---
id: "KgqWyVVH4Oc"
title: "与 Reducto CEO 一起下厨：为什么 PDF 仍然会难倒 AI｜Adit Abraham"
channel: "Latent Space"
host: ["Allen Park"]
guests: ["Adit Abraham"]
date: "2026-11-06"
updated: "2026-11-07"
duration: "50:37"
duration_seconds: 3037
source_type: "youtube"
youtube: "https://www.youtube.com/watch?v=KgqWyVVH4Oc"
canonical: "https://pod-exp.pages.dev/KgqWyVVH4Oc/"
transcript_jsonl: "https://pod-exp.pages.dev/KgqWyVVH4Oc/transcript.jsonl"
language: "zh-CN"
translation: true
translated_from: "en"
timestamp_precision: "block"
topics: ["AI 基础设施","AI 智能体","模型评测","企业软件"]
series: ["AI 基础设施"]
---

# 与 Reducto CEO 一起下厨：为什么 PDF 仍然会难倒 AI｜Adit Abraham

> 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。

**内容提要：** 本期从一条引发争议的牛排推文聊起，Adit Abraham 回顾团队从长期记忆产品转向文档处理的经历，并解释 PDF 的视觉结构为何让 AI 难以可靠读取。对话涵盖复杂表格、模型路由、自研模型与前沿模型的取舍、独立基准、持续评测、引用与人工复核，以及每月处理十亿页时准确率和成本的权衡。两人还谈到 AI 智能体如何改变内部工作和招聘、创业团队扩张、数据飞轮、联合创始人关系，以及从读取文档迈向合同修订和表单编辑的机会。最后，他们一边组装牛排、布拉塔奶酪、烤桃子和阿根廷青酱三明治，一边回应“牛排切片会有三片”的玩笑指控。

## [0:03] 冷开场

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-01> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=3s>

**Adit Abraham：** 我以前从没用叉子煎过牛排。Arthur要是看到这段，抱歉把你架到台前了。我们能回应一下那些批评吗？

## [0:15] 认识 Adit Abraham：那条爆红的牛排推文

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-02> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=15s>

**Allen Park：** 大家好，欢迎来到 Latent Space Cooking。我们会请创业者和研究者来下厨。今天的特别嘉宾是 Reducto 联合创始人兼 CEO Adit，欢迎你。

**Adit Abraham：** 谢谢邀请。

**Allen Park：** 当然！我们是因为一条爆红的推文，经 Adele 牵线认识的。你当时发的那块牛排，我觉得看起来特别棒。

**Adit Abraham：** 我觉得它简直太棒了。

**Allen Park：** 可大家却疯狂嘲讽你，对吧？是这么回事吗？

**Adit Abraham：** 对，有人提出了一些指控，今天我们会回应。

**Allen Park：** 好，今天我们就来扳回一城。那开始吧，今天做牛排，还会做阿根廷青酱（chimichurri）。把欧芹递给我，我们来切吧。开始之前我还挺好奇：你最初……

**Adit Abraham：** 好啊。在开始之前，我也想问问……

## [0:58] 从 Remembrall 到 Reducto：YC 与转型

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-03> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=58s>

**Allen Park：** 你当初带着一家叫 Remembrall 的公司加入 YC，对吗？现在公司叫 Reducto。名字和《哈利·波特》有什么关系吗？

**Adit Abraham：** 这问题我们经常听到。

**Allen Park：** 好吧。

**Adit Abraham：** 其实我们加入 YC 那天就知道要从 Remembrall 转型了。我们当时告诉 Diana：“嘿，我们觉得这不是接下来要做的方向。”不过具体要转去做什么，我们还没想好。只有个大致想法：给开发者做些神奇的工具。我们在群聊里发起投票，列出可用的名字和对应域名……

**Allen Park：** 这个名字……

**Adit Abraham：** 里面有些名字简直糟透了。

**Allen Park：** 是啊。不过想想看，变化真不小：那时候做的是长期记忆，或者说给智能体用的记忆；现在你们做的却是文档解析或处理。

**Adit Abraham：** 没错。

## [1:57] 为什么 PDF 仍然难倒 AI

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-04> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=117s>

**Allen Park：** 为了让听众了解背景，能不能梳理一下问题的核心，再讲讲从 OCR、智能文档处理（IDP）到今天视觉语言模型和智能体的发展？

**Adit Abraham：** 做 PDF 处理的公司已经有几十年了。我遇到过一位从事 PDF 处理的工程师，他做这行的时间比我活着的时间还长——真的，他参与过最早让打印机能够打印 PDF 的驱动程序。

如今人们处理文档的场景显然很不一样。文档是横向通用格式，很多人用它来归档信息；企业里也会用一套统一的数据。如果要让模型承担大量人类工作，那么它读文档的准确度就必须达到人类水平。

难点在于，PDF 这种文件格式最初是为了让打印机忠实还原原稿而设计的，并不是为了让智能体来阅读。于是我们一头扎进这个问题：怎样才能像人一样读懂这些文档？这其实是个非常难的视觉问题。

