Agent Led Growth：AI智能体驱动增长的新范式解析

当客户不再是人：一场增长范式的悄然转移

在 SaaS 世界里，我们习惯了 PLG（Product Led Growth，产品驱动增长）的逻辑：做出足够好的产品，让用户自己上手、自己付费、自己传播。但当越来越多的代码不是由开发者亲手敲出，而是由 Cursor、Claude Code、GitHub Copilot 这类编码智能体自主生成时，一个尖锐的问题浮现了——如果真正决定用哪个工具的是 AI 智能体，那么增长的对象是不是也该变了？

最近登上 Product Hunt 的产品 Gauge 给出了一个颇具野心的答案。它的标语相当直白："Agent Led Growth: Get written into every customer's codebase"（智能体驱动增长：让你的产品被写进每一个客户的代码库）。这个概念听起来有些绕，但背后的洞察值得认真拆解。

核心洞察：编码智能体正在替开发者做技术选型

Gauge 团队的判断建立在一个正在发生的事实之上：编码智能体不再只是聊天问答工具，而是在"自主实现"产品集成。用它们自己的话说："Unlike AI chat, coding agents are implementing products autonomously. They're doing so without ever talking to a sales rep or taking a demo."（与 AI 聊天不同，编码智能体正在自主实现产品集成，而且整个过程从不接触销售、也不看演示。）

这句话点破了一个传统增长漏斗的断裂点。过去，一个开发者要接入某个 API 或 SDK，会去读文档、看对比评测、可能还要走一遍销售流程。而现在，当开发者对智能体说"帮我加个用户认证"或"接一个数据库"时，是智能体在几秒钟内决定调用哪家的服务、写下哪个 import 语句。这个决策过程既没有市场部的触达，也没有销售的介入——它发生在模型的权重和上下文里。

换句话说，技术选型的"最后一公里"正在从人转移到智能体。谁能在智能体的"默认选择"里占据一席之地，谁就赢得了这场新增长战争。

Gauge 的产品逻辑：为智能体偏好做优化

Gauge 的产品逻辑因此变得清晰。它宣称会"运行真实的编码会话，识别出能够提升智能体偏好度的行动，以及在被选中之后如何优化智能体的使用体验"（Gauge runs real coding sessions to identify actions to improve the agent's preference, and the agent experience once you're selected）。

这实际上可以理解为一种全新的"SEO"——只不过优化对象从搜索引擎爬虫变成了编码智能体。它包含两个层面：

第一层：被选中（Preference）

如何让智能体在面对多个同类工具时，更倾向于选择你的产品？这可能涉及文档结构、命名规范、代码示例的清晰度、在训练语料和公开仓库中的出现频率等因素。智能体的"偏好"很大程度上来自它见过多少你的正确用法。

第二层：被用好（Experience）

一旦被选中，智能体能否顺利地、正确地完成集成？如果 API 设计反直觉、错误信息含糊、文档与实际行为不符，智能体很可能中途放弃或写出有 bug 的代码，最终导致集成失败。Gauge 通过跑真实编码会话来暴露这些摩擦点。

这两层合起来，本质上是在回答一个问题：你的产品对 AI 友好吗？

客户名单透露的市场信号

Gauge 列出的客户名单颇有分量：Supabase、OpenRouter、Resend、PostHog、Mintlify、Braintrust 等。这些名字有一个共同特征——它们都是面向开发者的基础设施型产品，且高度依赖"被集成"来实现增长。

Supabase 是数据库与后端服务，Resend 是邮件 API，OpenRouter 是大模型路由，PostHog 是产品分析，Mintlify 本身就是文档工具。对这类公司而言，被写进代码库就等于被绑定进产品，替换成本极高。它们率先押注 Agent Led Growth，说明这套逻辑在开发者工具赛道最先显现价值。

你可能没注意到，Mintlify 出现在名单里颇有意味——它是做文档的，而文档恰恰是智能体理解一个产品的主要入口。这从侧面印证了"面向智能体优化文档"正在成为一门真实的生意。

冷静看待：概念新颖但仍需验证

作为一款刚在 Product Hunt 亮相、获得 71 票、排名第 20 的产品，Gauge 目前更多是抛出了一个引人思考的概念，而非一套经过大规模验证的方法论。有几个问题值得持续观察：

首先，智能体的"偏好"是否可被稳定地度量和影响？大模型的选择行为受训练数据、提示词、版本迭代等多重因素影响，今天有效的优化手段，可能在下一次模型更新后失效。

其次，这里存在一个微妙的伦理边界。如果优化过度，变成用各种手段"操纵"智能体的选择，那与搜索时代的黑帽 SEO 并无本质区别，长期来看未必对开发者生态有利。真正健康的方向应该是：让产品本身更清晰、更规范、更容易被正确使用，从而自然赢得智能体的青睐。

最后，这套逻辑目前只在开发者工具这个特定赛道成立。对更广泛的消费级或企业级软件，智能体尚未成为主要的选型决策者。

结语：从PLG到Agent Led Growth的增长进化

从 SEO 到 PLG，再到如今初露端倪的 Agent Led Growth，每一次增长范式的转移，背后都是用户触达方式的根本变化。Gauge 的价值不在于它是否是最终的解法，而在于它敏锐地指出了一个正在成形的趋势——在 AI 编码时代，你的第一个"用户"很可能是一个智能体。

对于任何做开发者工具的团队来说，一个务实的启示是：现在就该认真检查，当一个编码智能体尝试接入你的产品时，它能否顺畅地读懂文档、写对代码、跑通集成。这或许比再做一版落地页更值得投入。