哥大休学创业：不要 Ask ChatGPT，Ask Hyperknow 3.0

赵一霖和蒋若涵身上有一种近乎 Agent 的主动性，他们称之为「结构外的生长力」。不被既定路径牵引，也不只是完成被分配的任务，而是带着自己的判断往前走。他们白天上学，晚上创业，两人见面时的问候从来不是「你今天过得怎么样」，而是「你遇到了什么问题」。

从去年 9 月至今，Hyperknow 已经迭代五个大版本，小版本累计数百次。

还在中学时，赵一霖常常想：如果身边有一个真正懂他思想、理解他进度、熟谙他全部背景的人，会是什么体验？后来，他慢慢成长为这样的人，能把难题讲简单。再后来，他意识到，大家真正缺少的就是一个 Hyperknow——一个理解你学习上下文、回应你每一个问题的伙伴。

2025 年 11 月，通用学习智能体 Hyperknow 正式发布，围绕真实学习场景打造个性化专属模型。三个月后，Hyperknow 3.0 上线。它开始主动思考与规划，提前判断你的下一步。

未来总会抛出一个接一个的问题。好在二十岁的自信和希望依然充足，足以支撑他们一次次向前。

服务所有对知识好奇的人

Q：请两位先简单介绍一下自己。

赵一霖：大家好，我是赵一霖。我在哥伦比亚大学读大三，今年选择了休学创业，是 Hyperknow 的创始人。

蒋若涵：大家好，我叫蒋若涵，在哥大读大二，现在也在休学创业。

Q：跟大家介绍一下 Hyperknow 这个产品吧。

蒋若涵：我们目前做的是一个「通用学习智能体」平台。一开始是从我们自己学习中遇到什么困难出发，后来发现大家的痛点都来自于：没有一个足够好的渠道能把各种知识真正讲清楚。

现在有课堂、有 YouTube、有 ChatGPT，但它们往往都做不到「即有深度，又浅显易懂，同时还真正贴合每个人的学习需求」。过去大家学习时经常会被各种信息噪音困住，拖慢你真正理解的过程。

我们想做的就是让 AI 去承担这部分噪音，让学习者专注于理解本身。

Q：是什么样的契机让你们决定在大学前两年出来 Gap 创业？

赵一霖：我在哥大有个一起做科研的好朋友，当时我们在做 AI for Science 方向的研究。我们从 2024 年年初开始一点点把技术跑通了，但后来 Sakana AI 抢先发布，被认为是首个能够独立完成科学研究全过程的 AI Scientist。

那位同学经常跟我说一句话：「一霖，你是一个很有想法的人。你应该看自己生活里真正遇到了什么问题，然后想一想，能不能把它做成一家公司。」

他反复拷问我。我当时还说：「我不是来给你做研究的吗？」结果这句话在我心里卡了很久。我想了两个月也没想明白，反而越来越郁闷。

直到若涵来了哥大，我们俩报名参加一个量子物理的黑客松。就在那一刻，有了一个 click 的瞬间。

赵一霖（左）和蒋若涵（右）哥大求学期间合影

在黑客松之前，有一系列讲座讲逻辑门、代码实现到底是怎么工作的。我们当时是零基础，听得非常痛苦。为了听这些课，我们翘了很多和朋友的饭局。

结果我们看老师给的教材发现太深奥了，问 ChatGPT 也解释不清，最后靠自己才一点点弄明白。我们发现这个核心概念其实特别简单：量子的「门」类似电路里的门，只是某个地方反过来了。

那一刻我突然就觉得很奇怪：为什么这个知识本身这么简单，却没有人真正把它讲明白？

我们做的就是一个能把问题讲明白的平台，既硬核又易懂。这一刻，我第一次清楚地看见了我们的问题。

Q：你们去年就已经萌生了做产品的想法。这一年来迭代了几个版本？

赵一霖：有一天晚上，我们和团队开会，准备智能体在团队内部的第一次完整亮相。我把之前所有的前端代码都翻了出来，一版一版跑了一遍，才发现从去年 9 月正式开始到现在，我们至少已经迭代了五个大版本，内部的小版本加起来可能有几百个。