**Allen Park：** 对。

**Adit Abraham：** 我们常把它比作自动驾驶研究。汽车早就有车道保持辅助了，但那跟 Waymo 能从头到尾全程自主驾驶完全是两回事。Reducto 想达到的就是后面这种标准。

**Allen Park：** 明白了。听起来很有道理。我想你们也算是一个智能体平台……

## [3:36] AI 智能体需要怎样处理文档

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-05> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=216s>

**Allen Park：** 除了让很多智能体能调用你们，你们的平台具体还包括什么？你们会不会把它做成横向平台，除了处理和解析，还覆盖编辑，甚至提供客户可用的节点式工作流编辑器？

**Adit Abraham：** 可以这样理解：只要模型要和文档或其他非结构化文件交互，我们就希望 Reducto 成为完成这种交互的最佳方式。

**Allen Park：** 明白。也就是说，读文档、解析、分类信息，再到编辑。人类工作里有很多就是从文档里读信息，再把内容写进文档。

**Adit Abraham：** 没错。它可以负责提取数据、拿数据和其他文档对照核验，然后再……

## [4:20] 难页和复杂表格如何路由给不同模型

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-06> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=260s>

**Allen Park：** 我看到你们网站说 Reducto 底层有 12 个以上的模型。你们怎么决定不同任务和文件该用便宜模型还是更贵的模型？难点在于，这最终是个长尾问题：很多页面看起来只是普通文本，但偶尔会冒出一张特别复杂的表格，而你事先不知道它会在哪一页。

**Adit Abraham：** 对。我们一开始的想法是，基础处理用很多较小的传统计算机视觉模型，特别难的任务再用大模型。不过后来我们逐渐形成了一个挺有意思的模型架构方案。我们周一会公布自研模型 R1，它能端到端完成这项工作：既识别版面，也做最后一公里的修正，尽可能把准确率推近 100%。

**Allen Park：** 明白，挺不错的。我们现在可以加欧芹了。我觉得切得差不多就行，再加入其他食材。

## [5:29] 自研还是外购：何时训练自己的模型

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-07> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=329s>

**Allen Park：** 接着聊你提到的新模型。你们怎么判断该自己拥有模型能力，还是租用别人的？去年你们有个基于 Qwen 视觉语言模型的 ROM OCR 测试版；这次的新模型似乎说明你们更想自己做，而不是依赖外部供应商。

**Adit Abraham：** 我们团队的主张或使命是：无论如何都要成为最好的服务提供方。客户不会关心 Reducto 用的是自研模型还是别的模型，他们只想要很好的结果。所以我们不把问题看成“是不是自研”。自然发展下来，我们越来越重视准确率、成本和延迟之间的帕累托前沿。针对某一类具体任务，经过后训练的模型往往能在这三个维度上都做得更好。因此我们的技术栈逐渐更多转向自研。当然，仍有一些很通用的任务适合用前沿基础模型，但目前范围有限。

**Allen Park：** 很好。接下来要不要把桃子切了，拿去烤一下？我来……你用这块新砧板好吗？

**Adit Abraham：** 好，谢谢。我就拿这个，这样我可以……

**Allen Park：** 你之前说边做饭边聊天很分心，看来不是开玩笑。

**Adit Abraham：** 是啊。

**Allen Park：** 你们最近也发布了……

## [7:01] Deep Extract、前沿模型与漏掉的表格行

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-08> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=421s>

**Allen Park：** 你们最近发布了 Deep Extract，基准测试显示它的整套流程比很多基础模型表现更好。有人会问：“我为什么不等基础模型进步到这个水平，直接用它，何必用你们这套流程？”你怎么看？

**Adit Abraham：** 这次发布最有意思的一点，是我们发现精确率和召回率之间有个很奇怪的取舍。不知道你有没有看博客：当你给前沿模型不受限的推理时间时，很多专门做文档处理的平台表现反而不如它们。但前沿模型的问题出在召回率上：它们会悄悄漏掉表格行、漏掉一些上下文。

**Allen Park：** 对。如果你的信息抽取层直接把内容漏了，到了生产环境也很难发现这种损失模式，因为你一开始就不知道自己漏提取了什么。

**Adit Abraham：** 没错。所以这类工作特别需要一套完整流程来核验和审计结果。我不觉得这是非此即彼：有些任务前沿模型确实很出色。但如果你要找最适合某项任务、效率最高的工具，可能就应该针对那项任务做专门优化。

**Allen Park：** 嗯，有道理。你们这次发布还和 Micro1 合作做了基准测试……

## [8:21] 为什么每家都能在自家基准上夺冠

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-09> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=501s>

**Allen Park：** 你们怎么看评测和基准测试与模型表现之间的关系？也有人担心模型为了基准刷分，导致不同任务间的表现参差不齐，和真实世界任务脱节。

**Adit Abraham：** 我们内部做了很多基准测试。让我挺头疼的是，基准测试在很大程度上已经变成营销材料：每个人都在自己的基准上拿第一，所以噪声很快就变得特别大。我们和 Micro1 合作，是想划清一条线：Reducto 不挑选测试文档，不设定标准答案，也不会以任何方式操纵结果，这样至少能有一份独立基准。当然，它也不完美。我觉得最终最重要的，还是让大家拿自己的文档试用。

