index_new5.html

../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

今年 4 月，胡博建了一个 “Vibe Coding” 讨论群。从他每周不定期更换群名的习惯，不难看出这个群的活跃程度和话题更新频率之高。

随着 Andrej Karpathy 在社交媒体上用“Vibe Coding”来形容与 AI 协作编程的状态，这一说法迅速进入公众视野，并点燃了围绕 Cursor、Lovable、Windsurf 等 AI 编程产品的讨论热潮。在模型能力提升、上下文窗口扩张的背景下，这些产品无一例外地试图让“编程”变得更轻松、更高效，甚至让普通用户也能参与软件创造。

胡博的群聊，正是在这样的背景下建立起来的。群里迅速聚集了 AI 编程方向的技术创业者、工程师，以及这些工具的早期采用者（early adopter）。李亚飞、董天成等多位奇绩创业营校友也是群成员之一。

不同于公开互联网上流行的模型评测或围绕“ AI 是否会取代程序员”的宏大命题讨论，这个群更像一个由一线创业者和工程师自发组织的实验室与观察站。群里每天都有大量讨论，从模型选型、交互设计，到后端封装方式和产品商业化路径，几乎涵盖了 AI 编程产品开发和使用的每一个关键细节。

“谁才是 Vibe Coding 的真实用户？”

“用 Cursor 写软件的真的在赚钱吗？”

“有没有真正轻量化的沙盒环境？”

“AI 生成的代码大多数没用，怎么高效筛选？”

“Lovable 真的找到了 PMF 吗？”

“Gemini CLI 和 Claude code 相比究竟如何？”

这些问题，是 AI 编程领域当前绕不开的深水区。而背后映射的，是技术、产品与市场的真实碰撞。

Clacky AI 发布后一周，奇绩邀请胡博、李亚飞与董天成一起将这场关于“AI 编程”的对话延伸开来。

在数小时的深度交流中，三位技术创业者围绕产品定位、复杂性封装、用户边界与模型能力展开了讨论。他们谈到了模型与产品之间不可避免的“转换层”，讨论了“普通用户是否真的能编程”这一命题的前提与误区，也探讨了未来 AI 能力进一步发展，什么样的角色和技能将变得更加重要。

相比“Vibe Coding”的氛围感，他们更倾向于用“松弛”来形容自己目前使用 AI 编程工具的状态。“松弛”指的是解放专业程序员的双手，而非让所有人都能写代码。这也折射出他们眼中的产品演化逻辑：在 AI 工具真正落到普通用户手中之前，它们首先是专业开发者的效率型产品。至于普通用户，他们认为现阶段更多是在为情绪价值买单——因为“能做出点东西”的喜悦。

站在 AI 编程产品早期演进的现场，他们三人试图回答一个仍未有定论的问题：

AI 编程产品究竟驶向何方？它们正在为谁而造，又还欠缺什么？

以下是对话实录，经编辑：

方向选择：全栈生成还是从垂直领域切入？“AI编程：让更‘懒’的人或有动机去创造的人做出他们自己想要的产品。”

董天成：亚飞当时规划 Clacky AI 时，市面上应该有其他类似产品。你们产品是如何定位的，与竞品有何区别？

胡博：我也有相似的问题。现在有好多类似的产品，包括我也自己在做，但我对未来的竞争和市场切入口也不太确定。

李亚飞：在做这个产品时，我们看到的一个点是技术平权。咱们三个都是程序员，作为资深程序员，比如我是老的 Web 用户，以前最喜欢用的技术栈就是 ROR（Ruby on Rails），但我始终能感受到这个世界上有庞大的软件需求还未被满足。

比如我的一个猎头朋友想创业做 ToB 或 ToC 的猎头与用户管理系统。我问他为什么不用现有的产品，他说自己的一些 know-how 没办法在产品里体现。但找外包团队很花精力和时间，又容易翻车。

大家也了解技术的复杂性，但今天有了 AI 的加持，就有望做出这样的软件。所以我们的想法是，可以让那些更“懒”的人或有动机去创造的人做出他们自己想要的产品。程序员也有“懒”的，大家用 Gemini、Claude code 的出发点也是希望 AI 干掉那些杂事，因为我们太专业了，反而会陷入软件的体验复杂里。实际上，真正更小白一些的用户，或更注重业务逻辑的用户更能用好 Clarky AI 这类产品。这是我们看到的一个机会。

