世界上第一个 AI 软件工程师：Scott Wu 谈 Devin、Cognition 与长期自主 Agent

我想先知道，你为什么用 “salty” 形容自己？这个词对你到底意味着什么？

我一直就是这样。小时候我特别讨厌输。我最早的竞争记忆是在二年级：我去参加一个七年级的数学竞赛，那是当地大学给初中生办的比赛。

等一下，你当时只有七岁？

对，大概七八岁。我做完试卷，等他们宣布名次。他们先说第三名，再说第二名，我一直在等自己的名字，结果前三名都没有我。我只记得自己当时气坏了。这个反应并不理性，但它从很早就存在。

你的大脑有多大一部分在想竞争？

老实说，几乎全部。连做公司对我来说都像策略游戏：你计算这一步，想如果发生这种结果，下一步该做什么；把可能性展开成一棵决策树，在不同分支里寻找通往胜利的路径。这基本就是我生活里一直在做的事。

所以你没有“不这样”的记忆。

差不多。我从小是弟弟，哥哥比我大四五岁，我们会一起打游戏，我输了同样会非常不爽。

你外表很友好、表达也很清楚，但下面是一种极强的竞争驱动力。这让我想到 Demis Hassabis：他也说过，自己大脑的一半都在处理竞争。

除了数学，你小时候还在竞争什么？

基本什么都比。最主要的是数学和编程竞赛。我很小的时候，人生目标就是成为竞赛编程世界冠军。我喜欢竞赛体系的一点，是它有清楚的阶梯：先参加学校比赛，表现好就去城市、地区、州、全国，再到国际比赛。

这个过程迟早会把你带到“和你一样的人”面前。我在路易斯安那州巴吞鲁日长大，但通过全国和国际竞赛认识的人，反而更像我的童年好友。我们在网上一起讨论数学、程序和题目。

这不只是赢奖牌，也是找到自己的群体。

对。除此之外，我玩过几乎所有竞争性游戏。我参加过《任天堂明星大乱斗 Melee》的比赛，也玩俄罗斯方块、扑克、国际象棋和围棋。国际象棋我只算一般，围棋则和我父亲有关。

我父亲以前是很强的围棋选手，大概七段。如果硬要换算成国际象棋等级分，也许相当于 2300 到 2400。他在中国读研究生时，有位教授很喜欢和他下棋。后来那位教授去了美国任教，写信告诉我父亲这里机会很多，还帮他申请学校和签证。某种意义上，我们家来到美国就是由围棋促成的。

你说过，家里竞争心最强的也许是你母亲。

是，她肯定最 “salty”。对我来说，“salty” 就是：你会对输这件事感到被冒犯。她总会说“不，我更擅长这个”“我能赢你”。她小时候打过乒乓球，也学过数学，但更重要的是她的性格本身就很竞争。

我读创业者传记时，经常看到两类父母。一类像 Elon Musk 或 Larry Ellison 传记里的父亲，用“你一文不值、你不会有出息”点燃孩子证明自己的火；另一类像 Estée Lauder 的家人，会告诉孩子“你很特别，你有能力，只要努力就能做到”。你母亲更接近第二类。

我父母未必想把我推向创业，他们可能也会满意我找一份传统、舒适的工作。但我母亲一直告诉我，我是最好的。她在还没有多少证据时就这么说，也一直支持我、为我骄傲。

她是在你证明自己以前就给了你自信。

对。我们小时候参加数学竞赛会拿奖杯。家里的墙上不太挂父母照片，更多是我和哥哥的奖杯。每次我们得奖，她都会把奖杯摆到壁炉架之类最显眼的位置。教育对她很重要，“做到最好”也很重要。

对你来说，是输的痛苦更强，还是赢的快感更强？Larry Ellison 说过，他沉迷胜利，但比起喜欢赢，他更害怕输。Michael Dell 也说，输的痛苦远大于赢的快乐。

我也是。失败带来的痛感，远远超过胜利带来的快感；但它还没有大到让我停止尝试。

要真正走到某个高度，本来就必须输很多次。很多非常成功的人，是在大量失败和少数胜利中成长出来的。你必须不断把自己放回竞技场。

对你这种人格来说，不再参与反而是不可能的。

那我们进入 Devin。对你来说，Devin 这件事上“赢”是什么？

我们当然极度好胜。Cognition 的创始团队也很大，一开始有九个人，而且多数人之前都创过业。我们一直把这次看成“大的那一次”：想做一家世代级公司，想建成 hyperscaler。我们也许成功，也许失败，但目标就是这个。

