分享嘉賓 | 朱廣翔

責(zé)編 & 采訪 | 王啟隆

出品 | AI 科技大本營（ID：rgznai100）

AI 爆發(fā)的這幾年，程序員本都以為要解放了，但回首發(fā)現(xiàn)，傳統(tǒng)的應(yīng)用開發(fā)模式始終被一個(gè)“不可能三角”所困：低成本、高質(zhì)量、個(gè)性化，三者似乎永遠(yuǎn)無法兼得。

傳統(tǒng)編碼（Coding）能保證高質(zhì)量與個(gè)性化，但成本高昂；模板化的低代碼平臺降低了成本，卻犧牲了個(gè)性化；而一度興起的聊天機(jī)器人（Chatbot）雖具個(gè)性化且成本較低，其簡單的交互形式又往往達(dá)不到高質(zhì)量應(yīng)用的標(biāo)準(zhǔn)。

今年，OpenAI 聯(lián)合創(chuàng)始人 Andrej Karpathy 提出“Vibe Coding”（氛圍編程）的理念——開發(fā)者（甚至是非開發(fā)者）只需沉浸在創(chuàng)造的“氛圍”中，通過自然語言描述想法，AI 便能將創(chuàng)意變?yōu)楝F(xiàn)實(shí)。業(yè)界開始思考，“一句話生成應(yīng)用”究竟是一時(shí)風(fēng)靡，還是未來的大趨勢？“人人都是開發(fā)者”的時(shí)代真的到來了嗎？

在上，百度秒噠產(chǎn)品負(fù)責(zé)人朱廣翔博士對此進(jìn)行了系統(tǒng)性的闡述，并于會后接受了 CSDN 的深度專訪。這位擁有近 20 年編程經(jīng)驗(yàn)、從程序員轉(zhuǎn)型為產(chǎn)品負(fù)責(zé)人的清華博士，為我們揭示了秒噠背后的產(chǎn)品哲學(xué)與技術(shù)愿景。

在演講中，朱廣翔博士分享了多個(gè)核心洞察：

• 應(yīng)用開發(fā)的“不可能三角”：深入剖析傳統(tǒng)開發(fā)模式在成本、質(zhì)量、個(gè)性化上的固有矛盾，并提出秒噠旨在成為同時(shí)滿足三者的“破局者”。

• AI 時(shí)代的生產(chǎn)力公式：AI UI + Agent = AI App。一個(gè)優(yōu)秀的AI原生應(yīng)用，需要兼具由 AI 驅(qū)動生成、以用戶需求為中心的交互界面（AI UI），以及背后執(zhí)行復(fù)雜任務(wù)、連接萬千工具的智能體（Agent）。

• 從高頻場景到長尾需求：傳統(tǒng)軟件開發(fā)聚焦于 10% 的高頻剛需，而秒噠這類工具將釋放剩下 90% 被忽視的、海量的長尾應(yīng)用需求，開啟“全民創(chuàng)造”的新時(shí)代。

• 多智能體協(xié)作是關(guān)鍵：秒噠的核心是模擬一個(gè)高效的軟件開發(fā)團(tuán)隊(duì)，通過產(chǎn)品經(jīng)理、架構(gòu)師、程序員、設(shè)計(jì)師等不同角色的 AI 智能體協(xié)同工作，將一句模糊的需求，轉(zhuǎn)化為一個(gè)功能完備、體驗(yàn)良好的應(yīng)用。

• Vibe Coding，為大眾賦能：AI 開發(fā)革命的終極目標(biāo)是讓每個(gè)人都能擺脫代碼束縛，聚焦于創(chuàng)意本身。秒噠的定位正是“真正為大眾賦能的 Vibe Coding 產(chǎn)品”。

• 產(chǎn)品經(jīng)理與程序員的未來：AI 不會取代這兩個(gè)角色，而是將其推向更高級的形態(tài)。產(chǎn)品經(jīng)理將能直接對接 AI 實(shí)現(xiàn)原型，而程序員則更專注于復(fù)雜的架構(gòu)與邏輯設(shè)計(jì)，AI 成為雙方的超級助理和溝通橋梁。

