哥大休學創業：不要 Ask ChatGPT，Ask Hyperknow 3.0

在哥大，剛入學不久的趙一霖和蔣若涵參加了一次量子物理黑客松。講座從邏輯門講到代碼實現，零基礎的他們聽得格外吃力。一邊是晦澀的教材，另一邊是 ChatGPT 迅速卻淺顯的答案。可當他們自己把核心概念層層拆開，才發現并沒有想象中復雜。那一刻他們意識到：知識未必難，難的是沒有人真正把它講明白。

他們不滿足于流于表面的答案。

趙一霖和蔣若涵身上有一種近乎 Agent 的主動性，他們稱之為「結構外的生長力」。不被既定路徑牽引，也不只是完成被分配的任務，而是帶著自己的判斷往前走。他們白天上學，晚上創業，兩人見面時的問候從來不是「你今天過得怎么樣」，而是「你遇到了什么問題」。

從去年 9 月至今，Hyperknow 已經迭代五個大版本，小版本累計數百次。

還在中學時，趙一霖常常想：如果身邊有一個真正懂他思想、理解他進度、熟諳他全部背景的人，會是什么體驗？后來，他慢慢成長為這樣的人，能把難題講簡單。再后來，他意識到，大家真正缺少的就是一個 Hyperknow——一個理解你學習上下文、回應你每一個問題的伙伴。

2025 年 11 月，通用學習智能體 Hyperknow 正式發布，圍繞真實學習場景打造個性化專屬模型。三個月后，Hyperknow 3.0 上線。它開始主動思考與規劃，提前判斷你的下一步。

未來總會拋出一個接一個的問題。好在二十歲的自信和希望依然充足，足以支撐他們一次次向前。

服務所有對知識好奇的人

Q：請兩位先簡單介紹一下自己。

趙一霖：大家好，我是趙一霖。我在哥倫比亞大學讀大三，今年選擇了休學創業，是 Hyperknow 的創始人。

蔣若涵：大家好，我叫蔣若涵，在哥大讀大二，現在也在休學創業。

Q：跟大家介紹一下 Hyperknow 這個產品吧。

蔣若涵：我們目前做的是一個「通用學習智能體」平臺。一開始是從我們自己學習中遇到什么困難出發，后來發現大家的痛點都來自于：沒有一個足夠好的渠道能把各種知識真正講清楚。

現在有課堂、有 YouTube、有 ChatGPT，但它們往往都做不到「即有深度，又淺顯易懂，同時還真正貼合每個人的學習需求」。過去大家學習時經常會被各種信息噪音困住，拖慢你真正理解的過程。

我們想做的就是讓 AI 去承擔這部分噪音，讓學習者專注于理解本身。

Q：是什么樣的契機讓你們決定在大學前兩年出來 Gap 創業？

趙一霖：我在哥大有個一起做科研的好朋友，當時我們在做 AI for Science 方向的研究。我們從 2024 年年初開始一點點把技術跑通了，但后來 Sakana AI 搶先發布，被認為是首個能夠獨立完成科學研究全過程的 AI Scientist。

那位同學經常跟我說一句話：「一霖，你是一個很有想法的人。你應該看自己生活里真正遇到了什么問題，然后想一想，能不能把它做成一家公司。」

他反復拷問我。我當時還說：「我不是來給你做研究的嗎？」結果這句話在我心里卡了很久。我想了兩個月也沒想明白，反而越來越郁悶。

直到若涵來了哥大，我們倆報名參加一個量子物理的黑客松。就在那一刻，有了一個 click 的瞬間。

趙一霖（左）和蔣若涵（右）哥大求學期間合影

在黑客松之前，有一系列講座講邏輯門、代碼實現到底是怎么工作的。我們當時是零基礎，聽得非常痛苦。為了聽這些課，我們翹了很多和朋友的飯局。

結果我們看老師給的教材發現太深奧了，問 ChatGPT 也解釋不清，最后靠自己才一點點弄明白。我們發現這個核心概念其實特別簡單：量子的「門」類似電路里的門，只是某個地方反過來了。