我当时把这些页面全部截屏发到群里，大家都感慨变化太快了。我们团队整体节奏一直是「move fast, break things」的状态，非常密集地迭代。

在宿舍打造第一版 Hyperknow Agent 的过程

我们第一版产品 AI Workspace 只是希望帮助学生更好地理解知识。回到 2024 年 10 月，它可能是第一个真正帮助学生做深度学术搜索和学术解释的平台。那时候甚至还没有「Deep Research」这个概念。

Q：这次 Hyperknow 3.0 有什么重点更新？

蒋若涵：Hyperknow 3.0 的构思始于去年 10 月。我们在聚焦提供足够清晰、易懂讲解的同时，也重新反思了现有 AI 学习的整体形态。

我们发现，很多时候，学习的冲动其实卡在「不知道该怎么提问」这一步。

因此，我们设计了一个「全包围式的学习助手」（All-Round Learning Assistant）。它可以连接像 Canvas LMS 这样的教学系统，也支持用户建立自己的课程知识库。智能体会主动捕捉课程进度的变化，判断你可能的下一步行动。

在用户提问之前，它就已经在后台准备好完成学习任务所需的材料。等到真正需要时，内容就在你手边。

在疑问产生之前，问题就已经解决。

在 Hyperknow 3.0 中，我们还推出了「深度学习课堂」（Deep Learn Sessions）。这是一个结构化的章节学习空间，由 AI 主动引导，而不是等待学生提问，更像是一键创建属于你的专属课程。因为很多学习者并不了解一个学科或课题下具体包含哪些内容，也不清楚知识点之间的关联。碎片式的学习很难建立系统化的知识结构。

在深度学习课堂中，AI 会逐层引导、循序渐进教学，并结合视频、互动动画等多种学习材料，帮助学习者更系统、更深入地理解整门课程。

我们已经有内测用户用这一模式准备比赛，在几乎没有上课的情况下完成期末备考，取得了不错的成绩。

Q：有不少用户反馈喜欢 Hyperknow 主动提问的功能。

赵一霖：「主动式提问」是我有天凌晨一点，在家附近一条路上散步时突然想到的。

当时我就在想：我们到底在哪些情况下会比 GPT 更好用？或者说，什么时候你会更愿意来用我们？

刚发布时，我有位同学也在做自己的项目，但一直没用过 Hyperknow。他就问我：「诶，你这个知识搜索到底和 GPT 有什么不一样？」

我就跟他说：「你先用一下，你就知道了。」

他先看到我们有一个 Agent 思考过程完整的流程展示，接着是 Web Search。一般模型会搜索 10 个左右的网页，但我们一次会搜索 50 个。

这 50 个网页搜出来后，Hyperknow 会逐个阅读，然后才生成答案。每一段内容还会标注来源，你点进小标签就能看到它来自哪个网页，核心是什么。

这种感觉在学习中会提供一种额外的多巴胺。

Q：你们能完成什么 ChatGPT 很难做到的事？

赵一霖：我们自己觉得很有意思的一个功能就是刚刚提到的「小抄」。很多国外课程是常见的半开卷考试 Cheatsheet（参考纸），教授会允许你从 PPT 里整理出一张正反面的 A4 纸带进考场。

这是一个非常耗时的过程。如果用 ChatGPT 生成 PDF，你会发现它不太理解「参考纸」到底该长什么样。它生成的内容字多、排版不对，看起来很粗糙。

但我们的设计是从学生真实使用视角出发的。大部分学生做小抄时会把一张纸分成四列，页边距和字设置得很小。如果是理科，我们还会把所有公式摘出来，把每一个量的释义标注清楚。

Hyperknow 生成的 cheatsheet（参考纸）

你给 ChatGPT 上传一本 500 页的书，它不会真的把这本书完整读完。出于计算负担或上下文窗口的限制，它往往会压缩，甚至直接用公开信息来「猜」这本书的内容。

