个月甚至几年。回头再看，过去整个经济靠那么手工、那么繁琐的方式运转，一定会显得难以想象。

任何负责传统路线图的人都清楚，里面的取舍有多难受，真正能干完的事有多少，一个简单想法要交付出去又会变得多乱、多绕。

他急着想看未来几年会冒出哪些新能力，也相信它们会明显改变整个经济里的产品和服务。客户会得到更多惊喜。那些过去永远排不上路线图的功能，会成为竞争里少不了的东西。

原文：https://x.com/fdavidsont/status/2120214953349263473?s=46