那一刻我突然就覺得很奇怪：為什么這個知識本身這么簡單，卻沒有人真正把它講明白？

我們做的就是一個能把問題講明白的平臺，既硬核又易懂。這一刻，我第一次清楚地看見了我們的問題。

Q：你們去年就已經萌生了做產品的想法。這一年來迭代了幾個版本？

趙一霖：有一天晚上，我們和團隊開會，準備智能體在團隊內部的第一次完整亮相。我把之前所有的前端代碼都翻了出來，一版一版跑了一遍，才發現從去年 9 月正式開始到現在，我們至少已經迭代了五個大版本，內部的小版本加起來可能有幾百個。

我當時把這些頁面全部截屏發到群里，大家都感慨變化太快了。我們團隊整體節奏一直是「move fast, break things」的狀態，非常密集地迭代。

在宿舍打造第一版 Hyperknow Agent 的過程

我們第一版產品 AI Workspace 只是希望幫助學生更好地理解知識。回到 2024 年 10 月，它可能是第一個真正幫助學生做深度學術搜索和學術解釋的平臺。那時候甚至還沒有「Deep Research」這個概念。

Q：這次 Hyperknow 3.0 有什么重點更新？

蔣若涵：Hyperknow 3.0 的構思始于去年 10 月。我們在聚焦提供足夠清晰、易懂講解的同時，也重新反思了現有 AI 學習的整體形態。

我們發現，很多時候，學習的沖動其實卡在「不知道該怎么提問」這一步。

因此，我們設計了一個「全包圍式的學習助手」（All-Round Learning Assistant）。它可以連接像 Canvas LMS 這樣的教學系統，也支持用戶建立自己的課程知識庫。智能體會主動捕捉課程進度的變化，判斷你可能的下一步行動。

在用戶提問之前，它就已經在后臺準備好完成學習任務所需的材料。等到真正需要時，內容就在你手邊。

在疑問產生之前，問題就已經解決。

在 Hyperknow 3.0 中，我們還推出了「深度學習課堂」（Deep Learn Sessions）。這是一個結構化的章節學習空間，由 AI 主動引導，而不是等待學生提問，更像是一鍵創建屬于你的專屬課程。因為很多學習者并不了解一個學科或課題下具體包含哪些內容，也不清楚知識點之間的關聯。碎片式的學習很難建立系統化的知識結構。

在深度學習課堂中，AI 會逐層引導、循序漸進教學，并結合視頻、互動動畫等多種學習材料，幫助學習者更系統、更深入地理解整門課程。

我們已經有內測用戶用這一模式準備比賽，在幾乎沒有上課的情況下完成期末備考，取得了不錯的成績。

Q：有不少用戶反饋喜歡 Hyperknow 主動提問的功能。

趙一霖：「主動式提問」是我有天凌晨一點，在家附近一條路上散步時突然想到的。

當時我就在想：我們到底在哪些情況下會比 GPT 更好用？或者說，什么時候你會更愿意來用我們？

剛發布時，我有位同學也在做自己的項目，但一直沒用過 Hyperknow。他就問我：「誒，你這個知識搜索到底和 GPT 有什么不一樣？」

我就跟他說：「你先用一下，你就知道了。」

他先看到我們有一個 Agent 思考過程完整的流程展示，接著是 Web Search。一般模型會搜索 10 個左右的網頁，但我們一次會搜索 50 個。

這 50 個網頁搜出來后，Hyperknow 會逐個閱讀，然后才生成答案。每一段內容還會標注來源，你點進小標簽就能看到它來自哪個網頁，核心是什么。

這種感覺在學習中會提供一種額外的多巴胺。

Q：你們能完成什么 ChatGPT 很難做到的事？

趙一霖：我們自己覺得很有意思的一個功能就是剛剛提到的「小抄」。很多國外課程是常見的半開卷考試 Cheatsheet（參考紙），教授會允許你從 PPT 里整理出一張正反面的 A4 紙帶進考場。