應(yīng)用開發(fā)困局：海量需求 vs “不可能三角”

朱廣翔博士首先指出了當(dāng)前軟件行業(yè)面臨的核心矛盾。一方面，在技術(shù)革新、產(chǎn)業(yè)升級和數(shù)字化轉(zhuǎn)型的多重驅(qū)動下，全球軟件市場正經(jīng)歷高速增長。根據(jù) Precedence Researh 的數(shù)據(jù)預(yù)測，全球軟件市場規(guī)模將以 11.8% 的年復(fù)合增長率，從 2023 年的 6592 億美元增長至 2034 年的 22483 億美元。應(yīng)用開發(fā)的需求日益旺盛，一個(gè)新的“AI App”賽道更是異軍突起，成為增長的新引擎。

“在上一時(shí)代，沒有 AI 原生應(yīng)用。比如 AI 寫作，在三四年前是不存在的。”朱廣翔提到，“而現(xiàn)在我的很多老師朋友都在吐槽，他們的學(xué)生已經(jīng)完全不會從零到一寫東西了，只會先讓 AI 生成一個(gè)差不多的版本，再在上面修改。這表明，新產(chǎn)品已逐步重塑了我們的固有習(xí)慣。而這些新產(chǎn)品的誕生，讓整個(gè)應(yīng)用市場不斷膨脹?！?/p>

然而，與需求的蓬勃發(fā)展形成鮮明對比的是，應(yīng)用開發(fā)的供給側(cè)長期受困于一個(gè)“不可能三角”——低成本、高質(zhì)量、個(gè)性化三者難以兼顧。朱廣翔分析了過去三種經(jīng)典的開發(fā)模式：

1. 傳統(tǒng) Coding：由專業(yè)的程序員編寫代碼。這種方式可以實(shí)現(xiàn)極高的質(zhì)量和充分的個(gè)性化，但其“軟肋”在于成本高昂。全球 80 億人口中，專業(yè)的程序員僅有約 3000 萬，他們是高薪、高知的稀缺資源，使得這種開發(fā)模式門檻極高。

2. 模板化低代碼平臺：用戶通過選擇預(yù)設(shè)模板、填寫參數(shù)來快速生成應(yīng)用，如常見的問卷、邀請函工具。這種方式實(shí)現(xiàn)了低成本和較高質(zhì)量（模板通常經(jīng)過設(shè)計(jì)），但其致命缺陷是缺乏個(gè)性化。用戶的創(chuàng)作被牢牢限制在有限的模板庫中，難以實(shí)現(xiàn)天馬行空、獨(dú)一無二的創(chuàng)意。

3. Chatbot（聊天機(jī)器人）：近年來興起的基于對話的應(yīng)用形式。它成本低，也具備相當(dāng)?shù)?strong>個(gè)性化能力，能應(yīng)對不同場景和問題。然而，它的短板在于質(zhì)量不夠高。這里的“質(zhì)量”更多指向產(chǎn)品體驗(yàn)。一個(gè)冰冷的對話框，缺乏豐富的UI和流暢的交互設(shè)計(jì)，在很多用戶看來，“不像一個(gè)真正的 App”，顯得較為簡陋。

這三種模式各有所長，卻又都“缺了一角”，無法完美應(yīng)對當(dāng)前爆炸式增長且日益多元化的應(yīng)用開發(fā)需求。

AI 開發(fā)革命：Vibe Coding 與 AI UI 時(shí)代已來

朱廣翔認(rèn)為，秒噠的出現(xiàn)并非偶然，而是順應(yīng)了兩大全球性的技術(shù)潮流：Vibe Coding（氛圍編程）和 AI UI（人工智能用戶界面）。

Vibe Coding：為大眾賦能

傳統(tǒng)的編碼流程是“規(guī)劃 -> 編碼 -> 審查”，而 Vibe Coding 流程則是“自然語言描述 -> AI 生成代碼”。

在這個(gè)賽道上，產(chǎn)品形態(tài)各異。有面向?qū)I(yè)程序員、提升寫碼效率的 AI 輔助編程產(chǎn)品；也有面向非程序員、完全無代碼的應(yīng)用開發(fā)產(chǎn)品。