现在市面上还没有产品能满足这些需求，比如比较火的 Lovable 只能生成前端，带了一个非常粗糙的后端，甚至不是后端，只是魔改数据库。我们的业务也还在快速演进，会把软件固有的复杂度封装起来，让它变得简单。我们认为复杂度不会消失，只会转移，只会被隐藏。

“软件的复杂度不会消失，只会被转移或隐藏。”

胡博：亚飞老师说得很有道理，也是我之前的想法。但我和大家交流后发现一个问题，是不是现在实际上没有那么多软件需要被人做？Vibe Coding 可以是一个万亿美元级的市场。但仔细一想，我们身边的普通人，谁真正有思想、有能力去自己做一个产品？包括亚飞说的猎头，他有想法也得要动手去尝试。

另外，关于 Lovable，为什么它自称 ARR 可以到 6500 万美元，但没有专注数据库全栈这件事？我的想法是，会不会因为他们判断客户群不需要。他们想做原型生成给产品经理看，不需要数据绑定。全栈要投入的技术架构太重，可能并不适合现阶段。所以我个人认为，目前这个赛道看起来愿景很宏大，但是不是没有想象那么好。

李亚飞：其实以前没有前端工程师。全栈分家的主要原因是整个用户体验上升后，一个人掌握不了复杂度。我亲身经历过这个过程。今天很明显的一点是，前端的工程师已经不再需要单独存在，又会合成一个全栈工程师，一个人自己就能搞定一个功能体系，重新回归到价值的本源。

所以我认为单独给专业工程师服务的编程产品可能已经处在巅峰，或许还需要一段时间沉淀。而真正回归到有经济价值的商业软件上会有很大的机会。

人民群众的需求是永远得不到满足的。今天的程序员还是太贵，我身边有太多人有想法和创意，但没钱找人实现。所以只要价格足够低，速度足够快，需求这件事不用担心。Lovable 也刚火几个月，真正想做软件的人肯定不仅仅是想做前端。它只是很好地匹配现在的 AI 能力，达到了一定程度的 PMF，并不是一个最佳的产品形态。

奇绩：刚刚亚飞老师提到，复杂度永远不会消失只会被隐藏，能展开解释吗？

李亚飞：以 Clacky AI 为例，我们还是从软件工程的底座开始做了一个云端的 CDE，用云端开发环境去满足这些真实项目的启动、运行等能力。

刚刚大家提到软件有架构，有工程，一般用户下不了场。这种情况就说明本身软件工程的固有复杂性就存在。它要持续更新、持续维护、持续发展。但新的编程框架一直出现，来简化某些行业的开发，比如 Web 开发最卷，会有各种技术栈去推进优化。这是某种意义上的简化。但到今天，我觉得出现了一次巨大的变化，就是让 AI 自己设计一种框架， AI 自己能够维护好复杂性。今天的外部框架还没出现这种能力，但我认为未来会有。今天的软件工程在 Vibe Coding 上的演进也是一样的，整体的思路就是隐藏复杂性。

“长尾理论：每个人服务 1000 个铁杆粉丝，就可以在未来的社会活得很好。”

胡博：亚飞老师怎么看，和当前这些更有钱更有流量的公司比，我们的优势和劣势？

李亚飞：现在很多产品是由产品经理来设计的，我觉得这是个危险的信号。我们有一个绝佳的优势——非常知道软件是怎么造出来的，但做产品的人不知道。他们可能不会尊重软件工程，比如直接用一些快速、粗暴的方案去实现后端。我认为这件事不成立的，只是短期拿一波用户，大概不会收到持续付费。很多人会说现在的产品都是月抛，只付一个月的钱，下个月坚决不付了。有点像移动互联网早期的“手电筒”应用阶段。大家赶紧下载、点亮，好像有用就行，但不会持续使用。其实对创业者来说，这不是机会。