這是一個非常耗時的過程。如果用 ChatGPT 生成 PDF，你會發現它不太理解「參考紙」到底該長什么樣。它生成的內容字多、排版不對，看起來很粗糙。

但我們的設計是從學生真實使用視角出發的。大部分學生做小抄時會把一張紙分成四列，頁邊距和字設置得很小。如果是理科，我們還會把所有公式摘出來，把每一個量的釋義標注清楚。

Hyperknow 生成的 cheatsheet（參考紙）

你給 ChatGPT 上傳一本 500 頁的書，它不會真的把這本書完整讀完。出于計算負擔或上下文窗口的限制，它往往會壓縮，甚至直接用公開信息來「猜」這本書的內容。

但我們會完整地讀你上傳的文件。目前我們可以處理最多一千頁的文檔，比如一個學生整個學期的 PPT。

Q：如果用一句話來形容 Hyperknow，會怎么說？

趙一霖：很多人讀書時可能都用過「作業幫」。拍照解題，當下是會了，但第二天就忘了。三天之后老師再問，你就會想：「誒，這題怎么解來著？」

這只是求一個答案，而不是理解一個過程。

在 AI 時代也是一樣。我問 ChatGPT：什么是神經網絡？它給我一個答案，我看完就會產生一種「哦，我懂了」錯覺。但這個過程實在是太快了。

真正的理解，是不僅知道這個詞的定義，還明白它如何工作，看過案例，甚至親自算過、模擬過，才算明白一個神經網絡的運作方式。

雖然我們產品目前大概有六七成用戶是大學生，但我們也收到很多來自小紅書不同聲音的反饋。就像有家長說：「我是一個初中生的媽媽，能不能給孩子用？」

我們想服務所有對知識保持好奇的人。

Q：你們期待為用戶帶來什么？

趙一霖：在這個信息爆炸、信息又極容易被淺層獲取的時代，我們不太希望用戶只滿足于 ChatGPT 帶來的那種「我好像懂了」的感覺。

我們希望用戶能看到，原來還存在一種更好的 AI 解釋模式。而當他們體驗過后，會發現這種更深的理解是有愉悅感的。久而久之，他們會更愿意去深入，而不是停留在那種碎片化、片面的理解上。

Build in Public

Q：你們第一篇小紅書就有 1000 多贊，收到了大量產品反饋。當時是怎么開始做小紅書的？

蔣若涵：這個結果很出乎我們意料。因為我們在校內能接觸到的同學網絡有限，做第一版產品的主要目的就是想接觸到更多不同背景的學生。

剛好小紅書是現在很多學生都會使用的平臺，于是我們就在小紅書上發了第一篇推文。

發完之后，我們就在想，怎樣才能更好地把大家的建議收集進來。后來就在小紅書上建了第一個用戶群，很快就有幾百人加入。那段時間產品剛上線，數據庫和系統穩定性都有不少問題，經常掉線。群里的用戶一邊給我們提建議，一邊陪著我們一起修各種 bug。

壓力確實很大，但同時也很快樂。我們每天都在和用戶交流，一邊改產品，一邊看到最真實的反饋。

還有一件事讓我印象特別深。在規劃下一版產品時，我們邀請了一批用戶參加線上工作坊。那天是北京周末的一個早上，一共來了幾十個人。有醫學生提到需要閱讀大量文獻，學生命科學、學法律的用戶也提到閃卡（Flashcards）這樣的功能。訪談中很多建議后來都直接成為現在產品的一部分。

Q：有沒有收到一些意料之外的反饋？

趙一霖：前幾天我們剛收到一個有意思的反饋。有位用戶給 Hyperknow 的提示詞是：「我是一個 80 歲的老奶奶，請你用簡單的語言教我用 R 語言畫圖。」

Hyperknow 給了一個我們自己看了都覺得很好玩的回答。它是這么說的：「奶奶您好，您學得真好！我們可以用廚房來打個比方。你要先裝一個能跑 R 語言的編譯器，這個就像你的菜刀和灶臺。」

