一年四万三的会务软件，公开评测能换掉它吗？

每隔几周就有人宣布 AI 杀死了 SaaS，另一边则说真实业务不能靠感觉写出来。Latent Space 这场不接着吵，他们拿自己即将购买的会务软件做了一次公开实验：杀一个真在用的工具，并用真买家来打分。

原始来源：How to kill your SaaS: what we learned replacing a $43K/yr tool with AI agents。中文深度整理，非逐字翻译。本文依据视频英文字幕。提交数、奖金和名次按主持人在节目中的说法。

买来的三分之一，和一份不许自己造软件的合同

主持人同时跑 Latent Space 和 AI Engineer 会议。演讲管理软件按四场活动报价一年 4.3 万美元。他们大概只用套件里的三分之一，没用到的部分没有折扣。提需求常常三个月、半年，或者永远不上线。七场办下来，这个品类有多差，团队是知道的。

公司创立合同里曾经写着：没有他的明确批准，不许做内部软件。原因是业务很容易掉进“我们自己做”的坑，去造市场上买得到的东西。他今年改了主意，认为智能体已经够做给自己用的软件，并用真钱来试。

挑战名叫 Kill My SaaS。规格是要完成的工作，不是实现方式。活动团队不看技术栈、模型和开源与否，只看自己会不会买、会不会用。72 个队伍提交，多数仍然在线并且开源。奖金 1 万美元。因为没人靠一个 20 美元的套餐做完，认真尝试的人最多可以报销 500 美元代币。

这个软件处在中间层。不是 Salesforce，也不是一天能感觉写完的小工具。演讲者投稿，评审打分，委员会接受，然后要有门户上传头像和幻灯片，没做完要提醒，排进房间，改日程、改标题，公开议程得跟着变，还要加共同演讲者。同一个人可以同时是演讲者、赞助商和观众，角色有时是现场临时造的。活动团队极厌风险：软件晚一周，人会走错地方，会议可能开不成。赶工费和工会费用发生在观众看不见的地方。

三件文档里没写清、一用就撞上的事

建造者拿到一份简报、一段真实产品的讲解视频和 42 张截图。评委不是主持人，是运营负责人 Kelsey 带的活动团队，接近半盲。

三件事反复绊倒人。门户：演讲者、受邀演讲者和赞助商要各自的门户，多数作品只做了一种。拖放排期：放下之后环节要真的移动，还得看得出是否确认；同一个人不能同时在两场，同一房间同一时段不能订两次。第三件是不经过投稿表，直接加一场演讲，受邀嘉宾需要这条路。三件在文档和原产品说明里都写得不充分。像真人一样用，才会马上撞上。

他们还发了一个 AI 裁判，用来让申请能跑起来，不负责选冠军。Claude 以每种角色登录，点过他们写的 20 条正常流程，再用 Claude 打分。按钮叫什么、放在哪，可以变。56 个应用跑了这套，40 个覆盖够用来排名。前七名彼此相差 2.3 分以内，基本上饱和。对着低分项继续爬，作为起步有用。人把功能做成孤岛、花了很多代币却没有串成一个应用，是后来倒下的地方。他们没有把自己的作品当用户用。

真人分数和 AI 裁判相关性很差。AI 前十里有六个被人类标成弱。最后的赢家在 AI 榜上是第 19。相关性不是零，也从来没被当成最终标准。这是有意的：规格留白，是为了找有口味的人，这场也是招聘。清单可以克隆，口味不能。有建造者说，自己最得意的部分根本不在裁判覆盖里。人点过每一个应用，才看得见。

代码之前的工作，和三种分工

公开仓库的中位数大约 9.1 万行。Claude Code 和 Codex 基本打平。66 份里有 40 份两个都用，几乎人人混了模型家族。三位决赛选手用的组合，另外大约 50 份也在用，所以模型选择不是优势。主持人自己习惯一个项目锁一个模型，好让上下文留在一处。别人不是这样。他们自愿把提示和过程文档交进 GitHub。