**Allen Park：** 对。

**Adit Abraham：** 不过至少这能给大家一个大致方向，让人们开始思考这些问题。我们想做的也就是这个。

**Allen Park：** 明白。接着聊你们最近推出的 R1……

## [9:30] Reducto R1：准确率、成本与每月十亿页

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-10> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=570s>

**Allen Park：** R1 这次发布意味着你们的做法会有什么变化吗？研发过程中有没有什么有意思的发现？

**Adit Abraham：** R1 对我们来说是很大的一步。我们一直希望 Reducto 能成为客户试过的最准确的方案。尤其现在处理量越来越大——拍摄时，Reducto 每个月处理的页面已经略多于十亿页，而且这个数字还在快速变化——在准确率、成本和延迟之间找到帕累托前沿，让各种不同用例都能用得起，就越来越重要。

我特别喜欢 R1 的一点是，它不只是提高准确率，还会大幅简化定价，让客户更容易在生产环境中采用。以前如果启用 AI 功能，我们会加收倍率费用；这些都要取消了。用 R1 时，客户只要把文档发给我们，单页成本就会低于基础模型，准确率还高于我们最准确的模型。

**Allen Park：** 哇，价格确实好很多。

**Adit Abraham：** 便宜得多，比之前的价格低了好几倍。

**Allen Park：** 明白。对那些按你们很多客户的规模使用 Reducto 的人来说，这确实挺让人期待。

**Adit Abraham：** 没错。

**Allen Park：** 说到这，你提到很多客户都在容错空间很小的行业……

## [10:57] 99% 准确率为什么还不够

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-11> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=657s>

**Allen Park：** 你们不少客户都来自容错空间很小的行业。我好奇你们怎么评估系统、设定指标。比如准确率达到 99%，但偏偏在某些企业最需要的场景里失败了——像医疗这种容错空间很小的行业，或者其他风险不对称的用例——这时该怎么办？

**Adit Abraham：** 首先，理想情况下，系统第一遍处理就应该尽可能准确。这当然占了我们很多心力。但第二点是，永远不会有一条线能代表“绝对完美”。即使你已经非常擅长读取页面内容，仍可能遇到歧义之类的问题。

所以可追溯性就很重要：要知道某条信息是从哪里提取出来的；如果需要人工复核，要能准确指出人应该看哪里；还要有可靠的置信度评分，让人知道哪些内容需要检查。要做医疗文档工作流，这些都非常关键。

我们内部做基准测试时，不只测信息抽取的准确率。对于那些没能做到完美的内容，我们还会看能不能可靠地把它升级给人工，让人知道结果不完美。这些都很重要。

**Allen Park：** 你们会不会把最难的失败案例都收集起来，放进数据集里反复跑，确保整套流程没有退步？

**Adit Abraham：** 我们确实做了很多类似的事。

**Allen Park：** 能不能具体说说？你们用什么基础设施工具或框架？我刚才应该先问一下：这些食材你想让我怎么切？

**Adit Abraham：** 完全由你决定。切成这样的小块也行，切薄一点也行。

**Allen Park：** 我应该切成薄片的。好吧，我们桃子很多，可以先吃一些，薄一点的拿去烤，放到三明治里。回到刚才的话题，你们用什么框架或工具来发现这些失败案例，并据此做基准测试？

## [13:05] 持续评测与生产环境中的失败

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-12> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=785s>

**Adit Abraham：** 有件事我们不太公开谈：我们的机器学习团队花很多时间做持续评测。我们会在生产环境里发现那些也许不算错、但还不够完善的结果，从而逐渐了解真实使用场景里哪些内容属于分布外情况。

我们关注的不是单个数据点，而是失败模式。比如医疗文档，你可以说自己关心手写内容，也可以专门测手写识别。但你手头的数据可能没有多少是那种页面倾斜、有人还在表格线外潦草书写的情况。先弄清楚自己在哪些地方做得不好，才能把这些情况纳入下一轮训练。

**Allen Park：** 你们会按行业设置不同标准吗？我猜医疗公司和律所的需求不一样，不过律所之间可能比较接近，医疗公司之间也类似。

**Adit Abraham：** 早期我们对此争论很多。垂直领域专用的文档处理平台确实容易做一些。不过代价是，我认为很多文档归根结底都由非常相似的基本元素组成。

人们常常忽略这一点：你看一页纸时，会瞬间做出许多基本判断。比如两个段落之间只要有一段空白，你就会自然地知道这里是一个新的语义信息块；你未必有意识地去想，但直觉上就懂。其他东西也一样，比如你会自然而然看出表格结构是如何把两类信息关联起来的。

**Allen Park：** 对。

**Adit Abraham：** 我们努力让模型能处理复杂情况，比如医疗领域那些传真来的乱表格，这也让我们更容易为金融客户提供可靠方案。整体来看，这条路更难，但也意味着我们能服务各类客户里最棘手的案例。

**Allen Park：** 明白。不同产业里的经验会因为你们都关注同样的基本元素而相互通用？

**Adit Abraham：** 没错。基本上就是把人看文档时的直觉教给模型。

**Allen Park：** 这就是目标。那未来 Reducto 也会一直做横向平台、不会变成垂直行业产品吗？这样任何行业、任何公司都能用表现很好的通用方案？

**Adit Abraham：** 对于文档解析这种客观任务，我们希望平台保持横向通用、开箱即用。看一页文档时，你应该能明确指出“页面上写的就是这些”。如果涉及主观看法，比如某个财务团队对某项指标有不同定义，那些东西就应该能通过提示来设定、调整，并随着使用不断改进。

