pokee.ai: 别再卷大模型了!这个95后用强化学习(RL),给AI Agent换了个“心脏”

多客科技

作者：微信文章

Hi，我是老王。

一个北漂的大龄程序员，每天困扰我的还是那几件事：

公司下一个“毕业”名单里有我吗？

这辈子还能买得起房吗？

今天中午吃啥...

当我还在为这些破事内耗时，一个叫 pokee.ai 的公司像颗子弹一样，突然进入我的视野：



Pokee 打造的 AI Agent 能够通过一句自然语言的指令，跨多个平台和工具自动执行任务，例如生成内容、整理文件、发布社媒、制作 PPT 等。



2024 年 10 月，在美国硅谷成立。7个人，没办公室，全球远程协作，然后一出手就拿了1200万美元种子轮融资。领投的还是Point72这种顶级VC。

坦白说，我酸了。这钱是大风刮来的吗？这帮人到底是谁？

---

1. “卷王”博士，在Meta每周干110小时

扒了下创始人，我更沉默了。这哥们叫朱哲清，一个95后。这履历，简直就是“别人家的孩子”Pro Max版：

本科：杜克大学计算机，拿了“最高荣誉毕业生奖”。他研究强化学习（Reinforcement Learning, RL）的时候，AlphaGo还没出名，大部分人还不知道RL是啥。博士：斯坦福大学，继续搞RL。

你以为他是纯学术派？不，人家是“理论联系实际”的究极卷王。

一边在斯坦拓读博，一边在Meta当员工，每周工作110个小时。 (看到这里我默默看了一眼我的打卡记录，感觉自己连“被优化”都不配...)

在Meta的7年里，他不是在写PPT，而是把RL这把“屠龙刀”用在了真实世界的业务上：广告推荐、预算控制、短视频冷启动... 都是真金白银的战场。

所以，你明白了吧？这哥们不是追风口的创业者，他是在这个领域挖了十年井的老兵。这次创业，不过是把十年功力，全押在了AI Agent这个新战场。

---

2. LLM的“七寸”，被他抓住了

2025年 被市场誉为“Agent 元年”，市场预估非常乐观，2030年会达到500亿美元规模：



虽是一片“蓝海”，但却竞争激烈，各种技术路线层出不穷，颇有工业革命期间，层出不穷的各种工程发现的感觉。

当前主流做法有：

1 套壳LLM+function call，这实际上还是一个 chat bot。

2 multi agent, 通过协作、沟通并完成复杂任务。

然而 pokee.ai 却 瞄准了现在主流Agent的一个核心痛点——“工具多动症”。

我们程序员都懂一点点，现在的Agent大多依赖LLM（大语言模型）来做决策，比如调用各种API（工具）。这事儿在工具少的时候还行，一旦工具数量超过100个，LLM就开始犯傻，出现各种“幻觉”。



本质原因就是，基于 transformer 机制的LLM, 即使支持100万 Token 上下文，也不可能真的把 Attention 做得那么好。

这感觉就像什么呢？

就像你给了实习生一本1000页的API文档，然后让他去完成一个复杂的任务。 他每次调用前，都得把这本厚得像砖头一样的文档翻一遍。可想而知 大概率会翻到后面忘记前面，不仅效率低得令人发指，还巨费钱（token）。

朱哲清敏锐地发现，这活儿，用他最擅长的强化学习（RL）来干，不是专业对口吗？

---

3. 给Agent换个“心脏”：RL才是执行官



强化学习（Reinforcement Learning, RL）就是让一个智能体（agent）在环境(envrionment)中不断试错，通过观察“状态(state) + 奖励(reward)”的反馈，来学习累积更多回报(reward)的最优行为方式。

RL天生就擅长在复杂环境中做连续决策，寻找最优解。它不像LLM那样需要“阅读全文”，而是通过学习和试错，记住哪个场景该用哪个工具效率最高。 这很像下围棋的 alpha go。

对于RL 模型来说，拆解一个 task，和让一辆车在一个赛道里学会自动驾驶一样。完成一个task，需要不同步骤，就像车辆在行驶过程选择方向一样。通过最后的奖励和惩罚机制，就可以让 RL 模型 学习到如何进行 task planning。

这操作骚在哪里？

主流方案：LLM是大脑+手脚，既要思考，又要执行。Pokee方案：LLM只当“UI层”或者说“产品经理”，负责听懂用户的需求（理解人话）。而真正负责决策、调用工具、执行任务的“核心引擎”，是基于RL构建的。

   



这就好比，那个看1000页文档的实习生（LLM），被换成了一个干了十年活儿的老师傅（RL）。老师傅不用翻书，肌肉记忆就能让他精准地拿出最合适的工具，一顿操作行云流水。
据了解，pokee.ai 当前尚未开展大规模市场推广，研发重点聚焦于新型规划模型的开发，有望在部署效率等方面实现突破性进展。

---

4. 实际效果？

官方宣传：

实力：精准调用超过6000个工具，准确率97%！粘性：30%的日留存率。效率：一周内处理了5000多个工作流，5万多项任务，成功率高达90%。
速度：根据X平台的展示，是openai同类型产品的10倍

老王也试了下：我让它去我的邮箱里找一份邮件，然后根据邮件内容制定calender，再回复个邮件。任务拆解和计划没有问题。但是操作层面，一开始就卡住了：提示找不到符合条件的邮件...

而要找的邮件，就在眼皮子底下：

又试了几个任务，也是磕磕巴巴，没做出来。总体感觉速度确实还可以，但感觉还是个玩具，离可用还有段时间。

---

写在最后

从朱哲清和 pokee.ai 的故事里，我这个奔四的程序员看到了几点：

技术的护城河永远存在。当大家都在卷LLM应用层时，有人已经深入到“发动机”层面，用更底层的技术（RL,GNN）实现了降维打击。复合背景是王炸。顶尖的学术背景 + 顶级的业界实践，这种组合的威力正在被无限放大。    Agent 发展仍然处于早期，我们"老王"们，还有时间。

也许这真的是一条路，一条让机器为我们工作的路。但也可能是一条，让很多“老王”无路可走的路。

你怎么看？评论区聊聊。

引用：https://www.mittrchina.com/news/detail/15129https://podcast.latepost.com/111https://www.xinfinite.net/t/topic/13439https://www.geekwire.com/2025/point72-ventures-leads-12m-seed-round-for-a-new-ai-agent-startup-founded-by-ex-meta-manager/