Santanu Dasgupta 的第二个想法失败在一个很普通的问题上。MVP 拿到积极反应,但更多是对“想法”本身积极;接着对方问:它能自动化什么?他答:anything。
这是他后来在 Indie Hackers 帖子里自述的一段(Journey so far building an AI startup: Mistakes and Learnings[1])。那款产品想替代 Zapier 做 AI 流程自动化。回答“anything”等于没回答。从采购角度看,这样的答案没法拿去对预算、对流程,也没法向某个具体的人说明边界——这是对那段自述的解读,不是客户原话。他写,那段时间财务和精神压力都很大,一度觉得退出是唯一的选择。
他花了 8 个月、经历两个失败想法。第三个想法最初也不是今天官网上的样子:据同一篇帖子,Meerkats AI 当时是一个面向 solopreneur 的无代码 LLM 应用搭建工具。帖子在讲第三个想法的由来时还提到,他当时认为 AI 虽擅长生成内容,但定风格语调、SEO 这类更高阶的活仍需人工介入。他举的实际例子,是用这个工具做了一个应用,能对任意主题做深度网络研究,再把结果改写成多种内容。搭建用了 Langchain、Langgraph、OpenAI APIs 和 Node.js 等(同上)。MVP 刚完成,他在帖子里问怎么获取第一批用户,说试过 Twitter 和 LinkedIn,收效不大。
到 Meerkats 早期分发时,瞄准的买家是已经在替客户跑 campaign、但还没用上 AI agents 的 agency。据 Startup Founder Stories 对 Indie Hackers 访谈的转述,团队对网络内的 agency 做冷启动和定向外联,办线上和线下教育活动,也用 LinkedIn 帖子获客(Startup Founder Stories[2])。材料没有给出 agency 数量、转化率或 CAC。
今天官网卖的东西,又是另一层。截至 2026 年 11 月 17 日读取,Meerkats 把自己描述成面向 AI 系统的 context layer:把业务数据、定义、状态、规则和允许动作连成一层受管理的上下文,供 AI agents 读取和行动(Meerkats: the context layer for AI systems[3])。
具体到动作:Claude Code、Codex、自建 agents、n8n workflows 和内部应用,都能通过 MCP 与 API 读同一份上下文;模型那头接 Claude、GPT、Gemini 或自有模型,换模型、改规则不用重建一遍。数据按计划同步,但在任何动作发生前会重新实时读取一次。
图:来源 官方页面[3],2026-11-18浏览器截取的架构示意图;不代表本轮实测。
如果把过去那句 anything 当作对照,真正有区别的是语义层:每个实体、指标和关系只定义一次,平台标签映射到客户自己的口径,碰到不认识的名字会直接拒绝,不猜。官网还举了个权限的例子:只读的合作伙伴要改广告预算,会被拦住。
交付也是按“能查”来设计的。人用自然语言写 playbook,系统转成带触发、窗口、条件和限制的类型化自动化,按计划运行、跨次保留状态,改了规则下一次运行就生效。每次 agent 运行生成一张 receipt:读了什么、遵循哪个规则版本、被什么权限允许、改了什么,外加 read-back 验证、tokens 和耗时。一份能签收的活,和一句“已经帮你跑过了”,是两门生意。
Dasgupta 在 Indie Hackers 访谈里说,他做了 20 年 SaaS GTM,在美国、欧洲、印度从开发者转到增长和咨询,反复见到 GTM 仍然依赖手工、碎片化工具和 agency 执行(Growing an AI orchestration platform to $3k MRR in 4 weeks[4])。这段经历解释了他为什么把 Meerkats 叫做“digital growth agency in software”:替掉 SDR、marketer 和 agency 处理的大量重复工作——捕获和丰富关系数据、生成线索、跑 campaign 和跟进,全在聊天界面里完成(同上)。
钱的部分有一个明确时点。同一篇访谈里(页面未显示发布日期),他说平台四周前上线,当时 MRR 超过 $3k。这只是访谈那一刻的数,不是今天。除这个数外,访谈里提到的财务支撑还有 University of Chicago Polsky Center 的 Alumni New Venture Challenge 资金、用平台提供 agency services 为运营融资,以及 Azure、OpenAI、Anthropic 给的模型成本 credits,没有金额,利润仍不清楚。
定价页(2026-11-17 读取)给出四档月付,最低 $29;Enterprise 是定制的年度合同,跑在客户自己的 Snowflake、BigQuery 或 Databricks 仓库上,数据不复制出去——对要过采购的人来说,这句话比任何准确率数字都管用(Pricing[5])。
有人会问,为什么不自己搭。访谈里他给的答案挺实在:创业公司的 GTM 团队选 Meerkats 而不是 Claude Managed Agents 和 OpenAI Agent Harness,理由是想按任务挑最便宜的合适模型,团队里可能也没人有能力去搭 Agent Harness,于是把整件事外包出去。他管这叫“Service as a Software”,甚至是结果导向的服务。定价页卖的是连接数、数据量、AI credits 和同时运行的自动化额度;访谈里说的是把增长执行整段接过去,两个口径不能直接对成同一件交付。
同一条“给 AI 业务上下文”的路上,DataHub 的 Shirshanka Das 在 SourceForge 播客里把当前重心放在分析型 agent:先做 context retrieval,再把回答后的修正和观察写回图谱,形成跨任务的记忆;他把“提供 context”和“提供 agent 本身”划成一条仍在看的界线,目前更愿意让公司在上面自己搭 agent(The Context Platform for AI Agents: DataHub | SourceForge Podcast, episode #126[6])。Meerkats 官网则把 playbook、允许动作和每次运行的 receipt 放在同一层(Meerkats: the context layer for AI systems[3])。两者都在卖“让 agent 知道业务”,但 DataHub 当前的中心场景是问数,Meerkats 把 playbook 变成按规则运行的自动化,并留下可查记录。
值得停一下的是,官网今天的定位和访谈里的定位并不完全一致。官网说 context layer,卖给任何要把 agent 接进业务的人,最低 $29 一个月;访谈说 digital growth agency in software,卖的是替你把增长执行中的大量重复工作接过去。一个卖地基,一个卖结果。材料没有当前这套 context layer 的上线或迁移日期,也没有从早期内容工具到今天的完整变更记录,所以说不清这是转向,还是同一件事的两种说法。
但有一条线可以这样看:过去那次答不上来的问题,今天的产品给出了更窄的答法。语义层遇到不认识的指标名会拒绝,只读的合作伙伴改不了预算,每次运行留一张 receipt。这些动作指向同一件事——把“什么都能自动化”换成“这一件事,按这些规则,在这个权限里,做完了,可以查”。这套边界是否已经变成付费理由,材料还接不上;但至少,它给出的答案不再是“anything”。