**Allen Park：** 明白，有道理。总体来说，智能体这波热潮以及大语言模型兴起之后，你怎么看 Reducto 内部的变化……

## [16:52] Reducto 内部如何使用 AI 智能体

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-13> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1012s>

**Allen Park：** 你们在文化上做了很多调整来适应这波浪潮吗？比如要求工程师用编程智能体、内部搭建工具，还是把精力主要放在客户产品上，或者两边都做？

**Adit Abraham：** 我的联合创始人很年轻，这是他大学毕业后的第一份工作。我觉得他是你能遇到的最懂大语言模型的一类人。你给他发条消息，回你的可能就是 ChatGPT 写的内容。因为有他这样的同事，我们自然就会看到很多人使用这些工具；我们没有规定工程师必须用 Claude Code 之类的工具。

我觉得很有意思的是，现在我们的销售团队也大量使用 Devin。

**Allen Park：** 哇。

**Adit Abraham：** 比如他们会给潜在客户做定制网站。

**Allen Park：** 对。

**Adit Abraham：** 这不是自上而下推动的。大家自己发现：“我在 Google Slides 上花了好多时间，结果用 Claude Design 做出来的提案比我费劲做的还好。”所以他们就会用它，主要是为了展示产品能带来的价值。

**Allen Park：** 明白。这算是以身作则吗？比如你的联合创始人常用，员工看到之后也想试试，让自己效率更高？

**Adit Abraham：** 对，此外……

## [18:31] 用 AI 招聘与八小时现场面试

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-14> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1111s>

**Adit Abraham：** 此外，我们从第一天起就在现场面试和一般面试中允许使用大语言模型。我们的现场面试实际上是一整天的安排，候选人会和团队一起待八个小时。

**Allen Park：** 哇。

**Adit Abraham：** 而且有些题目如果不恰当地使用大语言模型，确实很难解出来。我觉得最终通过现场面试的人，通常都知道如何有效使用编程工具。

我们团队里有个叫 Arth 的人——如果你看到这段，抱歉又把你架出来了。他当时还在伯克利读书，来参加现场面试时大概二十岁。他上大一时 GPT-3 刚发布。看他写代码就像看一个嗑了药的人一样，同时开着一大堆东西。最夸张的是，我们给了他标准的软件工程现场面试题，他大概两小时就全做完了。

**Allen Park：** 哇。

**Adit Abraham：** Ronic 在 Slack 上私信我，特别着急地说：“糟了，他会觉得特别无聊。”于是我们又给他安排了整套机器学习工程现场面试题。这种人就是我们希望确保能招进团队的人。

**Allen Park：** 哇，确实是理想人选：既熟悉这些工具，行动又特别快。

**Adit Abraham：** 没错。

**Allen Park：** 好。要不要尝尝青酱？桃子应该也差不多了。旁边有勺子，你可以用。喷枪也准备好了。

**Adit Abraham：** 好。

## [20:17] 早期员工与什么叫真正投入

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-15> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1217s>

**Allen Park：** 趁我们准备这些，我想继续聊招聘。你们出了名地招人很谨慎，团队一直保持精干。最早的员工里，比如 Efe，可以说是这个领域里最厉害的人之一；其他增长岗位的人也很专业，有些人自己就经营着业务，比如 Adele 等人。从你和 Ronic 两个人一路发展到现在的团队，你在顶尖员工身上反复看到什么特质？现在招人时又会找什么？

**Adit Abraham：** 我们最重要的文化价值观，就是对自己的工作有热忱。

我说的热忱不只是“想做”。我会观察那些非常执着于把某件事做到最好的人。无论是厨师、运动员还是其他人，你总会发现他们对日常工作有一种严格的投入。

比如 Yee 是非常出色的机器学习研究员，不只是因为他读了和我们领域相关的博士。他对检查数据特别执着，会非常仔细地翻数据集，可能连某些 PDF 页都记住了。

**Allen Park：** 哇。

**Adit Abraham：** 我不认识有人比他花更多时间在 PDF 上画框了。

**Allen Park：** 哇。

**Adit Abraham：** 这很重要。

**Allen Park：** 不容易规模化。

**Adit Abraham：** 确实。我们曾经有一段时间，数据标注员比全职员工还多，但他还是会亲自看数据、对每个细节较真。我觉得工程师也得对客户支持这类事情上心，不只是关注炫酷功能上线；还得确保产品在生产环境里能处理那些长尾案例。这种事很难强迫别人主动想做。如果他们把自己的工作看作一件想做到极致的事，自然就会想不断进步。所以我们会招聘这类人。

**Allen Park：** 明白。你们怎么判断候选人有没有这种投入？看过往经历，还是通过面试来了解？

**Adit Abraham：** 对自己真正投入的人，往往会在工作中的很多方面都表现出来。有时是在全职工作，有时是在爱好上。我很喜欢问别人：“你有什么事做得特别出色，甚至达到世界级？”看他们讲这件事时眼睛会不会亮起来。哪怕是电子游戏也可以，只要能把这种投入引导到正确的问题上，它就会自然迁移过来。