胡博：所以是不是应该更偏向做垂直场景，使产品更加容易商业化？

李亚飞：长尾理论讲述了千人粉丝经济时代的机会。也就是每个人服务 1000 个铁杆粉丝，就可以在未来的社会活得很好。那为什么在之前没有实现？我觉得主要原因就是程序员太贵，数字软件的构建成本太高，所以特别期待一个做出真正软件的 AI Agent。比如垂类的电商，一个个长尾软件加起来可能超过像阿里巴巴这样的十万亿级公司。因为全球市场很大，有几十亿人，每个人可能就会慢慢产生一些自己小小的需求，开发一个产品服务一千个人，每个产品每年产生的 GDP 有 50 万到 100 万就够了。

商业化策略：面向未来做产品，还是优先追求 PMF？“基模不稳定，今天找到的 PMF，明天就会死掉。”

奇绩：提到商业化，在模型能力还在快速演化的今天，需不需要急于实现 PMF？

李亚飞：一家公司做不了 PMF 未来肯定活不了。但今天追求 PMF 到底对不对？我还是个打一个很大的问号。回到移动互联网时代，12 年的 PMF 是什么呢？活跃用户、用户基数。互联网产品是先不收费的，投的公司都是小游戏公司、手电筒公司、闹钟公司、天气公司，或者像豌豆荚。还有把 USB 插在电脑上，从电脑上传数据到 APP 上，今天的 MCP 也类似，AI 界的 API。

之前 Cursor 火，就是等 Claude 3.5 发布。一旦发了，这个形态就是最火的产品。今天 CLI（Command Line Interface，命令行交互界面）级别的 Agent 火，也是因为基模各方面提升了，像 Claude 4.0 加一个简单的 CLI 就能让它的效果高于 Cursor。所以各种媒体就开始讲 “Cursor 已经不行了”， “今天又是 CLI Agent 的时代”。如果 Agent 再强一点，可能要雇 3 到 5 个 Agent，但不可能开 5 个终端，因为普通人也要用，所以形态又会发生变迁。

所以今天的 PMF 很危险，跟当年不太一样。可能今天找到 PMF，明天就过时了。很卷，AI 时代变化太快了。所以我觉得反而要面向未来设计产品，不应该过早考虑所谓 PMF，应该瞄准一个大行业深挖，找到核心用户，然后打磨，不断沉淀，直到基模开始稳定。基模不稳定之前，今天找到的 PMF，明天就会死掉。这是我的思考，当然我长期还是非常认同每个公司应该当在这个过程中最快找到自己的 PMF。

胡博：亚飞老师说得特别对，谁想得到 Open AI 在编程这方面已经沦为二流模型了。而且我觉得 AI 时代，如果没钱、不敢赌，不应该先做产品再 PMF，应该是先 PMF 再做产品。先产品再 PMF 其实更容易做大，因为不会受到 PMF 所要的需求的限制。

但我不敢走这条路，只能先 PMF 再想办法做大。好处是技术依托是一样的，有 PMF 能活更久，希望更大。但坏处就是丧失了理想，没有了诗和远方，没有高回报率。但像我们过于无奈，只能先赚钱再去做别的，一点办法没有。

董天成：我对这件事的看法是我就认定一定卷不过他们，所以我选择一个他们不会卷的地方，但会跟他有关。比如做 UI，大家都在卷怎么把 UI 做出来，我想的是把 UI 做出来怎么跑得更好。也就是 AI 做出来之后，后续的事情。可能等以后会有更强的 AI 工具出现，到时候真的程序员就不见了。但对我来说影响很有限，因为大家还是会继续用 AI 写代码，跑在我写的 SDK 上，无论人还是 AI 写的代码，我们都兼容。我们的 SDK 会一直做深、做厚、做强，找亚飞老师这样专门做代码生成的公司合作。

李亚飞：这个非常对。

奇绩：基础模型的稳定，这个事很难判断。

董天成：没有诀窍，每天用就好，出了新的模型就要赶紧测试。

用户定义：“会编程的普通人”是伪命题还是新范式？AI 编程产品发展方向：解放程序员双手 vs 释放普通人创造力

奇绩：本质上你们觉得 AI Coding 产品更偏向于解放程序员的双手，还是释放普通人的创造力？

董天成：我目前的判断是解放自己的双手，还没到完全自主编程。编程还是专业领域，即使 Vibe Coding 也解决不了。

胡博：没有工程概念、设计概念，没有做过产品经理很难自己构建。

李亚飞：早期 Devin 的时候我也这样想。但我现在的想法已经转变了，可能就在 Vibe Coding 这个词蹦出来的时候。今天确实有机会能让普通用户享受到编程。有的公司会先做一些相对比较轻松的，比如可以快速变现的前端项目生成。我们会做一些更全栈的，带有后端数据库的项目生成，效果可以完整地构建一个真实的应用。