很多人说“coding agent”或“AI 编程”，可我觉得人类不会永远直接与代码交互，程序也未必是最终的抽象层。更持久的事情是人机接口：如果我们成功，Devin 会成为人类告诉计算机“你要做什么”的方式。软件工程原本就是为了这个——让计算机执行人的意图。

为什么这个想法如此吸引你们？

最简单的答案是，我们是一群写了很多年程序的 nerd。过去二十年，我们一直在编码、做小东西；现在我们可以教 AI 去做东西，让每个人都有一个 AI 帮他创造，并体验“把想法做出来”的奇妙感，这非常酷。

这是全世界最能驱动你的那个想法吗？

我觉得是。再拉远一点看，大家都在讨论 AGI 和“AI 什么都能做以后，人类生活是什么样”。我认为最人性的东西，是自我表达、创造，以及让你想在世界上发生的事真正发生。

我的联合创始人有一句话我很喜欢：人类一直生活在“生存模式”，以后会进入“创造模式”。就像《我的世界》：生存模式里你要找食物、防怪物；创造模式里资源都在手边，唯一的问题是你想创造什么。我们想构建让这种世界成为可能的工具。

那今天的 Devin 到底是什么？

今天大家把它称为 AI 软件工程师。它是一个任何人都能使用、能和你端到端完成软件构建的工具。我们与全球很多大型机构合作，包括 Goldman Sachs、Mercedes，以及美国政府的一些部门，帮助软件团队构建更多、做得更多。

过去二三十年，“软件吞噬世界”是一句著名的话。我认为它仍然正确，而且还有好几个数量级没有走完。实际结果是，团队能用 Devin 更快交付、完成更多工作。我们追求的不是演示里看起来聪明，而是真实软件团队的产出。

怎么从“AI 软件工程师”走到你说的“人机接口”？

这要回到编程到底是什么。早期编程可能是插拔真空管，让机器做算术；后来有打孔卡、汇编、BASIC，再到高级语言。抽象层一直在提高。

你今天使用 Instagram、TikTok 或 YouTube，其中每个按钮、页面、动作、架构，背后都有人做过决定。软件工程师把“我希望计算机这样做”转成能执行、维护和扩展的系统。

下一步，很多人不需要知道 Python 或 Java，也能说：“给我做一个实现这些功能的网站”“在现有产品里改变这里，加入这个套餐和功能。”Agent 会理解现有系统，然后去实施。

还有一个很重要的经济变化：今天只有当软件会被使用成千上万、甚至上百万次时，雇一整支工程团队才划算。YouTube 值得投入海量工程时间，因为使用它的总时间更大。但白领工作里有无数任务只执行一次：筛十五个 LinkedIn 资料、填表、研究数据、做一张 Excel 表。这些本来都能由软件完成，只是过去为一次性任务专门开发软件不经济。

所以未来 agent 会在后台临时写程序，而用户甚至不需要看到代码。

对。你给出指令，它在后台判断要写什么脚本、自动化哪一步、怎样把系统串起来。最终这就是你控制计算机的方式。早上你和 agent 讨论想做什么、把任务定义清楚；真正“落笔写代码”的执行部分由它完成，但决定做什么的人仍然是你。

距离这个理想状态还有多远？

今天的 Devin 和各种编码工具，已经比十年前、一年前甚至六个月前强很多，但还没有到“你和 AI 神经直连，告诉它想在世界上看到什么，它就全部实现”的程度。我很难准确预测，不过我认为未来五年左右，大部分问题会得到解决。对 AI 来说，五年像一个世纪。

你说过，人很难理解指数曲线。

确实如此。模型能力、数据规模定律、AI 公司的收入曲线都在表现这种特征。人的直觉并不是为指数变化准备的。

如果你生活在狩猎采集时代，一次很成功的狩猎，也许意味着多出几天食物。但在指数曲线里，一次“好狩猎”的对应物，可能是得到一千年的食物。我们的大脑没有为这种尺度建立原生感觉。

我父母对此也影响了我。他们在中国较贫困的年代长大，来到美国后，看到人人有车、家里有各种电器，生活差异非常强烈。相对今天的 AI，那其实还是慢得多的变化，可人们很快就习惯了，后来甚至无法想象没有这些东西的生活。

