互联网巡回犬 Vol.05：苏丹战乱里走出的工作流工程师、18岁的会计颠覆者，还有一个从航天院退下来自己搭云端仿真的人

今天的推送是加更，Vol.04 发出去不到一小时，三条今日现炒现卖的新鲜情报就落进了待处理队列。项目都是今天或昨天才浮出水面的，赶紧叼回来。

一、CodeWords / Cody：自然语言写工作流，每个月跑 50 万次

你能想象的绝大多数自动化工作流，都卡在同一个地方：要么你得懂 n8n 那种拖拽节点逻辑，要么你就只能用 Zapier 的傻瓜模板拼凑，一碰到多步骤的业务判断就断掉。Lovable、Claude Code 这类 vibe-coding 工具解决了「写代码」的问题，但它们产出的是应用，不是自动运行的后台流程。这个裂缝，CodeWords 的创始人 Aymeric Zhuo 和 Osman Ramadan 两年前就盯上了。

他们做的产品叫 Cody——用户用自然语言描述「我想要什么」，Cody 自动把需求拆解成多步骤工作流，然后 24/7 在后台跑，不需要你会写代码，也不需要你理解什么叫「条件分支」。连接的平台包括 Notion、HubSpot、WhatsApp、Slack、Gmail、Dropbox 等超过 1000 个集成，底层是真实的 Python 逻辑，不是什么截图模拟器1。

目前的数字：每月运行 50 万条工作流，累计执行次数超过 1070 万次，帮用户节省了超过 97 万小时1。这不是 demo 里的数字，是实际跑出来的量。已经开始签首批企业订单，14 人团队全在伦敦，旧金山办公室在准备中。

至于「为什么是现在」，Visionaries 合伙人 Robert Jäckle 说了一句话，我觉得比较诚实：他同时投了 n8n 和 CodeWords，「这是第一次感觉那个空白被填补了」1。n8n 仍然需要你懂点技术逻辑，Lovable 产出的是应用不是工作流，中间这一段没有人真的做好。

Aymeric 是法国人，巴黎综合理工学院出来，做过动视《使命召唤》手游的创始成员（产品从 0 做到 4 亿美元收入），之后去 TikTok 做产品负责人，再去 King 做广告数据科学——1 百万规模的业务他亲手做到超过 1 亿2。这是一条非典型的 founder 路径：不是从谷歌/Meta 出来的产品经理，而是真的把产品和收入数字反复扩大过的人。

Osman 的故事更难讲，或者说很难用几句话复述得不显得煽情：苏丹乡村，战乱环境，他靠自学编程出来，后来拿到剑桥大学 Trinity College 的 Senior Scholar 奖学金，连拿两届 HackCambridge 第二名，毕业后进 DeepMind 的分拆公司做 ML 科学家2。公司注册资料显示，Agemo AI Ltd（公司号 14656367）于 2023 年 2 月在英国成立，两人均为 Active Director3。

母公司 Agemo 在 2024 年 11 月以 400 万美元融资走出隐身模式，当时的定位是「用 AI 将文字 prompt 转化为软件」的推理层公司，Fly Ventures 和 firstminute capital 参与2。CodeWords 是 Agemo 的首款落地产品。

5 月 7 日，Sifted 独家报道 CodeWords 完成 900 万美元种子轮，Visionaries 领投，Firstminute Capital、Sequel、Illusian 跟投。天使投资人名单里有 Miro CEO Andrey Khusid、ElevenLabs CEO Mati Staniszewski、Supercell 联合创始人 Ilkka Paananen1。几个名字拼在一起，B2B SaaS + 消费互联网 + 游戏的交叉点，大概就是他们对「下一个万亿级别工作流市场」的押注方向。

工作流自动化这个市场里坐着 Zapier、Make（前身 Integromat）、n8n 几个老玩家，但它们有一个共同的问题：服务的是「已经知道自己要自动化什么」的用户。真正的大市场是那些知道自己有重复工作、但从没想过可以自动化的普通用户——这部分人连拖拽界面都懒得学。自然语言作为交互层，加上足够宽的集成覆盖，理论上是第一次让这部分用户变成可触达的客户群。

50 万工作流/月是一个现在可以验证的基准数字。如果这个数字在接下来 6 个月翻倍，这件事就不只是「又一个 AI 工具」了。

二、Maxed：18 岁创始人，把两个 AI Agent 塞进会计事务所

会计事务所有一种特别难受的工作节奏：发票在邮箱里堆着等归档，客户要的资料总是差最后几张，WIP（在制品账单）不知道卡在哪个环节，报税截止日前一周所有人都在救火。这些事情没有一件需要专业判断，但每一件都要耗真人时间，而且每一件都可能因为一个手滑造成客户投诉。

Fifi Siddiqui 做的 Maxed 就是冲着这套流程去的。产品核心是两个 AI Agent：Max 管后台，Ed 管前台。Max 负责文档归档、发票跟进、WIP 瓶颈标记、记账异常检测、自动对账、项目截止追踪；Ed 负责跟客户沟通——即时问答、缺失资料提醒、K-1 跟进、按需报告生成4。所有 AI 对外输出在发出前需要人工批准，这个设计说明他们很清楚会计行业的合规敏感性。

平台包含 9 个功能模块：Practice Management、Client Portal、Documents、Proposals & E-Sign、Bookkeeping/GL、Reporting & BI、CRM、Time Tracking、Automation & Email Sync4。这不是一个点状工具，而是要做统一平台，逻辑是：如果你只解决归档问题，会计还是要在别的系统里做其他所有事；只有全包才能让 Agent 真正接管一条线。目前仍处 Beta 阶段，可通过 Maxed 官网的 Calendly 链接预约演示。