AI UI：從“界面”到“意圖”的革命

谷歌前 CEO 施密特曾預(yù)言：“用戶界面將逐漸消失。人們可以跟智能體說話，當(dāng)場生成界面?！边@一理念，朱廣翔稱之為“AI UI”。傳統(tǒng) UI 是研發(fā)驅(qū)動的，先有工程框架，再實(shí)現(xiàn)界面結(jié)構(gòu)，最后填充內(nèi)容。而 AI UI 是需求驅(qū)動的，用戶先提出要解決的問題，AI 圍繞這個(gè)問題倒推出最合適的交互和界面。

秒噠正是 AI UI 理念的一個(gè)具象化落地產(chǎn)品。但朱廣翔認(rèn)為，僅僅有 AI UI 還不夠，一個(gè)真正強(qiáng)大的 AI 原生應(yīng)用，其公式應(yīng)該是：AI App = AI UI + Agent。

“AI UI 就像好看的外表，Agent 就是聰明的大腦。有臉有大腦，也就是有面子、有里子，最終才是一個(gè)好的應(yīng)用?！彼忉尩馈＠?，一個(gè) AI 試卷生成工具，其前端界面（AI UI）是為了讓老師能方便地配置和預(yù)覽試卷，而其背后，則有一個(gè)強(qiáng)大的 Agent 在負(fù)責(zé)生成邏輯嚴(yán)密、答案正確的數(shù)學(xué)題。

釋放 90% 的長尾需求，開啟全民創(chuàng)造新時(shí)代

“我們面向的用戶群體，是所有人?！敝鞆V翔強(qiáng)調(diào)。過去，軟件開發(fā)主要依賴于3000 萬專業(yè)程序員，而現(xiàn)在，目標(biāo)是全球 80 億人。

這種用戶群體的擴(kuò)展，對應(yīng)著應(yīng)用需求從“高頻”到“長尾”的轉(zhuǎn)移。過去二十年的數(shù)字化建設(shè)，主要解決了 10% 的高頻剛需場景，比如社交、電商、出行、支付等，我們手機(jī)里的 App 大多屬于此類。但日常生活中，我們有無數(shù)個(gè)小想法、小創(chuàng)意、小需求被忽視了，因?yàn)闆]有順手的工具能將它們快速實(shí)現(xiàn)?！拔蚁腭R上做一個(gè)調(diào)查問卷”、“我想為我的寵物社團(tuán)做個(gè)小網(wǎng)站”，這些稍縱即逝的想法，在傳統(tǒng)開發(fā)模式下實(shí)現(xiàn)成本太高，最終只能不了了之。

“我們簡單統(tǒng)計(jì)了一下，這些被忽視的長尾需求，其實(shí)占到了總需求的 90%?！敝鞆V翔說，“通過秒噠這樣的新工具，我們可以把這 90% 的市場打開，讓無限的創(chuàng)意，秒變應(yīng)用?！?/p>

下文我們將通過和朱廣翔博士的對話，解答一個(gè)貫穿始終的問題：“應(yīng)用開發(fā)的「不可能三角」，究竟是怎么解決的？”

深度對話朱廣翔：AI 時(shí)代的“創(chuàng)作者平權(quán)”

王啟隆：秒噠是一款讓用戶不用寫代碼，用自然語言就可以生產(chǎn)應(yīng)用的產(chǎn)品。這讓我想到 AI 時(shí)代經(jīng)常有一句玩笑：程序員一直在發(fā)明淘汰自己飯碗的工具。您是怎么看待這個(gè)話題的？可以借此展開聊一聊秒噠這款產(chǎn)品的靈感來源嗎？

朱廣翔：今天是 CSDN 的產(chǎn)品經(jīng)理大會，我在進(jìn)入互聯(lián)網(wǎng)之后也是在做產(chǎn)品經(jīng)理。但我是一個(gè)非典型性產(chǎn)品經(jīng)理，我是研發(fā)出身，寫了很多年代碼，后來轉(zhuǎn)成產(chǎn)品經(jīng)理。做產(chǎn)品經(jīng)理之后，我發(fā)現(xiàn)一個(gè)非常大的痛點(diǎn)，這在研發(fā)視角可能看不到：很多人，或者說我們每個(gè)人，都有很多想法和創(chuàng)意，但這些想法和創(chuàng)意只是礙于自己沒法直接實(shí)現(xiàn)。因?yàn)槲乙郧笆浅绦騿T，想到什么就做什么，比較直接，但很多人沒有這個(gè)能力。