AI 也会类似。五年后，回头看我们拥有的能力会觉得不可思议；十年后，人们可能已经忘记自己曾经没有它们。

你对 AI 有什么理解，是大多数人——甚至科技行业里的人——还没有真正理解的？

你把我说得太厉害了。我不确定自己有什么特别深奥的洞见。但我会这样说：人通常根据历史做模式匹配。过去一百年一直如此，那未来大概率也会如此。99% 的时候，这种方法很好用。

可在极少数真正发生断裂、事物确实变得不同的时期，模式匹配会失效，你必须回到第一性原理。

有一类研究会衡量 AI 能在不被人打断、不需要重新引导的情况下连续完成多少人类工作。几年前，这个数字可能只有十到二十秒；每隔几个月就翻倍，现在已经在谈几个小时。

如果 AI 已经能接下原本需要人类几小时的任务，理解清楚描述后独立完成并带回结果，那么第一性原理问题就是：为什么不能是几天？为什么不能是几周或几个月？如果每个人都有一个 agent，可以一次替他们做几个月的工作，这个世界会是什么样？

从这个问题出发，你会得到一个与我们过去几年生活经验完全不同的结论。听起来越疯狂，越可能需要第一性原理，而不是简单把今天线性外推。

你把这个推得更远：如果 agent 能在无人协助下工作一年，会发生什么？

我认为我们会到那里。

如果今天 Devin 可以独立工作一年，你会让它做什么？摧毁竞争对手？

可以做很多事。先举个很小的例子：昨天我在批量发邮件，想把格式、缩进和样式调整正确，但编辑器就是不肯让我只取消其中一部分缩进。我当时想，我居然还在亲手折腾这种事。

如果把想要的结果解释给另一个人，比在软件界面里实现它还容易，那么剩下的执行就应该由 agent 完成。人应该把时间用在想：我想做什么、想建什么、世界上还缺什么。

可是时间跨度越长，事情才越有意思。我一直谈 Polaroid 创始人 Edwin Land。他把即时摄影变成了一个产业，也是 Steve Jobs 的英雄。早期 Polaroid 只能拍黑白照片。Land 找来一个人，让他只想一件事：怎样把即时成像从黑白变成彩色。那个人先思考了两年，最后真的解决了即时彩色摄影。

如果我有一个 agent，能在我做别的事情时，连续两年攻击一个我解决不了的问题，那才是真正有意思的用途。我不想让你的“一年 agent”只负责群发邮件。

我同意。秒级能力对应一条命令，小时级能力对应一个任务；到几个月或几年，你给 agent 的其实是许可和使命。

它可以研究一个你关心的社会问题：怎样让更多人理解它、怎样协调行动；也可以设计一款游戏，把你喜欢的两款游戏的机制组合起来；还可以研究一种新的材料构造方式，自己学习、探索、做实验。让它在数月或数年里不断推进。

我可能还会设一个 agent，专门判断应该给其他 agent 分配什么使命。

对，会有“管理使命的 AI”。我们祖先如果看到今天的人坐在房间里按键、和别人开会，还把这叫工作，可能完全无法理解——他们认为工作是种田、做衣服、照顾生存需要。未来也会发生类似变化：人们追求好奇心、投身关心的事业、创作艺术，再派 agent 去执行使命；他们会把这称为工作，而我们今天可能觉得难以想象。

创办 Cognition 时，你们一开始就知道要做自动化软件工程师吗？

从头到尾一直有两件事。第一，肯定和代码、软件有关，这大概是因为我们全是编程 nerd。第二，系统必须完成真正的多步骤、迭代式过程。

2023 年时，第二点其实是很激进的判断。当时大多数产品仍把模型当作一次回答、聊天问答或代码补全工具，我们则认为重要的是让系统执行长流程：采取行动、观察结果、遇到错误、修正，再继续。

我记得发布视频。反应是两个极端：有人觉得这是见过最酷的东西，也有人觉得它是骗局；有人认为所有人明天就会失业，也有人认为它永远不可能工作。你们是不是发布得太早？

那时它甚至不能算产品，更像一个原型和“可能性演示”。我们已经自己玩了几个月，看到它偶尔完成真正任务时，觉得非常疯狂，所以想把这些例子展示出来。

第一次让你真正震动的任务是什么？

帮我们配置 MongoDB。那是很常见的工程故障流程：运行命令，遇到错误；搜索错误，读 Stack Overflow 或问 ChatGPT；按建议再试，又遇到另一个错误，再继续粘贴和尝试。后来我们干脆告诉 Devin：“你自己去修，运行任何需要的命令。”结果它真的修好了。

