什么是 Snappy Credit？

在上一篇 Founder Diary 里，我写了 Tokenmaxxing，以及为什么我认为重要的问题不再是我们用了多少 AI，而是我们能从每一个 token 里得到多少价值。

这也解释了我们最近在 SnapLedger 里做的一个小而重要的设计决定：

Snappy Credits。

今天几乎每一个认真的 AI 任务背后都是 token。

不同的模型消耗方式不同。推理要花 token。搜索、读文档、评估结果、跑循环、重试——都要花 token。

但我不认为一个小企业主应该关心这些。

如果你想让 Snappy 帮你找更好的供应商，你不应该需要去想：

我该用哪个模型？ 上下文窗口该开多大？ 推理会消耗多少 token？

你应该只是说一句：

“帮我为这个产品找更好的供应商。”

剩下的让 Snappy 去搞定。

这就是我们引入 Snappy Credits 的原因——在 SnapLedger 底下越来越复杂的 AI 基础设施之上，放一个简单的抽象。

每个付费的 SnapLedger 订阅，每月自带 5,000 点 Snappy Credits。

你可以在 Snappy Companion Settings 里查看用量，需要时再加购。

但 5,000 点到底意味着什么？

这就是我们之前关于 Tokenmaxxing 的讨论变得重要的地方。

一个好的采购任务，可能会让 Snappy 先理解你在找什么，设计一个寻源策略，跨不同的来源搜索，评估潜在供应商，淘汰不匹配的，比较剩下的候选，也许再跑一轮循环来改进结果。

一个营销任务可能从一句话开始：

“我觉得像这样的公司可能是我的客户。”

Snappy 可以把这个想法变成目标客户画像，制定搜索策略，用真实的潜在客户测试它，评估结果质量，改进策略，最终把它变成一个真正能支撑外联 campaign 的东西。

这些都不是简单的聊天机器人问题。

它们是工作。

然而，一个设计良好的寻源搜索或营销任务，可能只消耗几点到几十点 Snappy Credits。

所以对一个典型的小企业来说，每月 5,000 点能用得出乎意料地久。

如果一个企业变成 Snappy 的重度用户，也可以直接加购。设计上，每月额度和加购余额放在同一个共享的 Snappy 钱包里，而加购的点数不会过期。

但这背后有一个更重要的想法。

我们不想最大化 Snappy 消耗多少点。

我们想最大化 Snappy 用这些点办成多少事。

这就是 SnapLedger 内部大量看不见的工程发挥作用的地方。

我们可以把简单的任务路由给高效的模型，把更强大的模型留给真正困难的问题——这个做法已经是我们 Snappy 设计的一部分。

我们可以用 Loop Engineering，让 agent 不是无休止地思考，而是朝着一个明确定义的验收目标工作。

我们可以只检索相关的业务信息，而不是一遍又一遍地把整个公司历史喂给模型。

而且也许最重要的是，Snappy 会持续了解你的生意。

它知道你的交易。

它读你的发票和合同。

它了解你的客户和供应商。

它理解你交给它的文档。

它记得之前的对话和决定。

这意味着，随着 SnapLedger 为你的生意建立起越来越好的上下文，Snappy 应该花更少的力气反复问：

“你是谁？” “你的公司是做什么的？” “你想达成什么？”

而把更多的智能真正花在解决问题上。

这就是我们版本的 Tokenmaxxing。

不是更多的 token。

不是为了 AI 而 AI。

而是更好的上下文、更好的模型、更好的循环和更好的记忆——让同样多的 AI 能办成更多有用的事。

我认为这是 AI-native 软件的另一项重要责任。

AI 底下的技术正在以难以置信的速度变得越来越复杂。

用户的体验应该在同一时间变得越来越简单。

一个小企业主不需要理解 token、上下文窗口、模型路由或者 Loop Engineering。

他们只需要理解一件事：

我有 Snappy Credits。Snappy 能帮我办成什么？

我们的工作是让这个答案变成：

越来越多。