**Allen Park：** 明白。桃子片还挺多的。

## [23:17] 用喷枪炙烤桃子

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-16> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1397s>

**Adit Abraham：** 好，我拿几个桃子来喷枪烤一下。对，这样挺好，边做边聊。我觉得对一件事的投入确实会迁移。

**Allen Park：** 是啊。

**Allen Park：** 你想烤到多焦？按你喜欢的程度来。说真的，你可以用喷枪……

**Adit Abraham：** 我还以为这样就算了。

**Allen Park：** 要不我直接把它们放锅里？

**Adit Abraham：** 对，我们就直接放……

**Allen Park：** 我有点手忙脚乱。我们用电磁炉吧。你想试试吗？就这样打开。

**Adit Abraham：** 我太期待了。

**Allen Park：** 对，转一下旋钮就行。

**Adit Abraham：** 哦，随便设什么温度都行吗？我看过相关视频……

> 翻译待核对：23:35–24:07 炙烤桃子的对话有字幕断裂且说话边界不清；上述归属依料理动作的问答关系判断，个别短句仍需音频复核。

## [24:25] 从小团队扩张到 B 轮

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-17> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1465s>

**Allen Park：** 从早期阶段走到现在的 B 轮，先再次恭喜。团队从很小变成增长阶段，你有哪些不得不放下或改变的做法？

**Adit Abraham：** 如果公司发展顺利，问题的数量不会真的变少，只是你随着时间开始处理不同的问题。创业第一天，我做的很多事都是当下需要亲自下场处理的细节，比如一笔具体交易、一张客户支持工单。团队人数增加后，这些事情自然会变。

放手其实挺不容易。我做创始人很长时间里，只要没法随时在 Slack 上响应，就会焦虑，觉得自己不盯着就可能出问题。后来这种感觉慢慢少了，你会意识到公司在某种程度上有自己的运转方式。不过你仍会花很多时间陪伴顶级客户，也会逐渐接手更多和人有关的工作。我以前没想过自己会写文化文件，没想到这类事会成为工作的一部分。

但这都挺有意思。我总觉得自己刚开始做当前阶段的工作时很不擅长，三个月后才上手，接着又开始做一份新工作。

**Allen Park：** 随着公司成长，工作一直在变化。早期你会给工程师一个优先事项，让他用一周完成。团队规模扩大之后，你还会坚持一周一个重点吗？还是会更像大科技公司那样组织？

**Adit Abraham：** 我们仍然每周全员开会。工程团队应该了解最重要的客户交易，反过来也是一样，这点没变。有些重要项目很难压进一周，所以某些工作的周期确实变长了。不过也有很多事仍然是一天内要解决的优先事项。我们会尽量明确真正重要的几件事。

我的想法也从每周优先级，逐渐转向月度和季度优先级。不过还没变成大科技公司那种组织方式，我们没有一整套年度 OKR。我们仍然尽量像创业公司一样精干地运作。

**Allen Park：** 因为你会不断获得新信息，市场变化很快，不跟着调整就会落后，尤其 AI 和编程领域变化更快。

**Adit Abraham：** 对，确实一直在变。

**Allen Park：** 那我们转到商业层面……

## [27:35] 竞争与数据飞轮

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-18> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1655s>

**Allen Park：** 你们所在的赛道竞争很激烈，大家都在拼命提升表现。如果客户数据不能全部用于训练，性能会不会无法随着业务量一起扩展？你们怎么建立护城河、和其他公司拉开差距？

**Adit Abraham：** 就像刚才说的，持续评测做得好，是关键的一部分。我们每个月处理十亿页文档，怎么围绕这些数据形成飞轮，是我们需要解决的问题。

我们做的并不只是针对某一种版面。我们的方案是横向通用的。很棒的一点是，客户群越广，我们对各种问题的理解就越好。

我其实觉得竞争市场很好，因为它很看实力。我们服务 Harvey 这样的领先 AI 原生创业公司；如果我们不能继续做到最好，他们就会自己去找最好的供应商。我们的态度一直是要迎接这个挑战。

**Allen Park：** 所以你们是竞争优先，想赢，但也接受公平竞争？

**Adit Abraham：** 是的。

**Allen Park：** 明白。如今很多市场都会很拥挤，关键就是能不能快速行动、参与竞争；比起系统性优势，执行似乎比以往都重要。

**Adit Abraham：** 对，确实一直如此。

**Allen Park：** 好，桃子看起来可以了，放到盘子里，然后开始处理牛排。回到 Reducto 的未来……

**Adit Abraham：** 该死，可以再给我一点油吗？

**Allen Park：** 可以。好。关于 Reducto 的未来，你会不会想像 Rippling 那样，做很多横向产品，成为提供多种服务的综合型创业公司，甚至接手文件存储等客户除了提取、解析、编辑以外的需求？

**Adit Abraham：** 我们最关心的是直接对文档进行操作。我们考虑问题时，不太关注文件存储；关键一直是能不能把某项任务做到世界第一。就文档分类、解析和编辑而言，我们认为答案是可以。至少目前，单纯存储数据没那么吸引我们。只有当这些方向能改善客户体验时，我们才会考虑推进。