然后你睡不着了。

对。那当然是远高于平均水平的一次成功，也是少数成功之一，但我看到的是前面的指数曲线：如果今天偶尔已经能这样，为什么以后所有软件不能用“告诉它你要什么，然后让它完成”的方式构建？

发布后确实有很多批评，但我们没有因此转向更安全的聊天问答体验。发布视频里的演示都是真实的 Devin 运行，不是伪造。我们可以争论它什么时候成熟、有效率多高，但方向一定会发生，这是我们一直的判断。

你们发布时 SWE-bench 是多少？

大概 13%。当时公开最好成绩只有 3% 或 4%，所以它已经明显领先；但 13% 同样意味着 87% 的时候会失败。

这么早发布有明确好处吗？

当然。我们其实晚得多：Google DeepMind、Google Brain 已经十多年，OpenAI 2015 年成立，Anthropic 也存在多年；我们在 ChatGPT 发布一年多以后才真正开始，代码领域还有 GitHub Copilot。

创业公司一开始什么都没有：没有大公司的资源、人才规模、品牌和分发。从这个角度看，你没有“存在的权利”。偶尔能赢，是因为你敢把旗插在一个关于未来的明确判断上，然后拼命朝那里跑。

我们在很多细节上错了，也确实太早，后来不断学习和调整。但“人会把 AI 当同事，而不只是自动补全、工具或聊天机器人”这个核心判断，值得我们最先公开下注。它对品牌、招聘和客户都很重要。

你们什么时候决定，猛烈进攻 Fortune 500、美国军方这类大组织？

2024 年 3 月发布后，视频很火，但我们没有客户、没有收入。很多人来要产品，我们会诚实地说：“不知道它是否已经适合正式使用；你真想试，可以试，然后告诉我们结果。”我们匆忙搭了一套 pilot/POC 流程。

几乎可以预料，这些试点大多失败。它能做有趣的玩具 demo 和小项目，却还不能可靠地操作真实企业代码库。当时是 2024 年 4、5 月，我们还在用 GPT-4 时代更原始的 agent。

我们于是问：当 agent 开始足够好，最先产生真实价值的任务是什么？一端是高度重复、无聊、不断做同一件事；另一端是复杂架构和需要深厚上下文的难题。大家拿 Devin 两头都试，自然会失败。

最合适的第一批任务，是仍需要一些智能和探索，但范围明确、重复性强、反馈闭环紧密的工作。比如迁移和版本升级：把 Java 7 升到 Java 8；在五万个文件里反复修改相似模式，同时又要对少数差异做判断。

我们第一次真正成功，是和巴西的 Nubank 合作，做一项大型迁移。我们为那个用例做了极度优化的定制 Devin。

这让我们很早就意识到：在真实世界构建和维护被数百万人使用的巨大产品，与从零做一个可爱网站完全不同。我们选择前者。到 2026 年，Walmart、CVS、JPMorgan、Mercedes 这些看似属于不同行业的公司，本质上都是软件公司，都有庞大工程团队和大量需要构建、交付、维护的系统。

你们今天有多少收入来自企业？

大约 75% 到 80%。自助业务也在增长，像 Exa、OpenRouter 等创业团队会大量使用。有次我在公寓电梯里遇到人，他说：“你是那个 Devin 的人，我们在用 Devin。”甚至有人直接问我：“你是 Devin 吗？”

为什么不把产品叫 Scott？

不管企业还是自助客户，我们都聚焦真正的软件工程团队和真实产出，不面向只是想做个有趣小玩具的个人爱好者。

假设我是一家大企业，联系你们以后会发生什么？

第一步是教育。所有人都在谈 AI 和 agent，但“真正部署是什么样”有很多细节。我们会展示系统怎么工作，解释怎样合作，指导客户选择合适用例、提高 ROI，也明确哪些项目现在并不适合 agent。