那個用戶后來還說了一句話更逗。她說：「謝謝你，我孫女已經幫我把環境裝好了。」

她可能一方面是真的不太會操作，另一方面也是在挑戰我們的系統極限。但看到 Hyperknow 能給一個 80 歲的老奶奶用切菜做飯的方式來解釋 R 語言，我們覺得非常有意思。

Q：海外平臺上收到了哪些反饋？

蔣若涵：Discord 有很多讓我們深受鼓勵的反饋。我們海外推廣時吸引了不少來自不同大學的付費用戶。

有幾位早期用戶一直默默關注著我們，會主動在問公司近況，甚至提出愿意幫我們把產品推薦到各個學校的 newsletter 里。

他們不僅認可產品，也認同我們在做的這件事情本身。這一點對我們來說是莫大的鼓勵。

我們也擔心國內和海外用戶的學習習慣會不會差異很大，所以希望通過 Discord 更多了解海外用戶怎么學習，看 Hyperknow 能不能真正適配。

這一年觀察下來，雖然文化背景不同，但大家都要考試、都要上學，學習中的核心痛點是高度一致的。

Hyperknow 創業初期在哥大校園宣傳

Q：對產品未來有什么期待？

蔣若涵：我們希望加強模型的主動性。

去年 9 月在討論產品形態時，我們就已經在想這個問題。《鋼鐵俠》里的 Jarvis 一直是我對「未來 AI 形態」的一個想象。它不是等你開口，而是會主動觀察你在做什么，判斷你需要什么，然后介入，幫助你把事情完成。

我們希望 Hyperknow 未來能更完整地掌握學習的上下文，比如學生課程信息、難點、知識水平。有了這些信息后，Agent 就可以更準確地判斷你此刻真正需要什么，是不是快考試了，是不是該開始復習了，接著主動為你準備相應的學習材料。

我們和很多用戶聊過，大家都提到一個很真實的問題：當你用 GPT 這類通用模型時，往往沒有足夠的時間和心力把 prompt 打磨得足夠精準。

現在的大多數 AI 產品仍需要用戶先走到輸入框前，把問題想清楚，AI 再被動回答。但我們希望未來，你甚至不需要想今天該做什么，AI 已經幫你規劃好。

也就是從一個工具，慢慢發展成一個真正陪伴你學習的伙伴。

Q：AI 或許能讓學習真正變得個性化。

趙一霖：我們在小紅書評論區里看到，大家特別認可「自主學習」這件事。

現在大家用 AI 反倒有點被動。往往是課上遇到不會的問題，才去問 ChatGPT。但學習里的「多巴胺」不是把問題丟給它就結束，而是它能把一個原本很難的知識講清楚。就在那一刻，你會突然覺得：「誒，我真的懂了。」

我們希望這種「多巴胺」能讓大家形成一種體驗：用 Hyperknow 學知識是一件快樂的事情。

Q：小紅書上很多用戶說已經訂閱了 ChatGPT。相較于通用模型，Hyperknow 的優勢是什么？我為什么還要付費？

蔣若涵：雖然 ChatGPT 記憶很強，但它畢竟還是一個通用模型，你的各種記憶會混在一起。而且它的記憶窗口很長，很難一直非常準確地識別你當下到底是誰、你處在什么學習場景里。

但我們的個性化是完全基于學生學習場景來做的。

你所有學習相關的內容都會在我們的記憶體系里被記錄和組織。它會繪制每個用戶的學習者畫像，以不斷提供更貼合你的回答。

我們未來還會接入更多學習場景的數據源，包括學校的教學管理系統和課上錄音。相當于你第一次向它提問的時候，它就開始為你個性化定制一個專屬的學習模型。

過去、現在和未來的 Agent

Q：你們怎么理解 Agent？

趙一霖：回到 2023 年創業之前，我對「Agent」這個詞一開始挺反感的。

Agent 中文翻成「智能體」。但從英文來看，Agent 是「代理」的意思，比如機票代理、火車票代理。我一開始覺得它特別模糊、抽象，甚至有點討厭。

但我后來慢慢能感受到，從最早的一批產品到現在，大家對 Agent 的定義在不斷收斂、越來越清晰。

最早做 Agent 用的是那一套很典型的 LangChain，本質上是一個接一個的流程庫、框架。我剛剛提到的哥大朋友就在一家咖啡廳給我們演示過 Agent：你能看到它的思考邏輯，它在調用工具的時候，會在終端里顯示一行綠字，說「I’m using xxx library to do something」，一行轉完，一個任務就完成了。當時我覺得特別震撼。