但我们会完整地读你上传的文件。目前我们可以处理最多一千页的文档，比如一个学生整个学期的 PPT。

Q：如果用一句话来形容 Hyperknow，会怎么说？

赵一霖：很多人读书时可能都用过「作业帮」。拍照解题，当下是会了，但第二天就忘了。三天之后老师再问，你就会想：「诶，这题怎么解来着？」

这只是求一个答案，而不是理解一个过程。

在 AI 时代也是一样。我问 ChatGPT：什么是神经网络？它给我一个答案，我看完就会产生一种「哦，我懂了」错觉。但这个过程实在是太快了。

真正的理解，是不仅知道这个词的定义，还明白它如何工作，看过案例，甚至亲自算过、模拟过，才算明白一个神经网络的运作方式。

虽然我们产品目前大概有六七成用户是大学生，但我们也收到很多来自小红书不同声音的反馈。就像有家长说：「我是一个初中生的妈妈，能不能给孩子用？」

我们想服务所有对知识保持好奇的人。

Q：你们期待为用户带来什么？

赵一霖：在这个信息爆炸、信息又极容易被浅层获取的时代，我们不太希望用户只满足于 ChatGPT 带来的那种「我好像懂了」的感觉。

我们希望用户能看到，原来还存在一种更好的 AI 解释模式。而当他们体验过后，会发现这种更深的理解是有愉悦感的。久而久之，他们会更愿意去深入，而不是停留在那种碎片化、片面的理解上。

Build in Public

Q：你们第一篇小红书就有 1000 多赞，收到了大量产品反馈。当时是怎么开始做小红书的？

蒋若涵：这个结果很出乎我们意料。因为我们在校内能接触到的同学网络有限，做第一版产品的主要目的就是想接触到更多不同背景的学生。

刚好小红书是现在很多学生都会使用的平台，于是我们就在小红书上发了第一篇推文。

发完之后，我们就在想，怎样才能更好地把大家的建议收集进来。后来就在小红书上建了第一个用户群，很快就有几百人加入。那段时间产品刚上线，数据库和系统稳定性都有不少问题，经常掉线。群里的用户一边给我们提建议，一边陪着我们一起修各种 bug。

压力确实很大，但同时也很快乐。我们每天都在和用户交流，一边改产品，一边看到最真实的反馈。

还有一件事让我印象特别深。在规划下一版产品时，我们邀请了一批用户参加线上工作坊。那天是北京周末的一个早上，一共来了几十个人。有医学生提到需要阅读大量文献，学生命科学、学法律的用户也提到闪卡（Flashcards）这样的功能。访谈中很多建议后来都直接成为现在产品的一部分。

Q：有没有收到一些意料之外的反馈？

赵一霖：前几天我们刚收到一个有意思的反馈。有位用户给 Hyperknow 的提示词是：「我是一个 80 岁的老奶奶，请你用简单的语言教我用 R 语言画图。」

Hyperknow 给了一个我们自己看了都觉得很好玩的回答。它是这么说的：「奶奶您好，您学得真好！我们可以用厨房来打个比方。你要先装一个能跑 R 语言的编译器，这个就像你的菜刀和灶台。」

那个用户后来还说了一句话更逗。她说：「谢谢你，我孙女已经帮我把环境装好了。」

她可能一方面是真的不太会操作，另一方面也是在挑战我们的系统极限。但看到 Hyperknow 能给一个 80 岁的老奶奶用切菜做饭的方式来解释 R 语言，我们觉得非常有意思。

Q：海外平台上收到了哪些反馈？

蒋若涵：Discord 有很多让我们深受鼓励的反馈。我们海外推广时吸引了不少来自不同大学的付费用户。

有几位早期用户一直默默关注着我们，会主动在问公司近况，甚至提出愿意帮我们把产品推荐到各个学校的 newsletter 里。

他们不仅认可产品，也认同我们在做的这件事情本身。这一点对我们来说是莫大的鼓励。

我们也担心国内和海外用户的学习习惯会不会差异很大，所以希望通过 Discord 更多了解海外用户怎么学习，看 Hyperknow 能不能真正适配。

这一年观察下来，虽然文化背景不同，但大家都要考试、都要上学，学习中的核心痛点是高度一致的。

Hyperknow 创业初期在哥大校园宣传

Q：对产品未来有什么期待？

蒋若涵：我们希望加强模型的主动性。

去年 9 月在讨论产品形态时，我们就已经在想这个问题。《钢铁侠》里的 Jarvis 一直是我对「未来 AI 形态」的一个想象。它不是等你开口，而是会主动观察你在做什么，判断你需要什么，然后介入，帮助你把事情完成。

我们希望 Hyperknow 未来能更完整地掌握学习的上下文，比如学生课程信息、难点、知识水平。有了这些信息后，Agent 就可以更准确地判断你此刻真正需要什么，是不是快考试了，是不是该开始复习了，接着主动为你准备相应的学习材料。