如果有一天，有一款工具能讓大家非常平權(quán)、非常簡單地把自己的想法做出來，甚至可能做得比程序員還好，產(chǎn)品經(jīng)理實(shí)際上就解放出來了。由此類推，不僅是產(chǎn)品經(jīng)理，我們每個(gè)人、每個(gè)行業(yè)里的人，都有自己獨(dú)特的行業(yè)知識和業(yè)務(wù)邏輯，這些東西不是程序員能比的。如果每個(gè)人都能把這些知識和邏輯實(shí)現(xiàn)出來，那會是一個(gè)非常廣闊的空間。

舉個(gè)小例子來體現(xiàn)這個(gè)想法。我讀書的時(shí)候在實(shí)驗(yàn)室里，導(dǎo)師要求我們每個(gè)人做一個(gè)個(gè)人主頁，用于展示學(xué)術(shù)成果，讓別人更好地了解自己的研究方向，看看有沒有合作機(jī)會。我們是計(jì)算機(jī)學(xué)院的，就拿一些開源代碼修改，做了很多主頁。有的人還有余力，給實(shí)驗(yàn)室、社團(tuán)和學(xué)院都做了主頁。

我們做完后很多其他學(xué)院的人也想做，就來找我們幫忙，這個(gè)過程中就出現(xiàn)了很多問題。首先，人很多，不同人有不同的想法和品味。比如美院的同學(xué)，可能要求比較高的設(shè)計(jì)感，但研發(fā)大部分沒有這么多設(shè)計(jì)思路，做出來他們可能不滿意。有的人希望有個(gè)性化，不希望自己的主頁和別人的除了名字以外，整體看起來都一模一樣，像是從一個(gè)模板里出來的，所以就要去換用不同的代碼。而且在這個(gè)過程中我們發(fā)現(xiàn)，很多工作都是重復(fù)性的，就是找代碼，改一些常規(guī)的東西。

當(dāng)時(shí)我們就想，未來會不會有一天這些事就不需要我們干了？會不會有一些 AI 工具，可以直接幫我們搞定這些重復(fù)的、偏實(shí)現(xiàn)落地的事情，我們只需要想創(chuàng)意？到那個(gè)時(shí)候，甚至都不需要程序員去做。其他學(xué)院的同學(xué)，不管是美院的、人文學(xué)院的，還是外語學(xué)院的，他們自己就能按照自己的想法去實(shí)現(xiàn)。

這一天比想象中來得更快。我也有幸能從事這個(gè)賽道和行業(yè)，今天也非常興奮地想給大家介紹我們的產(chǎn)品，它真的能讓大家把想法直接說出來就能實(shí)現(xiàn)，非常簡單。

王啟?。耗难葜v中有一頁很精彩，是一個(gè)技術(shù)演進(jìn)圖，從算盤一直畫到現(xiàn)在的無代碼時(shí)代，它的基調(diào)就是解放生產(chǎn)力?；仡櫄v史，每一次生產(chǎn)力解放其實(shí)都伴隨著一些職業(yè)的消亡與興起。那么秒噠這款產(chǎn)品，它會讓程序員這個(gè)角色發(fā)生什么樣的變化呢？

朱廣翔：現(xiàn)在關(guān)于 AI，大家一直有一個(gè)擔(dān)憂，感覺 AI 會不會有一天就把人給取代了，導(dǎo)致我們都沒有工作。我認(rèn)為不必有過多擔(dān)憂。從歷史上看，一開始沒有計(jì)算機(jī)，后來有了計(jì)算機(jī)；一開始是機(jī)器語言，后來是匯編語言、高級語言，再后來有了框架，到現(xiàn)在不用寫代碼。在這個(gè)過程中，程序員是一直存在的，只是職業(yè)屬性發(fā)生了一些變化。