過去的 Agent 更像是一個 workflow 或者 pipeline。一個 Agent 號稱可以幫你自動規劃旅行，但實際上它是一個被設計好的流程，是一個固定腳本。

Agent 能繼續向前進化，很重要的原因在于基座模型本身的能力提升。當推理能力、泛化能力和工具調用能力變強之后，你就不需要再為它設計完整流程，而是可以把目標交給它，讓它自己完成規劃。

另一個迷人的點是工具的出現。大模型一旦有了工具，就像是多了很多觸手，真正連接到外部世界。

就像 Manus 通過瀏覽器操作來完成任務，瀏覽器背后是 API 控制。再比如 Python 工具，它可以聯網搜索、判斷信息來源、篩選結果數量，還能生成文件、畫圖、做科研繪圖，甚至解一部分復雜問題。這些全部都是工具，給模型提供了更多「觸手」。

它不再只是用文字給你一個回答。未來它可以是圖片、閃卡、習題、視頻、PPT，各種不同形態的輸出。我覺得現在的 Agent 本身就已經很迷人了。

Hyperknow 生成的概念解釋結果

Q：Hyperknow 是我目前了解到的第一個「通用學習智能體」。這里的「通用」具體意味著什么？

趙一霖：我們的「通用」有兩個層面。一個是使用場景上的通用，另一個是模型能力本身的通用。

就像我們本科學的計算機和物理，一個很典型的問題是：什么是神經網絡？你去問 ChatGPT，它可能會給你一個相對淺顯的解釋。但你去維基百科一查，滿屏都是公式，非常難讀。

Hyperknow 希望給出的是一種深入淺出的解釋。它有教科書式的嚴謹，同時又能根據你的學習背景去定制解釋的難度和覆蓋范圍。

我們的解題也不是直接給答案，而是一步步引導你：這個題目用到的第一個定理是什么？你是否理解這個定理？然后再一步一步往下推演。它更像是陪你走完整個思考過程，而不是告訴你結果。

和普通模型相比，Hyperknow 還有更強的推理和泛化能力，具備更多工具。

它可以使用網絡搜索工具、規劃工具、記憶工具等等。當它在解釋一個知識點時，不僅有我們內部調優過的一整套解釋邏輯，還能連接外部信息源，比如抓取網上資料、學術瀏覽器的內容，甚至結合用戶過去的問題、偏好、知識水平。

我們的 Agent 還能在用戶授權的情況下讀取學習文件。就像國外很多學校使用 Canvas 等教學系統，教授會把所有課程資料放在上面，Hyperknow 可以直接基于講義給你更貼合課堂的解釋。

Q：對底層模型你們未來有什么展望，會讓 Hyperknow 有更好的表現？

趙一霖：上下文窗口是一個非常關鍵的能力。

不管是手寫筆記還是 PPT 圖表，我們之所以能夠閱讀上千頁文檔且進行視覺化閱讀，都依賴于模型上下文長度的提升。

2023-24 年非常流行的技術是 RAG（Retrieval-Augmented Generation）向量檢索。它的思路是把大量信息放進數據庫，通過語義檢索找到最相關的部分，而不是把所有信息都塞進模型。

但最近大家提到 RAG 的頻率在下降。因為過去模型的上下文窗口很小，每一個 token 都很珍貴，所以必須做篩選。但隨著上下文窗口變大，現在我們可以把更多甚至全部信息直接放進去，就不再需要那么復雜的篩選流程。