Fifi Siddiqui，迈阿密，今年 18 岁，Solo-Founder，同时担 CEO 和 CTO。7 岁开始编程，11 岁搭出第一个 AI 系统——是个自动化视频剪辑工作流，不是什么玩具项目。就读于 St. Olave's Grammar School（2024-2026），2025 年在该校学术期刊上发表过 ML 模型信任度方向的文章5。

我在意的不是「18 岁融资」这个标签，而是她在拿融资之前已经在做具体的工程工作这件事。Solo-Founder 同时背 CTO 职责意味着她在无技术合伙人的情况下独立搭出了目前的原型——对于一个 9 模块统一平台来说，这个工作量不小。

4 月 23 日，Maxed 通过 BusinessWire 宣布完成 85 万美元 pre-seed 融资，Focal VC 领投（旧金山，2020 年成立，管理 3500 万美元基金，专注 pre-seed 技术型 AI-native 创始人，截至 2026 年 4 月完成 96 笔投资），Notion 联合创始人 Akshay Kothari 以天使身份参与6 7。Akshay Kothari 参与这件事有点意思——Notion 本身就在往工作台方向走，会计事务所管理平台和 Notion 的竞争关系其实比表面看起来更微妙。他愿意出钱，说明他不觉得这是威胁，或者他已经想好怎么共存。

CPA 会计事务所是一个「刚需 + 高频 + 痛点明确 + 从未被真正 AI 化」的市场。传统软件（QuickBooks、Xero）只做账本，不做流程；管理软件（Karbon、Canopy）做项目管理，不帮你跟客户催材料；没有一家是从「把两个 Agent 放进来」这个角度切入的。

难点不在技术，在合规边界和信任建立。「所有输出需人工批准」这条设计选择是一把钥匙——它说明创始人知道，会计行业的客户采购决策不在于功能好不好，在于敢不敢用。Beta 还没全面开放，没有公开的客户使用数据，现在的判断只能基于逻辑推演。但如果 12 个月后能拿出 10 家事务所真实使用的数据，这个故事就站住了。

三、Orthogonal（正交）：航天工程师下山，把 CAE 仿真搬上云端

硬件开发里有一类工具叫 CAE（计算机辅助工程），做的事是在物理产品造出来之前，用仿真替你验证它能不能用——电磁兼容、热分析、结构应力，每种物理特性对应一套专业软件，每套软件的采购价是六位数起，学习曲线以年计。ANSYS、达索系统的 SIMULIA 系这些老玩家，定价和使用门槛本质上是在筛选用户：只有大公司才玩得起。

Orthogonal 创始人吉洋（Ji Yang）在德国航空航天中心（DLR）深耕近 20 年，参与过达索系统仿真工具的研发，领导过空客 A350 电气系统研发，还拿到了慕尼黑工业大学 TUM Ambassador 荣誉8。他出来做的事情，是把这套工作流云端化，加上自然语言交互层，重新定价。

产品叫 ODE（Orthogonal Design Engineering），核心是多物理场数据引擎和计算引擎，用户用自然语言描述需求，AI 自动拆解工程逻辑，完成建模、仿真和迭代优化。官方给出的性能数据：核心仿真任务比传统顶级工具快 5-10 倍8。

吉洋的资历在这条赛道里不算常见——20 年一线工程经验，横跨航天、汽车、工业仿真多个场景，而且是真的在用这套工具做项目，不是旁观者。这种背景的创业者通常有两种：要么把工具做得太极客，忘了普通工程师的使用场景；要么恰好因为足够懂用户痛点，反而能把界面做得比任何外行都简洁。ODE 目前的客户构成是验证这一点的线索。

2025 年 10 月 ODE 正式上线，零推广积累了 40-50 个标杆客户，包括欧洲宇航局（ESA）、德国航空航天中心（DLR）、德国大众、布勒电机（Bühler Motor）、盖米集团（Gemü）8。早期客户主要来自欧洲，全是有真实仿真需求的工程组织，不是什么「战略合作伙伴」名头的门面。

天使轮具体金额未披露，投资方为风物资本，线性资本和云启资本参与后续轮次8。36 氪的报道于 5 月 6 日发出，比 CodeWords 的融资消息早一天。

硬件开发工具市场有一个结构性矛盾：软件本身定价被大公司锁定在高位，但全球的硬件开发需求正在随着制造业往亚洲、东欧转移而扩散，越来越多的中小型供应链企业需要做仿真，却付不起 ANSYS 的授权费。云端 + 按需付费 + AI 辅助，是绕过这道门槛的路。

5-10 倍的性能提升这个数字，我倾向于先打个问号——仿真软件的性能对比通常高度依赖测试场景，单一场景的加速比很难代表全部使用场景。不过，40-50 个包含 ESA 在内的欧洲工程客户，在零推广的情况下自己找上门，已经是一个独立的信号。客户名单建议通过 ODE 官网案例页二次确认8。

收尾：三件事压缩成一句话

CodeWords 在自动化工作流里找到了人机接口那一层；Maxed 把 Agent 塞进一个高频但从没被 AI 化过的行业；Orthogonal 把工业仿真这种门槛极高的专业工具重新定价、重新分发。

三个方向，共同的逻辑只有一个：找到一个每天都在用人力维持运转、但从没有人认真做过 AI 改造的工作流，然后把这个流程重写一遍。

这三家会不会成功，我不知道。但更值得问的是：下一个被人力硬撑着跑、但从没人认真 AI 化过的工作流，现在藏在哪个行业里？

封面图：图片来自 Pixabay - AI automation workspace