**Allen Park：** 明白。那你们的客户每次来找你们时……

## [30:53] 更好的解析能为客户带来什么

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-19> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1853s>

**Allen Park：** 听说你们的客户通常会带来一批此前所有测试都失败的文档，但这些文档到了 Reducto 就能处理。有没有什么让你觉得特别神奇的案例？

**Adit Abraham：** 我最喜欢的客户演示，是客户找到了一个以前根本无法实现的用例，结果现在能解决了。他们开始把原来认为不在能力范围内的内容也交给系统处理。

有些时候，解析准确率还会带来人们意想不到的下游影响。一家法律科技客户发现，文档经过 Reducto 解析后，用户与文档的互动次数翻了一倍。

**Allen Park：** 哇。

**Adit Abraham：** 用户会问更多问题。这显然不是我们直接销售的功能，但他们发现答案质量和引用准确度都提高了，所以客户总体上更愿意参与互动。

**Allen Park：** 这很重要。我们最终想带来的就是这种效果，只是它可能不会立刻体现在邮件流程里。明白了。现在你和 Ronic 都在团队里；你们都去了 MIT，对吧？

## [32:12] 在 MIT 找到联合创始人

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-20> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=1932s>

**Allen Park：** 你和 Ronic 都去了 MIT，是通过他当助教或研究助理的一门课认识的吗？

**Adit Abraham：** 对，我们是在他大一时认识的。

**Allen Park：** 你以前说过，你很欣赏他的能力和才华。你们一起做事快要三年了吧？这三年里，有没有某些时刻让你意识到你们很合拍，或明白了联合创始人该有哪些特质？有没有什么做法和常见的创业建议不一样？

**Adit Abraham：** 到目前为止，我最喜欢我们这段创始人关系的一点是，我们从没发生过我会真正称为“争吵”的事情。

**Allen Park：** 好。

**Adit Abraham：** 我们讨论过很多事情，也会表达不同意见，但我们很擅长就事论事地沟通、解决分歧。我觉得这最重要。前提当然是你尊重对方，觉得对方有互补的技能。但创业真的很艰难，重要的是你觉得自己能和联合创始人一起经历起起落落，而不会心生怨恨。这种关系很特别，刚认识一个人时很难强求或预测。

**Allen Park：** 你和 Ronic 的技能互补吗？

**Adit Abraham：** 我觉得是。我在 MIT 完成了计算机科学本科，但和他比起来，我都快算不上技术人员了。我们的工作通常会在产品上交汇。他主导了各方面的大量工程工作，在技术上也有很多强烈的看法；我的强项则是在市场拓展方面。

**Allen Park：** 明白。不过你们都懂技术，能进行相关讨论；但你肯定不会和 Ronic 比编程马拉松。我觉得他这辈子可能一次都没输过。

**Adit Abraham：** 是啊。

**Allen Park：** 你们也一起参加过黑客松，对吧？

## [34:35] Anthropic 黑客松、长期记忆与 RAG

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-21> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2075s>

**Allen Park：** 你们还一起参加过一次黑客松，对吧？

**Adit Abraham：** 参加过。

**Allen Park：** 是 Anthropic 推出早期 Claude 模型时办的那场？

**Adit Abraham：** 对，他们当时提供了 Claude 的早期使用权限。我们的创业历程某种程度上就是从那时开始的。当时模型已经很厉害，但上下文窗口限制非常糟糕，于是我们开始考虑长期记忆，最后发展成后来的 Reducto。

**Allen Park：** 时代确实变了。当时 RAG 很重要，你们的处理流程现在还会做很多分块吗？上下文窗口变长之后，这件事是不是没那么重要了？

**Adit Abraham：** 分块可能不再是最吸引人注意的部分，但很多问题归根结底还是搜索问题。

**Allen Park：** 好。

**Adit Abraham：** 不管你叫它 RAG，还是叫别的名字，很多产品本质上仍是某种搜索，再基于搜索结果做推理。

**Allen Park：** 明白。

**Adit Abraham：** 我个人认为，按定义来说，这其实就是检索增强生成。

**Allen Park：** 对，说得通。你能具体讲讲“所有问题说到底都是搜索问题”吗？编程领域里，文件引用和文件搜索似乎是在 RAG 之后出现的方向。文档解析和处理的框架也一样吗？

**Adit Abraham：** 人们想到 RAG，常想到传统做法：先把内容切块、生成嵌入，再用余弦相似度搜索，决定哪些内容要放进模型上下文。

有些人排斥 RAG，理由是“我又不是在做聊天机器人”。但我们很多客户仍然会给智能体一个文件系统，让智能体在里面搜索，找出相关上下文，再基于这些内容推理、拼接多个文档的信息。