蔣若涵：上下文窗口不僅是對讀長文檔有幫助，對我們做更精細的個性化同樣重要。更多的 context，意味著模型更全面地理解一個學習者。

結構外的生長力

Q：你們想象中未來的學習會是什么樣？

蔣若涵：我們那天在小紅書評論區看到一個用戶講，「自主學習」未來可能會占越來越大的比例。

在學校里，學生可能會更多依靠一種個性化的方式去決定自己要怎么學、用什么節奏學、什么方式最適合自己，不一定都嚴格貼合學校既定的統一進度。

每個人都會有自己的節奏，真正做到因材施教。對學校來說，如果學生獲取和理解知識這件事，本身已經可以通過更高效、更貼合個體節奏的方式完成，那學校或許可以把更多精力放在一些更貼近社會的實踐性內容上，更偏向于「做人做事」的教育。

Q：你們各自有堅持了很久的愛好。一霖是個火車迷，若涵則對戲劇感興趣。你們這些愛好是怎么形成的？對你們后來做產品有沒有影響？

趙一霖：我是個火車迷。我媽媽和外公都在鐵路系統工作，所以小時候經常看火車。

我真正重拾這個愛好是在初中。那段時間壓力比較大，我常常去北京站旁邊的明城墻遺址公園，看火車經過，也在那里認識了很多朋友。

如果只是自己拍、自己看，總覺得有點浪費。我曾經把照片投稿給一個很喜歡的火車網站，但一直沒有被采用。我就想，那為什么不開一個新的平臺？于是我建了一個網站，讓大家上傳自己拍的火車照片，也分享和火車有關的故事。

趙一霖創建的火車網站截圖

后來我慢慢意識到，照片只是表象，真正吸引我的是火車所承載的故事。現在網上常說，18 歲之前要坐一次火車去拉薩。為什么是火車？因為火車代表的是一種過程，一種體驗，它會帶來很強的情感和視覺觸動。

我也特別喜歡看火車從小地方駛向北京、上海這樣的大城市，在車上能看到非常市井、真實的生活場景，這些對我觸動很大。后來我去了廣州、四川、西藏、新疆，采訪過很多車迷、司機和旅客。

直到現在，我偶爾還能在小紅書上刷到有人轉發我們網站的內容。那一刻對我來說很觸動。

蔣若涵：我第一次接觸莎士比亞是在初中活動看了《哈姆雷特》的片段，很快就自己在班里拉了一個小劇組，把戲帶到年級舞臺上去演。

無論周圍的人在做什么，無論學習或生活里發生什么，總會有一段時間，我可以走進劇場，把自己完全沉浸進去，認真地去感受和思考。

戲劇教會我一種拋開功利、進行深度思考的能力。我覺得這種能力在當下信息爆炸的時代很稀缺。我們做 Hyperknow 本質上也是希望把這種「深度理解」的能力還給大家。

戲劇創作和做產品有一個很像的地方：在真正推到大眾面前之前，你都要經歷很長一段不確定的煎熬。

你會反復問自己：這個故事講清楚了嗎？觀眾能不能看懂？會不會產生共鳴？做產品也是一樣。在不確定中反復反思、不斷調整的過程本身就很重要。

蔣若涵戲劇演出照片

Q：你們在如何學習上有什么心得和體會？這些經驗怎么沉淀？

趙一霖：只有你把別人講懂了，你才算真正學會。

我比若涵大一屆，有時候在大學里上同一門課，考前我會給她把 PPT 和重點內容過一遍。很多時候，在給她講的過程中，我反而發現自己哪里理解得還不夠完整，于是回去再翻書推一遍。然后再講，講著講著就真的懂了。

Q：過去一年里，你們最難忘的一段經歷是什么？

趙一霖：上一版產品 AI Workspace 讓我們對自己做的事情產生過很大懷疑。不是方向錯了，而是用戶體驗出了問題。它有點像老式飛機的儀表盤，你要撥這個按鈕、點那個按鈕，點三四步之后，才能到達真正有「啊哈時刻」的地方。