我们和很多用户聊过，大家都提到一个很真实的问题：当你用 GPT 这类通用模型时，往往没有足够的时间和心力把 prompt 打磨得足够精准。

现在的大多数 AI 产品仍需要用户先走到输入框前，把问题想清楚，AI 再被动回答。但我们希望未来，你甚至不需要想今天该做什么，AI 已经帮你规划好。

也就是从一个工具，慢慢发展成一个真正陪伴你学习的伙伴。

Q：AI 或许能让学习真正变得个性化。

赵一霖：我们在小红书评论区里看到，大家特别认可「自主学习」这件事。

现在大家用 AI 反倒有点被动。往往是课上遇到不会的问题，才去问 ChatGPT。但学习里的「多巴胺」不是把问题丢给它就结束，而是它能把一个原本很难的知识讲清楚。就在那一刻，你会突然觉得：「诶，我真的懂了。」

我们希望这种「多巴胺」能让大家形成一种体验：用 Hyperknow 学知识是一件快乐的事情。

Q：小红书上很多用户说已经订阅了 ChatGPT。相较于通用模型，Hyperknow 的优势是什么？我为什么还要付费？

蒋若涵：虽然 ChatGPT 记忆很强，但它毕竟还是一个通用模型，你的各种记忆会混在一起。而且它的记忆窗口很长，很难一直非常准确地识别你当下到底是谁、你处在什么学习场景里。

但我们的个性化是完全基于学生学习场景来做的。

你所有学习相关的内容都会在我们的记忆体系里被记录和组织。它会绘制每个用户的学习者画像，以不断提供更贴合你的回答。

我们未来还会接入更多学习场景的数据源，包括学校的教学管理系统和课上录音。相当于你第一次向它提问的时候，它就开始为你个性化定制一个专属的学习模型。

过去、现在和未来的 Agent

Q：你们怎么理解 Agent？

赵一霖：回到 2023 年创业之前，我对「Agent」这个词一开始挺反感的。

Agent 中文翻成「智能体」。但从英文来看，Agent 是「代理」的意思，比如机票代理、火车票代理。我一开始觉得它特别模糊、抽象，甚至有点讨厌。

但我后来慢慢能感受到，从最早的一批产品到现在，大家对 Agent 的定义在不断收敛、越来越清晰。

最早做 Agent 用的是那一套很典型的 LangChain，本质上是一个接一个的流程库、框架。我刚刚提到的哥大朋友就在一家咖啡厅给我们演示过 Agent：你能看到它的思考逻辑，它在调用工具的时候，会在终端里显示一行绿字，说「I’m using xxx library to do something」，一行转完，一个任务就完成了。当时我觉得特别震撼。

过去的 Agent 更像是一个 workflow 或者 pipeline。一个 Agent 号称可以帮你自动规划旅行，但实际上它是一个被设计好的流程，是一个固定脚本。

Agent 能继续向前进化，很重要的原因在于基座模型本身的能力提升。当推理能力、泛化能力和工具调用能力变强之后，你就不需要再为它设计完整流程，而是可以把目标交给它，让它自己完成规划。

另一个迷人的点是工具的出现。大模型一旦有了工具，就像是多了很多触手，真正连接到外部世界。

就像 Manus 通过浏览器操作来完成任务，浏览器背后是 API 控制。再比如 Python 工具，它可以联网搜索、判断信息来源、筛选结果数量，还能生成文件、画图、做科研绘图，甚至解一部分复杂问题。这些全部都是工具，给模型提供了更多「触手」。

它不再只是用文字给你一个回答。未来它可以是图片、闪卡、习题、视频、PPT，各种不同形态的输出。我觉得现在的 Agent 本身就已经很迷人了。

Hyperknow 生成的概念解释结果

Q：Hyperknow 是我目前了解到的第一个「通用学习智能体」。这里的「通用」具体意味着什么？

赵一霖：我们的「通用」有两个层面。一个是使用场景上的通用，另一个是模型能力本身的通用。

就像我们本科学的计算机和物理，一个很典型的问题是：什么是神经网络？你去问 ChatGPT，它可能会给你一个相对浅显的解释。但你去维基百科一查，满屏都是公式，非常难读。

Hyperknow 希望给出的是一种深入浅出的解释。它有教科书式的严谨，同时又能根据你的学习背景去定制解释的难度和覆盖范围。

我们的解题也不是直接给答案，而是一步步引导你：这个题目用到的第一个定理是什么？你是否理解这个定理？然后再一步一步往下推演。它更像是陪你走完整个思考过程，而不是告诉你结果。