归纳出来三种分法。贵的模型决定做什么，便宜的模型按规格写，例如 Claude 计划和复查、Codex 写大部分代码。一个模型建造，另一个检查，通常是更会开浏览器的那个来查。第三种是没有模型批准自己的工作：两支队伍在分开的工作区里，对方没验证不能合并。智能体对自己的产出更松，对人做的更严，和人一样。

三位决赛选手都说，提示几乎是最后一步。Marco 给客户克隆过应用。界面定了之后，他会坐下来用最细的粒度写数据模式、业务逻辑和伪代码，再把这些交给模型，两三小时出一版像素级的结果。他把讲解视频和 Sessionboard 的 API 文档直接喂进去，并指定自己的技术栈。Yazin 先把帮助中心整站爬下来，再写规格。Valentin 把护栏做成仓库模板，让模型先从讲解视频里逐帧画出每条流程，再拆成能并行的步骤。第一次模型甚至没在本地把应用跑起来，他就整轮重做。

三个人都反复把自己当用户。有人头像存进了一个地方，公开页却从另一个地方读，因为两处是分开写的。Valentin 的标准是五分钟：五分钟走不顺，就缺了上下文或测试，整轮重来，包括先去研究什么叫好的引导。Yazin 保持一份点出来的修复清单，补上切换门户和真实邮件。Kelsey 把交付物页给内容经理看，对方的反应是不用再点进每张表才能看见状态。

克隆是容易的部分

五份达到了他们愿意采用或认真考虑购买的线，另有 12 份里有想拿走的点子。冠军 1 万美元给 Valentin 的 Open Roster。他做的是一套软件工厂，多门户和一份团队真想用的日程。第一名之后是 Conferencer 的 Yazin，5000 美元：整站最好点，交付物在一页上，演讲者生命周期的每一步都有真实邮件。再后面是 TrackStage 的 Marco Kramer，1000 美元，拖放排期最干净，仓库文档也好，适合拿来看一支智能体队伍怎么分工。主持人说，2027 年的 AI Engineer 很可能是 Open Roster、Conferencer，再加那 12 份里的主意混在一起。发奖之前他们把三位决赛选手都请来谈过，确认人是真的。过程文档是自愿交的，能看见的只是愿意公开的那一部分。

他同时把“可以杀掉 SaaS”往回推。看起来能用的克隆，提交里已经很多。Kelsey 在点评里把差别说得很小：有的作品分得清表单和门户，多数分不清；提示告诉你去点某一处，却不让你直接点。拖放若只是看起来能拖，日程上的人仍可能被订重。这些都不是文档里的句子，是用的时候才出现的句子。

留下来的是接故障。会议已经在进行时，团队里的 Flo 扔出十几个 Codex，去保一个当晚就要用的项目。弄坏了就得自己拥有。反过来说，自己拥有，才改得动。Kelsey 的例子是赞助商的票取消不了。供应商的客服绕到工程师，回来的建议是刷新缓存。她不会把这句话转给赞助商。责任是：我不关心你怎么修，它不能坏。她要的是注册进门户、门户进日程，而不是再买一块用接口粘上的碎片。主持人因此告诉 Yazin，内部工具要先换自己正在用的整套，而不是再做一个切片。

团队兴奋的点也不只是少付 4.3 万。他们终于看见 2026 年的会务软件可以长什么样，而不是 2006 年那套。改动可以按真实反馈进下一场。

他的账是：克隆这类中层软件，代币大约一千美元，再加上大约一万美元的 AI 工程能力，然后你拥有它，也负责维护它。报价当时听起来，三千美元代币已经很多，和一年 4.3 万相比仍是另一笔账。拥有不是纯好处。和 12 个月前比，维护和按团队改软件变得可行。活动团队从怀疑感觉写出来的应用，变成在要求它。省下的钱要拿去付他们以前付不起的改进。写代码最多的往往不是工程师，是设计师、领域专家和运营。故障和功能可以在分钟级转回来。

评测比想象中难。他们同时在办两场会议，这期录在 AI Engineer 纽约，下个月还有一场。第一次很乱，回复也晚。下次他不打算再一个人做。想赞助或参加下一轮的人，仓库会放在相关的帖子里。