我想说的是，无论这件事由智能体完成，还是直接呈现在搜索产品里，流程都是先查找信息、拼出上下文、综合内容，最后采取某种行动。

**Allen Park：** 明白。这流程挺直观的。我的牛排应该做好了，你可以开始看看。接下来聊聊大家怎么找到你们，以及你们在招聘什么。我猜你们不同岗位都在招？

**Adit Abraham：** 我们现在大概有 40 个职位空缺。

**Allen Park：** 哇。你们眼下主要受限于什么？销售，还是还在招很多研究人员？

**Adit Abraham：** 各方面都在招，尤其是工程岗位。随着规模扩大，基础设施问题对我们特别重要。

**Allen Park：** 对。我也得洗洗手。

> 翻译待核对：37:42–37:48 的字幕残句“mistakes in the washing hand”不通顺，无法据此确认具体所指。

**Adit Abraham：** 我们在招产品工程、机器学习和平台岗位。销售团队方面，今年年初我们只有一名客户经理（AE）和销售工程师（SE）；现在销售团队已经有 30 个人了。

**Allen Park：** 哇。

**Adit Abraham：** 总体来说招了很多人，短期内应该还会继续。团队的产能仍然不够。

**Allen Park：** 明白。能有增长问题可比陷在转型地狱里好——你以前也提过，坐下来解决不了问题，比现在要增长难多了。

**Adit Abraham：** 是啊，应该会挺好的。

**Allen Park：** 好，我们把这个移过去，然后去洗手。

**Adit Abraham：** 我以前从没用叉子煎过牛排。凡事总有第一次。

## [38:39] 重新回到厨房

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-22> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2319s>

**Allen Park：** 太棒了。好了，我们回来了。牛排已经做好，可以开始切了。你切面包，我来切牛排，怎么样？

**Adit Abraham：** 好。再回到 Reducto，你们已经从帮助公司提取和解析文档，发展到也能处理文档编辑了……

## [38:50] 从读 PDF 到修订合同

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-23> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2330s>

**Allen Park：** 你们已经从帮公司提取和解析文档，发展到也能处理文档编辑。你觉得从阅读、分析到编辑和知识工作，还有多少机会可以拓展？

**Adit Abraham：** 我总体上觉得，白领工作还没有迎来类似 Claude Code 那样的时刻。很多白领工作不只是综合信息、从文档里提取内容，也包括最后把内容写进电子表格、Word 文档等。

所以我们想的不只是解析和提取这一层，还想让模型尽可能可靠地修订合同、填写贷款申请，完成原本要由人来做的工作。这里面有很多难题。刚才我们也提到了，人类每年要花几十亿美元做文档本地化。

比如美国企业要和中东公司做生意，可能需要把内容翻译成阿拉伯语。模型翻译得很好，但把修改应用到文档里很难：英文文档转成从右到左的文字后，版面要重排，内容可能流到下一页，格式也会变化。

**Allen Park：** 格式确实不一样。

**Adit Abraham：** 正是如此。理想情况下，我们能替客户处理这一整套问题。我们还处在早期，差不多半年前推出了表单编辑接口。接下来也有不少东西快要发布，我认为会带来巨大的变化。

**Allen Park：** 这听起来像是一个很不一样的问题，更像计算机操作，比如填写表单。

**Adit Abraham：** 确实有些相似之处，而且这里也有不少工作更接近代码生成。不过，最根本的还是要非常擅长理解视觉结构；有了这项能力，我们也就能做好把修改应用到文档里。

**Allen Park：** 明白。你们会把这些问题交给不同团队，还是都放在同一个体系里？

**Adit Abraham：** 我们不会很严格地拆分团队。这也和刚才聊到的工程团队优先级有关。我们有机器学习团队，组内的人会做各种不同问题；当然也有人专门研究某些方向。我们刚招到一位很棒的新员工，叫 Leang。他因为开源办公智能体在 Twitter 上火了起来。

**Allen Park：** 哦，我好像看过。

**Adit Abraham：** 对，这人很难招，刚从新加坡搬过来。他对文档编辑问题特别感兴趣，现在主导了其中不少工作。让人和问题之间有热情上的契合，真的很重要。

**Allen Park：** 你们怎么找到对这个使命有同样雄心的人？主要靠主动联系还是申请？会用什么方式筛选？我猜你们很看重使命感。

## [42:50] 从读 PDF 到修订合同（续）

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-24> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2570s>

**Adit Abraham：** 我们一直在持续招聘：有内部招聘人员，也和招聘机构合作。不过，偶尔你会在 Twitter 上发现某个人对 PDF 的执着程度超乎寻常。一个人会随手花时间琢磨文档处理，这本身就很能说明问题。只要看到这种人，我们就会想办法联系。

**Allen Park：** 有道理。你刚才说白领工作还没有迎来 Claude Code 时刻，你觉得引发那种爆发式增长的催化剂会是什么？是大家看到用例的价值，还是行业扩散和文档编辑场景的普及？

## [43:19] 办公工作中的 Claude Code 时刻

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-25> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2599s>

**Adit Abraham：** 我觉得模型能力已经快到那个点了。前沿实验室显然先集中提升了代码生成能力，之后才考虑其他模型应用问题。

**Allen Park：** 对。代码很多时候是可验证的问题，工程师也最容易接受新工具。但企业的数据散落在各种地方，还有很多奇怪的经验规则。你问大型金融机构某个纸面流程是怎么处理的，他们可能会告诉你：“如果我在屏幕左下角看到这个，就知道它来自肯塔基州，所以……”