和普通模型相比，Hyperknow 还有更强的推理和泛化能力，具备更多工具。

它可以使用网络搜索工具、规划工具、记忆工具等等。当它在解释一个知识点时，不仅有我们内部调优过的一整套解释逻辑，还能连接外部信息源，比如抓取网上资料、学术浏览器的内容，甚至结合用户过去的问题、偏好、知识水平。

我们的 Agent 还能在用户授权的情况下读取学习文件。就像国外很多学校使用 Canvas 等教学系统，教授会把所有课程资料放在上面，Hyperknow 可以直接基于讲义给你更贴合课堂的解释。

Q：对底层模型你们未来有什么展望，会让 Hyperknow 有更好的表现？

赵一霖：上下文窗口是一个非常关键的能力。

不管是手写笔记还是 PPT 图表，我们之所以能够阅读上千页文档且进行视觉化阅读，都依赖于模型上下文长度的提升。

2023-24 年非常流行的技术是 RAG（Retrieval-Augmented Generation）向量检索。它的思路是把大量信息放进数据库，通过语义检索找到最相关的部分，而不是把所有信息都塞进模型。

但最近大家提到 RAG 的频率在下降。因为过去模型的上下文窗口很小，每一个 token 都很珍贵，所以必须做筛选。但随着上下文窗口变大，现在我们可以把更多甚至全部信息直接放进去，就不再需要那么复杂的筛选流程。

蒋若涵：上下文窗口不仅是对读长文档有帮助，对我们做更精细的个性化同样重要。更多的 context，意味着模型更全面地理解一个学习者。

结构外的生长力

Q：你们想象中未来的学习会是什么样？

蒋若涵：我们那天在小红书评论区看到一个用户讲，「自主学习」未来可能会占越来越大的比例。

在学校里，学生可能会更多依靠一种个性化的方式去决定自己要怎么学、用什么节奏学、什么方式最适合自己，不一定都严格贴合学校既定的统一进度。

每个人都会有自己的节奏，真正做到因材施教。对学校来说，如果学生获取和理解知识这件事，本身已经可以通过更高效、更贴合个体节奏的方式完成，那学校或许可以把更多精力放在一些更贴近社会的实践性内容上，更偏向于「做人做事」的教育。

Q：你们各自有坚持了很久的爱好。一霖是个火车迷，若涵则对戏剧感兴趣。你们这些爱好是怎么形成的？对你们后来做产品有没有影响？

赵一霖：我是个火车迷。我妈妈和外公都在铁路系统工作，所以小时候经常看火车。

我真正重拾这个爱好是在初中。那段时间压力比较大，我常常去北京站旁边的明城墙遗址公园，看火车经过，也在那里认识了很多朋友。

如果只是自己拍、自己看，总觉得有点浪费。我曾经把照片投稿给一个很喜欢的火车网站，但一直没有被采用。我就想，那为什么不开一个新的平台？于是我建了一个网站，让大家上传自己拍的火车照片，也分享和火车有关的故事。

赵一霖创建的火车网站截图

后来我慢慢意识到，照片只是表象，真正吸引我的是火车所承载的故事。现在网上常说，18 岁之前要坐一次火车去拉萨。为什么是火车？因为火车代表的是一种过程，一种体验，它会带来很强的情感和视觉触动。

我也特别喜欢看火车从小地方驶向北京、上海这样的大城市，在车上能看到非常市井、真实的生活场景，这些对我触动很大。后来我去了广州、四川、西藏、新疆，采访过很多车迷、司机和旅客。

直到现在，我偶尔还能在小红书上刷到有人转发我们网站的内容。那一刻对我来说很触动。

蒋若涵：我第一次接触莎士比亚是在初中活动看了《哈姆雷特》的片段，很快就自己在班里拉了一个小剧组，把戏带到年级舞台上去演。

无论周围的人在做什么，无论学习或生活里发生什么，总会有一段时间，我可以走进剧场，把自己完全沉浸进去，认真地去感受和思考。

戏剧教会我一种抛开功利、进行深度思考的能力。我觉得这种能力在当下信息爆炸的时代很稀缺。我们做 Hyperknow 本质上也是希望把这种「深度理解」的能力还给大家。

