撰文：Techub News 整理
2026 年 5 月，Y Combinator 频道发布了对 Trigger.dev 联合创始人 Matt Shillingford 和 Eric 的访谈。Trigger.dev 是一个帮助开发者在其产品中集成和运行 AI Agent 及复杂异步工作流的平台。访谈回顾了团队从加入 YC 至今的三年旅程，揭示了其产品如何从最初的“开发者版 Zapier”构想，演变为如今支撑大量 AI Agent 应用的核心基础设施。这段对话对于理解开发者工具在 AI 时代的演变、开源商业模式的实践以及初创公司如何抓住技术范式转变的机遇，具有重要参考价值。
产品演进：从背景作业框架到 AI Agent 执行平台
Trigger.dev 的故事始于 YC 2023 冬季批次。最初，他们的产品理念是成为“开发者版的 Zapier”，旨在为开发者提供一个易于使用的自动化工具连接框架。团队在产品设计和用户体验上投入了大量精力，其官网甚至将代码片段作为首要展示内容，因为他们认为开发者最关心的是“代码看起来怎么样”。这种对开发者心理的精准把握，使得产品早期在 Hacker News 等社区获得了不错的反响。
然而，第一个版本的市场反馈表明，这并非一个能引爆增长的点。他们很快意识到，最初的“后台办公”自动化用例（例如连接 GitHub、处理营销数据）虽然存在需求，但产品的匹配度并不高。于是，团队转向了第二个版本：一个专注于将异步任务嵌入到用户产品中的 SDK。这意味着开发者可以将需要长时间运行的任务（如处理文档、编码视频）集成到自己的应用流程里，直接为用户创造价值，而非仅为内部团队服务。
这个版本同样未能达到“产品市场匹配”。Matt 坦言，部分原因在于产品体验仍不够好，开发者需要编写较为繁琐的代码。真正的转折点出现在第三个版本的重大改变：Trigger.dev 开始为用户执行代码。此前，虽然许多用户误以为他们提供了执行服务，但实际上开发者仍需自行管理基础设施。在第三版中，Trigger.dev 将执行环节完全接管，提供了从 SDK 到运行平台的一体化解决方案。
这一转变恰逢 AI 浪潮兴起。异步、长时间运行且可能需要中途暂停等待反馈（“人类在循环”或“其他 Agent 在循环”）的任务，正是 AI Agent 工作流的典型特征。Trigger.dev 为这类工作流提供了天然的支持平台。这次调整带来了立竿见影的效果，公司收入开始以每月超过30%的速度强劲增长，真正找到了产品市场契合点。
如今，Trigger.dev 的用例中，超过90%都与运行 AI Agent 工作流相关。例如，客户“icon.com”利用其平台处理用户上传的资产，根据描述生成大量视频广告，并在工作流中融入反馈环节。另一个教育科技客户“Magic School”则使用 Trigger.dev 运行帮助教师和学生规划课程、批改作业的 Agent。这些案例证明了其平台在当今 AI 应用生态中的核心地位。
开源策略、开发者体验与 AI 时代的“新用户”
Trigger.dev 是一家开源公司（采用 Apache 2 许可证）。Matt 解释了他们的商业模式：核心开源项目包含了绝大部分功能，而商业化的“云服务”则负责管理复杂的底层基础设施（如 Kubernetes 集群），提供可靠、可扩展的执行环境。由于大多数开发者不愿深陷基础设施管理的泥潭，这种“开源核心+托管服务”的模式运行良好。
开源也为公司带来了独特的优势。在客户支持方面，用户可以直接查阅开源代码库来解决问题。甚至，当用户通过 Claude 等 AI 编码工具发现 bug 并提交报告时，团队有时可以直接让 Claude 分析代码并生成修复补丁，极大地提升了支持效率。