過去可能更多關(guān)注如何寫代碼。比如在機(jī)器語言時(shí)代，所有代碼都要寫成 0101 串，基本上要把計(jì)算機(jī)的所有指令都描述一遍。但后來有了匯編語言，很多底層的、偏硬件的事情就不需要再描述了。再往后是高級語言，關(guān)于匯編語言里的一些存儲管理、堆棧等也不需要描述得這么詳細(xì)了。每一次都有一個(gè)新的封裝，這樣大家就可以把精力放到更高級的算法設(shè)計(jì)、業(yè)務(wù)邏輯、計(jì)算設(shè)計(jì)上。工作沒有少，只是我們的精力放到了更高級的事情上，最終會把事情做得更好。

這就像很多年前，工業(yè)革命之前，路上有很多趕馬車的馬車夫。當(dāng)時(shí)他們也擔(dān)心，因?yàn)橐呀?jīng)出現(xiàn)了一些工業(yè)產(chǎn)品，比如自行車、汽車，他們擔(dān)心會不會有一天汽車多了，就不需要馬車夫，導(dǎo)致他們?nèi)渴I(yè)。但我們現(xiàn)在回過頭來看，并不會。馬車夫少了，但司機(jī)多了，還是那些人，只是做了更高級的工作，把原來的工作做得更高效了。

所以從這個(gè)角度來看，包括百度秒噠或類似 Vibe Coding 產(chǎn)品出現(xiàn)后，程序員這個(gè)群體其實(shí)還會存在，但是會以更高級的形式存在。程序員會更多地去設(shè)計(jì)邏輯、算法、創(chuàng)意和想法，然后由 AI 負(fù)責(zé)執(zhí)行。這樣，未來的應(yīng)用可能會做得更加高級，更加 AI，更加智能。

王啟?。耗鷦倓偺岬绞菑某绦騿T轉(zhuǎn)到產(chǎn)品經(jīng)理?，F(xiàn)在很多黑客松比賽，很多隊(duì)伍沒有程序員也能獲獎，本質(zhì)是因?yàn)樗麄儎?chuàng)意比較出色。那么，未來程序員和產(chǎn)品經(jīng)理這兩個(gè)職業(yè)的邊界會是怎樣的呢？AI 時(shí)代，未來的產(chǎn)品經(jīng)理需要掌握的核心能力會是什么？可以聊一聊您眼中未來的產(chǎn)品經(jīng)理嗎？

朱廣翔：產(chǎn)品經(jīng)理更多還是和他本質(zhì)的工作相關(guān)，就是去關(guān)注用戶的需求。我認(rèn)為產(chǎn)品經(jīng)理和研發(fā)的分工主要是：產(chǎn)品經(jīng)理偏用戶，研發(fā)偏實(shí)現(xiàn)。但我剛才也說了，現(xiàn)在 AI 來了之后，一些實(shí)現(xiàn)的工作會被 AI 取代，主要是重復(fù)性的工作，但偏向架構(gòu)設(shè)計(jì)、邏輯實(shí)現(xiàn)的工作，可能還是由研發(fā)負(fù)責(zé)。

研發(fā)和產(chǎn)品經(jīng)理的協(xié)作邊界，我認(rèn)為和上個(gè)時(shí)代還是類似的，產(chǎn)品經(jīng)理更多地關(guān)注用戶本身，去收集需求、總結(jié)需求，抽象提煉出產(chǎn)品化的方案。在這個(gè)過程中，也可能會出現(xiàn)一個(gè)現(xiàn)象：產(chǎn)品經(jīng)理可以借助一些研發(fā)工具，直接繞過程序員，去對接 Agent（智能體），幫助他落地實(shí)現(xiàn)?，F(xiàn)在也出現(xiàn)了這樣的跡象，比如在秒噠上，很多產(chǎn)品經(jīng)理就在用它做原型圖。