戏剧创作和做产品有一个很像的地方：在真正推到大众面前之前，你都要经历很长一段不确定的煎熬。

你会反复问自己：这个故事讲清楚了吗？观众能不能看懂？会不会产生共鸣？做产品也是一样。在不确定中反复反思、不断调整的过程本身就很重要。

蒋若涵戏剧演出照片

Q：你们在如何学习上有什么心得和体会？这些经验怎么沉淀？

赵一霖：只有你把别人讲懂了，你才算真正学会。

我比若涵大一届，有时候在大学里上同一门课，考前我会给她把 PPT 和重点内容过一遍。很多时候，在给她讲的过程中，我反而发现自己哪里理解得还不够完整，于是回去再翻书推一遍。然后再讲，讲着讲着就真的懂了。

Q：过去一年里，你们最难忘的一段经历是什么？

赵一霖：上一版产品 AI Workspace 让我们对自己做的事情产生过很大怀疑。不是方向错了，而是用户体验出了问题。它有点像老式飞机的仪表盘，你要拨这个按钮、点那个按钮，点三四步之后，才能到达真正有「啊哈时刻」的地方。

后来我们意识到，可能是把好东西藏得太深了。于是决定解耦，把对用户最重要的东西直接放在最前面。这也和我们作为开发者的习惯一致，我们自己也不太喜欢使用太复杂的工具。

现在的 Hyperknow 承担了之前 Workspace 没有完成的一些使命。工作台里原有的功能，Agent 都能实现，还做得更自然。但这对团队来说是个不小的挑战。我们每一次迭代都会问自己：这一版，是不是我们接下来要长期走下去的那一版？

我们的办公室在一条胡同里，想事情的时候就常常在附近的大街上来回走。很多个凌晨三四点，我也会出来走一会儿，一边走，一边讨论这些问题。

后来临近开学，我们先把上一版放下，不急着扩大推广。做了一版更小的原型给身边同学和老用户测试，把最小闭环跑通，再看反馈。结果不错，我们也就继续沿着这条路走下去。

Q：如果在你们刚上高中、大学的时候就有了 Hyperknow，会有什么不一样吗？

赵一霖：若涵就不需要我陪着她一起整理整门课的内容了（笑）。

在自学这件事情上，我们会花大量时间去找原始资料，真的要自己一篇一篇论文去搜、去读。但如果当时有 Hyperknow 这样符合科研型学习者需求的工具，它就可以把所有文献完整地读一遍，并且做到每一行都有清楚的解释。

很多 AI 阅读工具本质上只是把信息搬给你，但不关心你到底懂不懂，没有真正介入理解和思维层面。

有一个学生命科学的朋友给 Hyperknow 的反馈让我印象很深。他说，Hyperknow 不只是逐行标注来源，它真的把整篇文献消化了一遍。

我们希望做的就是把复杂的文件转化成一个人真正能读懂、能吸收的状态。

蒋若涵：Hyperknow 对学文科的同学也很有共鸣。

哥大的核心课程常常要求学生在两三天内完成 200-300 页的阅读任务。但包括 ChatGPT 在内的很多工具都无法真正完整读完这些文献。它们往往会把 200 页内容进行压缩处理，只读开头和结尾，中间抽样几个段落。因此我们经常会发现信息不够准确，或者它无法告诉你某个结论具体来自文件的哪一页，甚至会出现幻觉。

而 Hyperknow 在文献总结上可以做到，每一个事实都对应到原文中的具体位置，甚至标注到具体哪一页、哪一句。

如果在完成这种高强度阅读时有 Hyperknow，很多原本需要花上好几个小时反复钻研的工作，或许就不必再那么辛苦地自己硬扛了。

最好的产品由学习者一起打造

Q：现在团队整体状态如何？

赵一霖：我们很像是一个共建的过程。团队大多是来自北美和国内高校的同学。大家看到了我们在社媒上发的内容，对产品本身真正产生了兴趣，被打动，然后主动找到我们。有时候我在面试时也会说，「不用急着决定，你先试用一下我们的产品，感受一下。」

Q：对产品使用最深的用户往往有最真实、最深入的理解，能一起共创出更好的东西。

蒋若涵：我们团队都是大学生，对学习这件事有很强的亲身体验。

很多成员是从用户转化而来。我们在选择伙伴时会特别看一点：你是不是对创业本身感兴趣？过去有没有做过个人项目、开源项目，或者参加过黑客松？

我们希望团队成员都有一个共同的特质，就是有 agency，有较强的主观能动性。大家都真心把它当作自己的产品来对待，愿意一起做得更好。

整个团队做事都很投入，迭代节奏也比较快。我们给自己的要求是一周之内完整 review 一遍当前版本，必要的话甚至重建一遍。任何一个新功能或突破性的进展，我们都希望以半周为单位推进。