胡博：对没有创造力的人而言，这是一个有创造力的事。

李亚飞：什么时候能到普通人也能用？

董天成：至少 context 再翻 10 倍。如果 AI 处理技术问题可以做到 99% 都可靠，面向普通人的概率就更高了。

胡博：我有不同看法。我认为给普通人的编程其实和松弛编程无关。我们三个人做的产品是松弛编程。但普通人的编程是另外的范式。不能用编程的思维来思考普通用户，需要培养另一种方式和习惯。包括我们做 UX 也一样。我觉得 Lovable 的 UI 是错误的，Claude code 也都是错误的，不是给普通人使用该有的方式。

面向小白用户的 AI Coding 产品需要有和现有产品不一样的设计思路。

李亚飞：你觉得什么样是适合普通人编程的方式？

胡博：我以前用过 Adobe Dreamweaver，当时我还没上大学，完全不会编程，其实就是照猫画虎拖拽控件，然后生成菜单。 其实这是一个 UI 方式。我认为如果是卖这种工具，也应该引导他构建这种事情。让用户首先输入一个自己的想法，不要输入更多的信息，快速生成一个软件或步骤，这个步骤是他在平常生活中可以理解的。用户登录系统这样的描述都不能告诉他，用词都不能这样，要直接跟他说“这个地方可以登录”。

需要简化所有的专有名词，用一种完全小白的方式构建，让用户很快知道我们的工具可以实现什么，不可以实现什么。我觉得这样子的方式才是正确的。

李亚飞：有意思，你怎么看 Dreamweaver 失败的最主要原因？

胡博：我不太确定，后来没有用过，太难用了。包括现在 retool 这样的工具，所谓的“无代码编程”其实上手成本也很高。如果你是一个业务人员，会发现什么样的人会比较容易用 retool？懂一些业务且是后端的、懂数据公式的人。如果你是一个不懂业务，或者懂业务但没有 Excel 经验的人，用 retool 也是一种煎熬，学习成本极高。

所以还是用户体验的问题。因此在早期，我们三个做的事情可能更容易成型。因为更专注一个领域，领域里的人，心智上很容易接受。但如果想做得更大，做成亚飞老师设想中的事情，确实需要在用户体验和关注度上花功夫。我觉得还是不要让用户有数据库的概念。

比如我们现在讲的是全栈，但用户不应该感知到任何这些，他应该一上来就能连数据，一上来就能分享。不能像 Lovable，给一个按钮说连接知识库，点连接之后还要付费。我觉得应该直接就是，用户一看，能用，还能分享数据，还能保持，我还能让别人跟我一起去用我用过的东西，这个就是完美。

“Vibe Coding 这一波，更适合去卖情绪。”

胡博：其实之前跟领域里一些厉害的人讨论，他们说 Vibe Coding 这一波更适合去卖情绪。

李亚飞：情绪式编程。

胡博：对，情绪式使用。比如给孩子用，他会很兴奋，认为自己做出来一个东西很棒，可以分享给父母、同学。这样是可以火起来，但如果让他真的做生产级别的涉及效能的工具，这可能并不是咱们要做的事情该走的第一步。

如果生产力和生产力工具不是要走的第一步，而情绪化是，那就是要把用户体验做到极致，哪怕功能很少。你会发现这个产品就是个玩具，跟 Cursor 的设计模式跟理念模式会完全不一样。但对我们而言，技术实现是类似的，但面向的客户跟展示的方式完全不一样。

董天成：我最近还观察到一个类似的产品叫 HeyBoss.ai。他们就只专注做网站，但整个设计理念就是没有一点做网站的技术痕迹，只需要对话框就行，很创新，我觉得很好玩。

胡博：它在生成的时候会有一些人在后台跟你闲聊，说“上线了，好激动，一定可以成”。

董天成：给你提供了一个 AI 团队，很逗。CEO、 AI 工程师、 AI 产品、 AI 程序员，一整个 AI 团队。你只需要当甩手掌柜。他只能做网站，但我觉得就很不错了。一句话就可以全搞定。