大企业流程很复杂。大型银行采用一个能访问代码仓库的软件供应商，要经过安全审查等环节，普通周期可能是十二到十八个月。我们会和客户一起，把这个周期尽可能压缩。

Nubank 那次，你们把员工派到南美了吗？

更准确地说，我们没有部署一个小团队，而是部署了整个公司。所有人都飞到巴西。我也在那里。那时 agent 普遍不好用，我们坐在 Nubank 工程师旁边，理解每种具体情况：他们怎么做、Devin 需要知道什么、需要读取哪些资料；然后针对确切问题调试。

“没有部署团队，而是部署整个公司”，这很好。

第一位客户当然就是这样。我们把他们认为可能适合的任务逐个过一遍，自己手动做一些，理解任务；再看能不能教 Devin 正确完成，并为它搭合适的 orchestration。某种意义上，产品几乎就是为一个客户构建出来的。

今天呢？

今天 agent 强得多，onboarding 也成熟得多。行业里常见的十二到十八个月周期，我们希望压到约三个月。客户如果有两万五千名软件工程师、每年成本上百亿美元，而整个组织可能因此快三倍，这通常会成为优先事项。

然后要解决安全审查、私有云部署、严格数据协议和隔离控制。我们有完整的 forward-deployed 体系，但现在更多是在做教育和指导：飞到客户那里，帮助设置、建立 playbook、找到正确用例。真正运行 Devin 的仍是客户自己的团队。

我们希望与客户激励一致。不是把工具丢给工程师让他们自己试，而是先看组织最在意的 initiative。对于每个项目，我们会告诉他们：哪些任务今天能让 Devin 帮你快十倍；哪些不能，我们也会直说，并建议其他工作流。

最近大家对 token 预算很紧张，一个工程师可能花很多钱。你怎么看？

大方向是对的：你必须知道支出有没有产生真实价值。但有些做法走过头了。有人说按工程师消耗多少 token 排名，我会说，不如按他们实际产出了多少东西来排名。

GPU 和 token 确实昂贵，可如果工程师能多交付三倍，账很容易算。关键是把花费绑定到明确结果：完成了哪些 ticket、项目和 initiative。

比如一个项目原计划十八个月、外包成本一千五百万美元；如果你的内部团队用 agent 三个月做完，只花一百万美元，那才是应该讨论的指标。Token 是投入，不是产出。

你说你们喜欢当“瑞士”，也就是对不同模型实验室保持中立。

对。我们的激励和客户一致：让 token 花得更有效率。Devin 被刻意设计成复合模型系统，会针对正确任务、甚至任务里的正确子任务，选择合适模型。

什么是复合模型系统？

假设客户报了一个 bug，给你一个 Jira ticket，让 Devin 从头解决。它先理解报告，然后像工程师一样尝试在本地复现；如果复现了，就查日志、追踪控制流、定位文件，调试、修改，再重新测试，最后提交审查。

这些步骤适合的模型并不一样。有些问题极难，需要最大推理预算和世界上最强的模型；有些是模板化、重复性的工作，关键是立即完成、容易验证、尽可能便宜快速。

因此 Devin 不会被锁死在某个模型。它可以使用 Anthropic、OpenAI、Google 的模型，也可以调用开源模型和我们自己的模型，并在任务过程中动态选择。

你既是这些实验室的客户，某些地方又可能和它们竞争。你怎么理解这种关系？

实际上有大量正和合作。我们只关心软件，而聚焦本身就有很大价值。

为什么创业公司会赢？

如果你什么都做，你一定输给 Microsoft 或 Google——它们也什么都做，但比你多出万亿美元资源、十万人和无限强的品牌。建立持久业务的办法，是把范围收得非常窄，在一件具体事情上做高度集中的下注；当然，你的下注最终还必须正确，然后极其紧密地执行。

Daniel Ek 面对 YouTube、Apple Music 等竞争时说过：可以讲很多理由，但最根本的是 Spotify 会比它们更在意音乐。我们也会比别人更在意：在 Goldman Sachs、Mercedes 这类组织里，端到端构建软件到底是什么样。

真实世界不是一道沙箱算法题，不是写三十行正确程序。它包括已有代码库、混乱历史、人与人协作、ticket 系统、在本地运行和测试、理解组织流程。我们只专注于这些棘手细节。

“瑞士”定位也让客户相信，我们会把他们路由到合适模型，优化价格性能，推荐正确用例。我们没有动机让他们无意义地多花模型费用，动机是让他们得到价值和产出。

Jimmy Iovine 曾以为 Apple 的规模、关系和资源会帮助他打赢 Spotify，后来却发现这反而可能是负担：Apple 已经有史上最成功的消费产品，多几千万音乐订阅并没有生死攸关；Daniel Ek 如果失败，Spotify 就会死，所以他更在意。