Matt 特别提到了一个有趣的观点：在 AI 时代，产品的用户分为两类——人类用户和 AI 用户。如何让 AI（如 LLM）也“喜欢”并使用 Trigger.dev，成为他们思考的问题。开源在这里再次成为优势，因为开源项目在互联网上拥有更广泛的足迹和可见度，更容易被 AI 在检索和推荐时捕获。他们甚至开始构思，未来能否实现让 AI Agent 自主完成从发现产品、注册账户到开始使用的全过程。
关于开发者体验，团队始终坚持“代码优先”和“极简失败”的原则。他们花费大量时间讨论如何设计 SDK 接口，确保开发者使用时几乎不可能出错。这种对细节的执着，构成了产品早期吸引力的重要部分。
AI 重塑团队：招聘、开发与技能评估
AI 的进步深刻影响了 Trigger.dev 的内部运营。Matt 透露，在2024年11月完成 A 轮融资后，公司的招聘计划发生了实质性变化。由于 AI 编码工具（如 Opus 4.5）和云端开发环境的巨大进步，工程师的个人生产力提升了“5倍甚至10倍”。因此，他们不再像原先计划那样激进地招聘工程师。
对于现有团队，AI 工具的使用方式也发生了演变。Matt 指出，早期存在明显的“氛围编码者”（vibe coders，指非传统背景、依赖 AI 编码的开发者）与传统开发者之分，但如今这种界限已经模糊。因为 AI 工具变得更强大，同时 Trigger.dev 也做了许多工作使其对 AI 更友好（例如完善文档、构建 MCP 服务器），使得各类开发者都能更有效地使用产品。
更重要的是，AI 改变了开发流程和技能评估。Trigger.dev 不再看重工程师能否“徒手从头编写代码”，而是关注他们如何高效利用 AI 工具来完成任务。这已成为一项核心技能。他们的招聘流程中包含一个“试用日”，候选人被鼓励使用自己惯用的 AI 工具进行工作。如果候选人不能熟练运用这些工具，他们很可能不会被录用。
在代码质量控制方面，团队也形成了新方法。他们承认，AI 编码工具可能会产生大量“粗糙”的代码。因此，质量控制的重心转移到了审查环节。他们利用优秀的代码审查工具，并结合 AI 来辅助审查。此外，拥有一个坚实的内部设计系统和高质量的组件库至关重要，AI 无需每次都从头创建组件。同时，编写大量测试也成为确保后端功能（特别是 Agent 任务需要验证成功与否时）可靠性的关键。
Matt 强调，AI 工具的价值不仅在于“写代码”，更在于扮演一个“高级工程师团队”的角色，能快速完成诸如性能基准测试、生产环境分析等以往耗时甚久的工作，让决策更早、更基于数据。
给创业者的建议：尽早发布、贴近客户、坚持直觉
回顾三年旅程，Matt 和 Eric 为即将加入 YC 的新创业者提供了几点核心建议。
- 尽早发布产品：这是最重要的建议。只有真正将产品交付出去，才能开始学习用户真正想要什么。许多认知（例如产品是否重要、用户是否在意服务中断）只能通过发布来获得。
- 极度贴近客户：每天与客户交流，获取反馈，能发现许多闭门造车时无法意识到的问题。
- 知道何时坚持：找到产品市场匹配的过程可能很长。Trigger.dev 的前两个版本虽未成功，但团队因为自身曾深受其痛，坚信问题值得解决，所以坚持了下来。在早期看到一些积极信号但尚未完全成功时，判断是否继续坚持是非常困难的，需要依靠深刻的直觉和对问题的信念。
Trigger.dev 的历程展示了一个经典的技术创业路径：从解决一个已知痛点出发，历经多次迭代和 pivot，最终在新技术范式（AI Agent）兴起时，凭借此前积累的产品基础，恰好站在了浪潮的核心位置。他们的开源策略、对开发者体验的极致追求以及在 AI 时代对团队技能的重新定义，都为开发者工具领域的创业者提供了宝贵的实践经验。