模型与产品的边界：模型越来越强，应用公司还有生存空间吗？“AI 编程走向普通人的挑战：context 长度和可靠性。”

奇绩：刚刚天成提到一点，说普通人要真正用上 AI Coding 做软件，context 至少要翻 10 倍，技术问题解决上的可靠性可能要达到 99%。资深开发者对 AI Coding 产品有什么需求？

董天成：我之所以说 context 翻 10 倍，是因为现在 Claude code 在上下文够的情况下，可以很精准地找到对应的工具，把很多问题都修好，但一旦超了 context 就不会用了，非常容易犯错。所以 Claude code 其实已经证明这个路线是非常优秀的方式。可能再把 context 做好一些，说不定 AGI 真的就来了。

胡博：Gemini 的 context 很长，我们生成一个文件 3000 行代码完全没有问题。我现在最多的一次是输入、输出都可以到 6 万个 token。token 够了，生成两三千行代码已经可以做很多事。剩下就是拆分问题，所以我觉得 context 还好。

第二是稳定性的问题。模型稳定性确实差，比如 Gemini 很多时候需要调整，但这是在不考虑预算的情况下。当页面生成出了问题，可以快速地修复这个错误，前提是使用 token 不要吝惜。目前能解决一部分问题。

如果看 Copilot 的 best code，每生成一个代码会有一个步骤叫做检验生成的代码是否正确。我用 Copilot Agent 做了几个自己用的真实产品，大部分情况都是 95% 代码可以用，自己只需要花 2 到 10 分钟时间调。我几年前需要做一周的应用程序，现在一两个小时就能做完。其实可以通过一些分层方法解决这些问题。

“尽管模型能力提升，模型与 AI Coding 产品之间仍会存在转换层。”

奇绩：这就涉及一个问题，模型能力持续提升，留给 AI 编程产品的机会还多吗？产品之所以能创造比模型更多的价值，可能因为中间做了很多工作。模型发展到一定程度之后，中间工作所产生的价值会越来越小吗？

李亚飞：好问题，这需要探讨模型跟软件的本质。模型的本质可以用四个字总结简单——电子大脑，换个词叫经验概率模型。跟人一样，人对非常复杂的现实世界也是一种经验型的概述。而软件更像是数学，数学是精确定义世界的一种方式，不能有任何偏离。

编程语言本质上就是一种精确表达这个世界的方式，所以这两者是不一样的。看似用自然语言能生成代码，但中间有信息的传递跟补充，所以永远存在一层转换层，就是把模糊的想法变成准确的软件。中间就算大模型帮你做，它也是一样的转换过程，所以需要反复不断地迭代。

董天成：模型其实很低效，我个人觉得它在很多领域取代不了工具。未来一定是工具跟模型相互配合，各有各的优势。模型再强也不会触碰工具的专项领域，因为这样会消耗更多电费，反倒没有价值。

李亚飞：我想到了一个比喻。模型更像是雇佣一个博士生帮忙跑腿，他要消耗很大能量，因为社会为了培养博士需要很多资源。但工具更像一个无需思考的跑腿。不同的人干不同的事，模型和工具也一样。跟 Web3 领域一样，以前区块链很火时，大家就觉得区块链能代替传统数据库。但到目前为止也不行，因为很昂贵，为了实现去中心化的可靠、可信数据存储付出了巨大代价。同样，模型今天只要调用一次，就需要消耗电力和 token，成本其实很高，永远不会降成零。但工具永远可能就是跑腿，成本几乎为零。

“应用公司没有模型忠诚度，竞争靠 AI Infra 。”

奇绩：每个模型也有比较大的区别，在产品设计上，你们会倾向于未来怎么选择模型调用？

董天成：从效果倒推。

胡博：业务效果，你的业务有些是需要控成本的，有些不需要。

李亚飞：我比较认同，效果倒推其实很简单，就是哪个模型在这个场景表现最好就用哪个模型，找到一个平衡成本、效果、速度的最佳搭配。

其实我们应用公司完全没有忠诚度，可能去年非常喜欢 GPT 4o，后来试了 Claude 就马上切过去了。模型层属于神仙战争，可能只能卷出几家。应用公司又有应用公司之间的竞争。在我看来，我们现在竞争的是 AI Infra。