Cognition 成立后，我们听到最多的质疑也是：“Microsoft 已经有 GitHub Copilot，大家为什么不用它？”这个论点很合理——它拥有 GitHub、VS Code，又与 OpenAI 合作。但现实是还有大量创新和产品要构建，Microsoft 也可以成为很好的合作伙伴。

十年前，人们会问“Google 或 Facebook 也会做，为什么还需要创业公司”；也会问“云厂商关心可观测性，Datadog 为什么应该存在”。如果未来只有一个已知终点，所有人沿同一路线竞赛，那么资源最多的人当然赢。可世界有数百万问题，环境持续变化，新想法、新产品和新机会不断出现，也就永远会有不同的细分领域值得下注。

过去几个月有很多高调收购，Cognition 反而更像“押注独立”的代表。你收到过多少收购报价？

这个我不会回答。

几十个？

几十个也太多了。我不确定有那么多。

去年夏天，我们和共同朋友打三方电话。我问你怎么看与某家公司的收购交易，没说是 X 平台，只说“公司 X”。你第一反应是：“我不知道我们买不买得起它。”你默认是 Cognition 收购对方，我当时笑疯了。

有些团队接受收购，我觉得完全合理，也是很好的退出方式。但我们从一开始就是想建立一家世代级公司。

现在出现一种虚无主义：有人说太晚了，不可能再建新的独立公司，因为所有实验室都会做一切、机会都被拿走了。我不接受这种看法。

那些人不是创始人。创始人是“理性地乐观”，甚至在没有证据时也相信自己会成功。

对。以 Devin 为例，如果你认为今天在网页里输入指令、拿到 pull request、再审查代码的方式，就是软件永远的构建方式，那么当然不会有变化。但我认为产品体验至少还有十代演进。把它们构建出来，就是创新本身。

我读了十年创业者传记，几乎每次新产业出现时都有人说“太晚了、结束了、没有机会了”。Richard Branson 给过我最喜欢的商业定义：所有生意，都是一个让别人生活变得更好的想法。只要这个定义成立，未来就有无限机会，因为让生活变好的方式是无限的。“历史已经结束”的说法就是胡扯。

我知道你已经很富有，也不觉得钱是你的北极星。但总该有一个疯狂的数字，让你不得不接受吧？

没有。别人也问过我。我的回答通常是：如果我们认为卖掉公司是最有野心的选择，我们就会卖。它听起来几乎自相矛盾，但这是诚实答案——我们关心的是最有野心的事情。

说到钱，我连车都没有，住公寓。我喜欢吃寿司，但寿司也没贵到必须卖公司，拿工程师工资同样吃得起。

那你就是我最感兴趣的一类创业者。我经常问创始人：“这是你的最后一家公司吗？”Mark Zuckerberg 当年拒绝十亿美元报价时，别人问为什么不拿钱。他的逻辑是：拿到钱以后，我还会再做一个社交网络；既然如此，我更喜欢手里已经有的这个。

你看起来也真的很享受。Cognition 的人员构成很特别——几乎全是 nerd，像把你的社交网络做成了一个物理实体。

我的朋友都成了同事，我同意，这很好。

想象有人对 Steve Jobs 说：“给你两万亿美元，但你不能再做 Apple。”你觉得他会接受吗？不会，因为他想做的就是 Apple。

还有个有趣联系：你可能是路易斯安那州巴吞鲁日第二富有的创业者。第一名是 Raising Cane's 创始人 Todd Graves。我采访过他，他也拒绝过极其夸张的收购报价，因为这不是钱的问题。

对我们来说，这并不完全理性。我会这样描述：如果我们尝试了、付出全部，却只是能力不够，那当然会让我非常不爽，我会 “salty” 得要命；但那至少是一个我能接受的人生结果。

真正无法接受的是：我们本来可以全力争取，可以再推得更远，却没有做。如果最终觉得自己没有追求全部潜力，我们很难和自己相处。

我们想实现自己的潜能，构建我们应该构建的东西。它也许会成为很大的事情，也许最后什么都不是，但我们宁愿真正走到那里，亲自找出答案。

“你只有一次人生，去做吧。”我觉得这是最适合结束的地方。谢谢你，Scott。

谢谢邀请。