**Adit Abraham：** 这类知识通常根本没有被清楚地写下来。

**Allen Park：** 所以工具公司还有很多工作要做：汇总这些上下文、帮企业建立合适的知识库，再为模型提供足够的信息来推理。

**Adit Abraham：** 对。不过我觉得离大规模出现这种情况已经不远了。

**Allen Park：** 明白。所以问题更像是数据碎片化和上下文不足，而不是模型表现？模型的长程推理已经越来越强，智能水平似乎不再是最大的瓶颈。

**Adit Abraham：** 是这样。

**Allen Park：** 那是不是需要更集中地解决这个问题？把某个州的纸质文件和老旧文件系统里的数据整合起来，并不是软件一定能轻易解决的。你们从文档处理角度考虑过这种问题吗？

**Adit Abraham：** 好的一点是，我们能和各个垂直领域的领先团队密切合作。比如我们和 Basis 团队合作，他们想自动化 1099 报税；也和 Harvey、Lora 这些在法律领域做得很出色的公司紧密合作。

这些公司专注于自己的领域，因此能逐步摸清在特定场景下如何端到端交付价值，这很好。

**Allen Park：** 明白了。那块好像还冒着热气。

**Adit Abraham：** 是热气，不是烟。

**Allen Park：** 好。我们可以组装一个，吃完就结束。接下来……

## [46:14] Reducto 接下来的方向：提取、引用与成本

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-26> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2774s>

**Allen Park：** 除了这次发布，今年剩下的时间里还有什么里程碑或事情让你期待？再恭喜一次。

**Adit Abraham：** 总体而言，我们的模型都在变得更好很多。

**Allen Park：** 你要戴这个 Halo 吗？

**Adit Abraham：** 好啊，要把这个也戴上吗？

**Allen Park：** 行。

**Adit Abraham：** 我们的结构化提取模型也有了巨大进步，而且不只是准确率提高。引用表现和遵循 schema 的能力也更好了，成本还更划算。我们今天宣布，以前结构化提取每页总成本要超过 4.5 美分；现在成本降到一半，同时表现还更好。

**Allen Park：** 哇。

**Adit Abraham：** 你还好吗？

**Allen Park：** 我呛到了。

**Allen Park：** 哇，这一下降得真多。

**Adit Abraham：** 这些就是我们想继续推进的方向：全面推动准确率、成本和延迟之间的帕累托前沿。

**Allen Park：** 明白。之前你提过成本和性能。这主要是为了降成本，还是成本降下来的同时维持原有性能？

**Adit Abraham：** 幸运的是，我们并不是为了降成本而刻意降成本，而是发现只要专注提升模型表现，每一美元能买到的智能也会更高。我们的首要目标始终是成为市面上最准确的文档处理平台。

**Allen Park：** 嗯，而且就像你说的，也不绑定某一家模型。

**Adit Abraham：** 没错。

**Allen Park：** 好，太好了。那我们组装三明治吧。

## [47:51] 组装牛排三明治

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-27> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2871s>

**Allen Park：** 好，牛排要放多少？要不要再加点？

**Adit Abraham：** 我们可以叠两层。

**Allen Park：** 好。你要不要往这边挪？这样我也能加一些。感觉怎么样？

**Adit Abraham：** 挺好。我在想那个人的事，忘了他的用户名了。我想把这些牛排片铺得好看一点，确保摆放方式没问题……

**Allen Park：** 别再被网友嘲讽一次就行。

**Adit Abraham：** 才不会被嘲讽。这些肉块也切得很小，应该能铺开。

**Allen Park：** 看起来很好。把芝士放上去。你放布拉塔奶酪，我来放桃子？

**Adit Abraham：** 好，哇，真不错。

**Allen Park：** 放在牛排上还是面包上？

**Adit Abraham：** 放牛排上吧。然后盖上去。

**Allen Park：** 铺开。太好了，看起来真棒。把顶上的面包也放上去。好，完美，我们来切开。

**Adit Abraham：** 太棒了。

**Allen Park：** 接着加点阿根廷青酱？好，拌一拌，再放到上面。拍这些动作镜头肯定会很精彩。看起来好凉啊。你也可以把面包盖上去。好，完美，我们来切开吧。我们能回应一下那些批评吗？

**Adit Abraham：** 可以。我觉得我们该数一数你咬的时候会带出几片牛排。有人说会有三片。

## [49:56] 牛排指控与试吃

<https://pod-exp.pages.dev/KgqWyVVH4Oc/#chapter-28> · YouTube <https://www.youtube.com/watch?v=KgqWyVVH4Oc&t=2996s>

**Allen Park：** 三片，对吧？来，咬一口。

**Adit Abraham：** 一片。

**Allen Park：** 对，很轻松。味道怎么样？

**Adit Abraham：** 太棒了。

**Allen Park：** 好，碰杯。

**Adit Abraham：** 还有点辣。

**Allen Park：** 嗯，太好吃了，天哪。牛排三明治怎么做都不会错。

**Adit Abraham：** 对，尤其是加了桃子。

**Allen Park：** 真的太棒了，我们做得真好。

**Adit Abraham：** 谢谢你们招待我们。

**Allen Park：** 那这份三明治和 Reducto 之间有什么比喻？

**Adit Abraham：** 你是想让我说句和文档有关的话吗？
