15年產品設計經驗，5年服務70+家銀行、管理40億美元資產——這位從DeFi設計轉向AI工程的老兵，正在押注一個反直覺的方向。

從MCP服務器退回到命令行

當整個行業(yè)都在追捧MCP（模型上下文協(xié)議）服務器時，他選擇了一條更"原始"的路：構建命令行界面（CLI）工具來驅動智能體（AI Agent）。

這不是技術潔癖。MCP服務器需要額外的基礎設施、協(xié)議適配、狀態(tài)同步——對于需要快速迭代的金融場景，每一層抽象都是延遲和故障點。

CLI工具的優(yōu)勢在于原子化和可組合性。一個設計良好的命令行程序，可以被智能體直接調用、串聯(lián)、重試，而不必等待協(xié)議握手。

為什么金融場景更需要"減法"

VALK服務的70+家銀行客戶，核心訴求從來不是"最新技術"，而是"可控的確定性"。

DeFi（去中心化金融）早期踩過的坑在這里形成鏡像：復雜的前端、晦澀的術語、不可預測的氣體費用——這些設計債務最終把普通用戶拒之門外。

他的轉型路徑本身就有啟示：產品設計背景讓他對"用戶摩擦"極度敏感，而AI工程經驗又讓他理解模型能力的邊界。這種交叉視角，恰恰是當前AI工具鏈最稀缺的。

開源作為驗證方式

他沒有選擇閉源SaaS，而是將工具開源。對于銀行客戶而言，代碼可見意味著審計可能；對于智能體生態(tài)，開源CLI成為事實標準的可能性遠高于私有協(xié)議。

這種策略也降低了 Adoption（采用）門檻——開發(fā)者可以先試用、再集成，無需商務流程前置。

數(shù)據(jù)收束

5年、70家銀行、40億美元資產管理規(guī)?！@組數(shù)字定義了一個小眾但高價值的戰(zhàn)場。當大多數(shù)AI基礎設施追逐消費級流量時，深耕垂直場景的老兵正在證明：復雜B端系統(tǒng)的智能化，可能始于一條簡單的命令行。