奇绩：怎么理解应用公司现在竞争的是 AI Infra？

李亚飞：相当于手和脚。比如跑一个非常简单的前端项目，它的手脚要求很小，所以大家并不是不想做像 Clacky AI 这样真实的数据库项目。我们是倒着做的，先做了个最困难的，在水下干了一年，做了三年架构，做完之后我们再转头把它简化。

今天既然要发声，我就不怕大家来卷我。大家既然在同一战场上卷得很厉害，那就错位竞争。大家肯定会在各自的优势方向深挖。这应该是第二阶段的事情。

编程的未来：AI 时代还要不要学写代码？“新时代程序员的定义重构：懂逻辑结构胜于会语言语法。”

奇绩：有了 AI Coding 后，AI Native 的程序员还用学代码吗？对年轻一代的程序员来讲，如果只用 AI Coding 做软件开发，会有什么不利影响？

胡博：我觉得分人。AI 给的架构是标准的，但在一些复杂项目上，目前还不太符合。但有的人学习能力很强，不会被 AI 给的东西左右，有的人就会完全依赖于 AI。

李亚飞：你觉得他们还该不该学编程？

胡博：在 AI 时代更应该学编程，因为编程更好学。它应该作为一个小学的基础课课程，应该像生物、地理一样。

李亚飞：你说得很对，今天学编程要比以前快 10 倍。但问题在于现在公司都不招初级程序员，如果学的很浅也没用。

胡博：可能以后不招程序员，但各个行业要求必须会写程序。这是基础知识，就像 Excel 一样，以前可能还要招 Excel 员工，现在不需要了，所有人都会。

就像微软 CEO 所说，其实大部分公司做的软件都是 CRUD（Create, Read, Update, Delete）工具。CRUD 没什么软件难度，所有人都能学会，而且也不需要架构。我接触的很多公司都要讲究日活、月活、并发，但大部分 IT 涉及的场景没有并发可言，普通的操作数据库的 CRUD 就足以解决世界上 99% 的 IT 问题。

董天成：我觉得 Vibe Coding 用多了，在业务逻辑架构上的思考会更强。培养业务逻辑架构能力很简单，就是手搓系统，当然可以用 Vibe Coding 帮忙。就像你能看到机器中的零部件，你需要知道系统中每一个组件，它的位置、定位，它们之间怎么协同。

李亚飞：我非常认同。如果能越过初级程序员直接变成高手，在未来越来越值钱。目前 AI 在架构方面还是有短板，确实有一定挑战。我的感受是有一些工程思维，比如能理解数据库，理解业务逻辑的思维其实就是新程序员的未来。我们把这个工种叫业务逻辑师（Business Logic Engineer），他不需要再掌握特别复杂的编程语言，但是最核心的软件工程思想，业务逻辑架构能力还是需要的。

嘉宾背景介绍

李亚飞：Clacky AI & ShowMeBug 创始人，奇绩 2021 年秋季创业营校友。前单麦 SaaS 小程序联合创始人 & CTO，Ruby 技术社区核心贡献者 & 讲师，前深信服（上市公司）自动化产品线的主管兼技术负责人。Clacky AI 是一款为“构建者”打造的 Agentic Coding Studio，用户可以从一个想法出发，与 Agent 共同拆解任务、撰写代码、搭建环境、推进协作并提交成果。

胡博：敏捷开关 FeatBit 创始人，奇绩 2021 年秋季创业营校友。FeatBit 是一款开源开发者工具，使用 Feature Flags 和产品实验系统，提高产品实验频率，使团队更好地把控产品方向，将产品迭代速度提升一个量级。

董天成：OpenWebF 创始人，奇绩 2024 年春季创业营校友。前阿里前端技术专家、主导多项开源项目，拥有 8 年开发前端业务及相关基础设施研发经验的 InfoQ 明星讲师。OpenWebF 是 AI 时代的 UI 应用开发引擎，致力提供 AI 时代最好的 UI 解决方案。

参与本次访谈和内容创作的成员

文｜王琎、廖心怡

编辑｜沈筱

排版｜问问