Hyperknow 团队创业过程中的照片

Q：你们未来的终极愿景是什么？

蒋若涵：从小学、初中、高中到大学，现在的教育体系通常需要 16 年完成。但我们发现，真正学到所需的知识不一定要这么久。

我上大学后，有时候创业比较累，晚上熬夜，白天就没那么多精力去上课。我会在期末的一周用自己的方式把整个学期老师讲的内容学完，成绩也还不错。

这让我意识到，不是知识本身太难，也不是理解它一定需要这么长时间，而是在很长一段时间里，我们更多是在适应一套体系下的规则。但考试和作业这些规则未必适合每一个人的学习节奏。

我们希望 Hyperknow 能让未来的自主学习体验更好。原本可能需要 16 年完成的学习过程，借助 Hyperknow，未来或许 3-5 年就足够。

Q：你们未来一年希望给用户带来什么？

蒋若涵：我们希望在本学期结束前把现在这版产品的最终设想真正做出来，推向市场。我们也希望在北美和国内的校园里都能产生一定的影响力。有一天你在校园里走着，能听到同学在讨论：「我在用 Hyperknow，它帮了我什么。」

Q：你们的 superpower 是什么？

赵一霖：我这个人性格比较急。我可能有点像我外婆。我外婆对时间的把控特别强，像我小时候早上 6 点半要起床，她一定会在 6 点 20 就把我叫醒，早饭 6 点 10 分就已经给我做好了。

我可能就是团队的外婆，负责把整体节奏往前推。若涵有时候更偏向高质量、有节奏地去交付事情。但我可能就会说，咱们能不能稍微再快一点？今天晚上先别睡，先把这个事做完？

蒋若涵：这也是为什么我主要做前端，他做后端。

Q：你们希望用户在搜索什么时会想到 Hyperknow？

蒋若涵：我们希望是任何一个概念。

现在你去搜索一个概念，出来的可能是一个 PPT、一个网页。未来我们希望有一种 Hyperknow 的词条。它像 PPT 一样清晰，但比维基百科更易懂，同时又保留足够的专业深度，还是高度个性化的。

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

Q：你们目前有没有招聘需求？

蒋若涵：我们现在主要在招前后端的技术人才，同时也欢迎对市场运营有想法的同学。我们希望你能主动发现一个产品或市场上的缺口，去思考如何填补，而不是被动完成任务。如果想联系我们，可以通过真格的平台留言，也可以直接给我们发邮件：contact@hyperknow.io

Q：Agency 和好奇心是与生俱来的能力吗？

赵一霖：我觉得 agency 来自一种「结构外的生长力」。

你不只做别人给你布置的任务，而是愿意自己去想一个点子，然后把它做出来。我从小学、初中到高中，一直都有一些学习之外的事情，可能在大家眼里有点耽误时间，但对我来说非常有意义、也让我快乐。

你会担心，如果家人不支持怎么办？如果没做成怎么办？但我后来觉得做成与否没那么重要。即使失败了，它本身也是一次学习。

很多真正有创造力的结果往往不是来自布置的任务，而是来自一个人主动地说：「虽然没人让我做，但我就是觉得这件事很有意思。」

我脑子里经常会想到多邻国那个小猫头鹰。这肯定不是 CEO 说：「你给我设计一个绿色的猫头鹰，还要生病、流鼻涕。」它一定来自某个创作者长期的思考和直觉，他天天在想，然后有天灵光一现：「我觉得这个形象对了」。

我们都还很年轻，今天说的很多判断可能十年后回看也不一定完全正确。但这种不确定性反而时时刻刻在提醒我们要更开放、更愿意学习。

这种结构外的探索本身就需要一种勇气。

想聊聊你的想法？听创始人亲述背后的真实故事？真格将在「此话当真」播客交流群举办首期 AMA，邀请 Hyperknow 创始人赵一霖和蒋若涵做客。扫码添加真格小助手，备注「进群」，我们周四见。

文｜Cindy
视频｜Cindy、Menmen、Nuohan、Coco