這相當(dāng)于工作可能會分類。比如，有些類型的應(yīng)用需要非常復(fù)雜的邏輯設(shè)計(jì)、非常高的性能和支持非常大的并發(fā)，這些服務(wù)要求比較高的，可能還是和研發(fā)一起協(xié)作，由研發(fā)做一些高級的設(shè)計(jì)。但對于那些非常簡單、非常長尾、非常靈活的小工具或輕應(yīng)用，那可能就是產(chǎn)品經(jīng)理直接對接智能體了。

王啟隆：研發(fā)的溝通就減少了，就不用一直跟研發(fā)吵架了。

朱廣翔：對，還有一種可能，就是在最終那一天到來之前，產(chǎn)品經(jīng)理先通過智能體，做出一個(gè)原型圖或者一個(gè)基本簡單的實(shí)現(xiàn)，然后研發(fā)再去做精加工。也有可能是在中間插一個(gè)智能體，負(fù)責(zé)兩邊的對話和協(xié)調(diào)。因?yàn)橹悄荏w能幫 PM 把腦子里的東西大體做出來，也能幫助研發(fā)通過這個(gè)初步實(shí)現(xiàn)，理解 PM 想要什么，承擔(dān)了一個(gè)中間橋梁的作用。

王啟?。耗难葜v中有個(gè)概念是“應(yīng)用開發(fā)的不可能三角”，就是低成本、高質(zhì)量、個(gè)性化，通常傳統(tǒng)方案只能選其中兩個(gè)。那秒噠試圖用 AI 來打破這個(gè)三角，是怎么實(shí)現(xiàn)的呢？AI 在里面扮演了什么樣的新角色，讓這個(gè)三角不再不可能呢？

朱廣翔：我們一直在說，當(dāng)前應(yīng)用開發(fā)遇到了一個(gè)瓶頸，這個(gè)瓶頸在于，我們希望應(yīng)用能同時(shí)達(dá)到三個(gè)維度，才能更好地滿足用戶需求。比較通用地來說就是這三個(gè)：一是成本要低，做一個(gè)應(yīng)用我們希望花更少的錢、更少的精力；二是質(zhì)量要高，做出來的應(yīng)用既要好用，又要好看，而且交互體驗(yàn)要比較好；三是需要比較個(gè)性化、比較靈活，不同的人可能要滿足自己不同的需求。

但這三個(gè)想同時(shí)滿足其實(shí)非常困難。我們看最近的這些生產(chǎn)范式，都恰好缺了一角。比如最經(jīng)典的范式就是寫代碼。寫代碼能做得非常靈活，質(zhì)量也很高，但是成本很高，需要高精尖的工程師。

還有一種方式，就是我們都懂的一些模板化、配置化的低代碼工具。比如我們以前做一些問卷、邀請函，有一些網(wǎng)站或小程序，我們就選幾個(gè)模板，填上自己的屬性就行了。它缺了什么角呢？它確實(shí)門檻很低，質(zhì)量也還可以，也挺美觀，但是不夠個(gè)性化，可能你做的和我的差不多，模板就那些，做不出什么花樣。

再有一種方式，是這兩年比較火的 Chatbot，也叫簡單 Agent。這些簡單的 Agent 基本上就是一個(gè)對話框的形式，它不像傳統(tǒng)的應(yīng)用，一打開是一個(gè)非常豐滿、豐富的界面，能告訴我們大概有哪些模塊、哪些功能，并且已經(jīng)有非常好的交互體驗(yàn)。比如我上傳一個(gè)圖片之后，處理過程中能及時(shí)展示出來，能看到中間過程，減少用戶的等待焦慮。而現(xiàn)在的 Chatbot，這個(gè)冰冷的對話框，它的質(zhì)量不是很高。很多人都說，Chatbot 不像個(gè)應(yīng)用，一看就感覺很潦草，就是因?yàn)樗换ンw驗(yàn)比較弱。

破解“應(yīng)用開發(fā)的不可能三角”，秒噠是通過多智能體協(xié)作來實(shí)現(xiàn)的。

比如，秒噠有專門的交互設(shè)計(jì)師智能體去設(shè)計(jì)交互、設(shè)計(jì)外觀；有專門的任務(wù)執(zhí)行智能體去幫它設(shè)計(jì)后面的 AI 任務(wù)，把性能和效果做得很好；整個(gè)過程中還有產(chǎn)品經(jīng)理智能體、研發(fā)智能體、QA 智能體，去做開發(fā)、測試、上線，節(jié)省了人力。這樣，大大降低了應(yīng)用開發(fā)的門檻，我們每個(gè)人都可以秒噠提出想法。