后來我們意識到，可能是把好東西藏得太深了。于是決定解耦，把對用戶最重要的東西直接放在最前面。這也和我們作為開發者的習慣一致，我們自己也不太喜歡使用太復雜的工具。

現在的 Hyperknow 承擔了之前 Workspace 沒有完成的一些使命。工作臺里原有的功能，Agent 都能實現，還做得更自然。但這對團隊來說是個不小的挑戰。我們每一次迭代都會問自己：這一版，是不是我們接下來要長期走下去的那一版？

我們的辦公室在一條胡同里，想事情的時候就常常在附近的大街上來回走。很多個凌晨三四點，我也會出來走一會兒，一邊走，一邊討論這些問題。

后來臨近開學，我們先把上一版放下，不急著擴大推廣。做了一版更小的原型給身邊同學和老用戶測試，把最小閉環跑通，再看反饋。結果不錯，我們也就繼續沿著這條路走下去。

Q：如果在你們剛上高中、大學的時候就有了 Hyperknow，會有什么不一樣嗎？

趙一霖：若涵就不需要我陪著她一起整理整門課的內容了（笑）。

在自學這件事情上，我們會花大量時間去找原始資料，真的要自己一篇一篇論文去搜、去讀。但如果當時有 Hyperknow 這樣符合科研型學習者需求的工具，它就可以把所有文獻完整地讀一遍，并且做到每一行都有清楚的解釋。

很多 AI 閱讀工具本質上只是把信息搬給你，但不關心你到底懂不懂，沒有真正介入理解和思維層面。

有一個學生命科學的朋友給 Hyperknow 的反饋讓我印象很深。他說，Hyperknow 不只是逐行標注來源，它真的把整篇文獻消化了一遍。

我們希望做的就是把復雜的文件轉化成一個人真正能讀懂、能吸收的狀態。

蔣若涵：Hyperknow 對學文科的同學也很有共鳴。

哥大的核心課程常常要求學生在兩三天內完成 200-300 頁的閱讀任務。但包括 ChatGPT 在內的很多工具都無法真正完整讀完這些文獻。它們往往會把 200 頁內容進行壓縮處理，只讀開頭和結尾，中間抽樣幾個段落。因此我們經常會發現信息不夠準確，或者它無法告訴你某個結論具體來自文件的哪一頁，甚至會出現幻覺。

而 Hyperknow 在文獻總結上可以做到，每一個事實都對應到原文中的具體位置，甚至標注到具體哪一頁、哪一句。

如果在完成這種高強度閱讀時有 Hyperknow，很多原本需要花上好幾個小時反復鉆研的工作，或許就不必再那么辛苦地自己硬扛了。

最好的產品由學習者一起打造

Q：現在團隊整體狀態如何？

趙一霖：我們很像是一個共建的過程。團隊大多是來自北美和國內高校的同學。大家看到了我們在社媒上發的內容，對產品本身真正產生了興趣，被打動，然后主動找到我們。有時候我在面試時也會說，「不用急著決定，你先試用一下我們的產品，感受一下。」

Q：對產品使用最深的用戶往往有最真實、最深入的理解，能一起共創出更好的東西。

蔣若涵：我們團隊都是大學生，對學習這件事有很強的親身體驗。

很多成員是從用戶轉化而來。我們在選擇伙伴時會特別看一點：你是不是對創業本身感興趣？過去有沒有做過個人項目、開源項目，或者參加過黑客松？

我們希望團隊成員都有一個共同的特質，就是有 agency，有較強的主觀能動性。大家都真心把它當作自己的產品來對待，愿意一起做得更好。

整個團隊做事都很投入，迭代節奏也比較快。我們給自己的要求是一周之內完整 review 一遍當前版本，必要的話甚至重建一遍。任何一個新功能或突破性的進展，我們都希望以半周為單位推進。