其次是高質(zhì)量。我們通過大模型的能力，不僅生成了我們原來預(yù)期的樣子，甚至還能幫我們補(bǔ)充。比如，用戶想做一個(gè)問卷，調(diào)研咖啡館如何選址，但可能對咖啡館的很多背景知識不了解。這時(shí)我們把這個(gè)訴求告訴秒噠，它會幫我們構(gòu)思內(nèi)容，要調(diào)研好這個(gè)問題，我該從哪些方面去問，該問什么樣的問題，如何去高效地獲取用戶信息，它是有一些專業(yè)知識的。所以秒噠不僅幫我們設(shè)計(jì)了我們能想出來的頁面，還能幫我們補(bǔ)充了這些頁面背后應(yīng)該具備的信息和能力。

而且秒噠會幫我們?nèi)フ{(diào)用各種工具，去集成豐富的服務(wù)。比如像秒噠里我們做的一個(gè)應(yīng)用，同樣是做邀請函，我們可以調(diào)用百度地圖把導(dǎo)航信息加進(jìn)去，用戶打開邀請函點(diǎn)一下就能導(dǎo)航到那個(gè)位置。也可以調(diào)用一些短信服務(wù)，進(jìn)行活動預(yù)約。通過工具調(diào)用把這些能力全集成進(jìn)來，也是最近比較火的 MCP。

王啟?。耗鷦偛盘岬疆a(chǎn)品經(jīng)理智能體，我覺得現(xiàn)在最大的一個(gè)挑戰(zhàn)，包括我自己感受最深的一個(gè)挑戰(zhàn)也是：用戶不僅是不會寫代碼的問題，主要是需求提不清楚的問題。從以前最基礎(chǔ)的跟 Chatbot 聊天，就是“提示詞工程”那個(gè)時(shí)代開始，包括我在內(nèi)的很多人應(yīng)該都覺得，很多時(shí)候在 AI 面前你很難精確表達(dá)自己的需求，問題問不清楚。如果提到用您剛剛說的產(chǎn)品經(jīng)理智能體追問、用廣場給靈感，那作為產(chǎn)品負(fù)責(zé)人，您是怎么設(shè)計(jì)和衡量這個(gè)產(chǎn)品經(jīng)理智能體的 KPI 的？是它的追問次數(shù)、澄清率，還是最終應(yīng)用的生成成功率呢？

朱廣翔：這是一個(gè)非常好的問題。就像我們?nèi)绾喂芾砣祟惍a(chǎn)品經(jīng)理一樣，一直遇到一個(gè)痛點(diǎn)，就是給他們定 KPI 很難。比如研發(fā)比較好定 KPI，最終研發(fā)出來的應(yīng)用，它的效果、性能，以及研發(fā)效率，比如說多長時(shí)間實(shí)現(xiàn)多少個(gè)功能。但是對于 產(chǎn)品經(jīng)理來說，一直很難界定他在其中的價(jià)值，因?yàn)榭缮羁蓽\，而且很難量化。

同樣的，對于我們這個(gè)智能體，去衡量它干得好不好也很困難。我們嘗試定了一些指標(biāo)，當(dāng)然這還在持續(xù)探索中。

第一個(gè)指標(biāo)，它對意圖理解的準(zhǔn)確率。首先，用戶的第一輪對話，它要能基本理解清楚，這句話到底是什么意思，需要實(shí)現(xiàn)哪些功能，調(diào)用哪些工具，達(dá)到什么程度，什么樣風(fēng)格。

第二個(gè)指標(biāo)，它需要去幫用戶拓展知識，那拓展知識的豐富度、完善度就是它的第二個(gè)指標(biāo)。在秒噠，用戶可以實(shí)現(xiàn)“一句話做應(yīng)用”，但用戶的簡單描述常常難以覆蓋全部重點(diǎn)。這種時(shí)候就需要我們的智能體去幫他拓展，它拓展的可能性越豐富，命中用戶真正想法的概率就會越高。