Hyperknow 團隊創業過程中的照片

Q：你們未來的終極愿景是什么？

蔣若涵：從小學、初中、高中到大學，現在的教育體系通常需要 16 年完成。但我們發現，真正學到所需的知識不一定要這么久。

我上大學后，有時候創業比較累，晚上熬夜，白天就沒那么多精力去上課。我會在期末的一周用自己的方式把整個學期老師講的內容學完，成績也還不錯。

這讓我意識到，不是知識本身太難，也不是理解它一定需要這么長時間，而是在很長一段時間里，我們更多是在適應一套體系下的規則。但考試和作業這些規則未必適合每一個人的學習節奏。

我們希望 Hyperknow 能讓未來的自主學習體驗更好。原本可能需要 16 年完成的學習過程，借助 Hyperknow，未來或許 3-5 年就足夠。

Q：你們未來一年希望給用戶帶來什么？

蔣若涵：我們希望在本學期結束前把現在這版產品的最終設想真正做出來，推向市場。我們也希望在北美和國內的校園里都能產生一定的影響力。有一天你在校園里走著，能聽到同學在討論：「我在用 Hyperknow，它幫了我什么。」

Q：你們的 superpower 是什么？

趙一霖：我這個人性格比較急。我可能有點像我外婆。我外婆對時間的把控特別強，像我小時候早上 6 點半要起床，她一定會在 6 點 20 就把我叫醒，早飯 6 點 10 分就已經給我做好了。

我可能就是團隊的外婆，負責把整體節奏往前推。若涵有時候更偏向高質量、有節奏地去交付事情。但我可能就會說，咱們能不能稍微再快一點？今天晚上先別睡，先把這個事做完？

蔣若涵：這也是為什么我主要做前端，他做后端。

Q：你們希望用戶在搜索什么時會想到 Hyperknow？

蔣若涵：我們希望是任何一個概念。

現在你去搜索一個概念，出來的可能是一個 PPT、一個網頁。未來我們希望有一種 Hyperknow 的詞條。它像 PPT 一樣清晰，但比維基百科更易懂，同時又保留足夠的專業深度，還是高度個性化的。

所以不是 Ask Google，也不是 Ask Wikipedia，而是 Ask Hyperknow。

Q：你們目前有沒有招聘需求？

蔣若涵：我們現在主要在招前后端的技術人才，同時也歡迎對市場運營有想法的同學。我們希望你能主動發現一個產品或市場上的缺口，去思考如何填補，而不是被動完成任務。如果想聯系我們，可以通過真格的平臺留言，也可以直接給我們發郵件：contact@hyperknow.io

Q：Agency 和好奇心是與生俱來的能力嗎？

趙一霖：我覺得 agency 來自一種「結構外的生長力」。

你不只做別人給你布置的任務，而是愿意自己去想一個點子，然后把它做出來。我從小學、初中到高中，一直都有一些學習之外的事情，可能在大家眼里有點耽誤時間，但對我來說非常有意義、也讓我快樂。

你會擔心，如果家人不支持怎么辦？如果沒做成怎么辦？但我后來覺得做成與否沒那么重要。即使失敗了，它本身也是一次學習。

很多真正有創造力的結果往往不是來自布置的任務，而是來自一個人主動地說：「雖然沒人讓我做，但我就是覺得這件事很有意思。」

我腦子里經常會想到多鄰國那個小貓頭鷹。這肯定不是 CEO 說：「你給我設計一個綠色的貓頭鷹，還要生病、流鼻涕。」它一定來自某個創作者長期的思考和直覺，他天天在想，然后有天靈光一現：「我覺得這個形象對了」。

我們都還很年輕，今天說的很多判斷可能十年后回看也不一定完全正確。但這種不確定性反而時時刻刻在提醒我們要更開放、更愿意學習。

這種結構外的探索本身就需要一種勇氣。

想聊聊你的想法？聽創始人親述背后的真實故事？真格將在「此話當真」播客交流群舉辦首期 AMA，邀請 Hyperknow 創始人趙一霖和蔣若涵做客。掃碼添加真格小助手，備注「進群」，我們周四見。

文｜Cindy
視頻｜Cindy、Menmen、Nuohan、Coco