第三個(gè)指標(biāo)，澄清和溝通的效率。智能體有很多種可能性，需要和用戶再去溝通，最終定下來選哪個(gè)，這是一個(gè)多輪澄清溝通的過程。能不能把秒噠解釋的需求，和用戶原始的需求能對齊，這個(gè)對齊過程的效率就是第三個(gè)指標(biāo)。

第四個(gè)指標(biāo)是，對齊之后，秒噠生成一個(gè)完整的我們俗稱的 PRD（產(chǎn)品需求文檔），幫用戶非常詳細(xì)地寫好所有的事情，然后評估這個(gè)PRD 的質(zhì)量。這個(gè)質(zhì)量怎么衡量？一方面我們會有些先驗(yàn)方法去衡量，一方面有后驗(yàn)方法。就比如這個(gè)文檔給到我們的研發(fā)智能體，它能不能讀懂，能不能把代碼寫出來？就像人類產(chǎn)品經(jīng)理一樣，如果研發(fā)老是反饋哪個(gè)產(chǎn)品經(jīng)理的文檔很難理解，那這個(gè)產(chǎn)品經(jīng)理的 KPI 肯定不會高。如果研發(fā)反饋這個(gè) PM 寫的東西特別好懂，他一看就知道該怎么寫代碼，那就說明它的文檔很好。這個(gè)文檔其實(shí)是面向開發(fā)者的，它能讓開發(fā)者開發(fā)效率最高。這個(gè)準(zhǔn)確率是從這個(gè)角度去衡量的。

王啟隆：AI 原生應(yīng)用是從零到一的創(chuàng)造，比如說拍照解題，它可以給出推理的過程。那在您看來，判斷一個(gè)應(yīng)用是“+AI”或是“AI Native”的第一性原理標(biāo)準(zhǔn)是什么？什么樣的應(yīng)用才能算 AI 原生應(yīng)用呢？

朱廣翔：關(guān)于 AI 原生應(yīng)用，我認(rèn)為現(xiàn)在有兩種模式，一種是“+AI”，另一種是“AI 原生”。界定邊界就是看我們這個(gè)應(yīng)用，它在大模型時(shí)代之前，是否原來就已經(jīng)有了。比如，電商現(xiàn)在都有智能客服。這種客服，在大模型之前也有，有人工客服，還有那種基于小模型的客服。這個(gè)就屬于一個(gè)“+AI”的業(yè)務(wù)，因?yàn)樗瓉砭陀?，有?AI 之后它能力更強(qiáng)。

但有些應(yīng)用，原來就沒有。比如說AI 寫作，寫作能力是生成模型才具備的，以前沒有生成模型的時(shí)候，它沒法去寫作。有大模型之后，大家在寫作的習(xí)慣上發(fā)生了很大的變化。我有很多同學(xué)在讀博或當(dāng)老師，每次聚會時(shí)都吐槽一件事，說現(xiàn)在的學(xué)生已經(jīng)不會對著一個(gè)白板去寫字了，不會從零到一去寫東西，大家只會改，不會寫了。

我們以前寫論文都是從一個(gè)白板開始，先去構(gòu)思我的框架是什么，每一部分怎么寫摘要，怎么寫前言，怎么寫方法，怎么寫實(shí)驗(yàn)。而現(xiàn)在的人呢，先生成一個(gè)差不多的，基于這個(gè)再往上改。有了大模型之后，整個(gè)寫作習(xí)慣全發(fā)生了變化。AI 寫作這種應(yīng)用，在過去是不存在的，有了 AI 它才有的，那就是屬于 AI 原生的。

或者說像搜索，它其實(shí)就是“+AI”，因?yàn)樵瓉碛兴阉?，后來有?AI 搜索。所以，我認(rèn)為判斷的邊界就在于這個(gè)業(yè)務(wù)模式在過去是否存在。

王啟隆：最后一個(gè)問題，我們展望一下未來。創(chuàng)造“Vibe Coding”這個(gè)名詞的 Andrej Karpathy 曾經(jīng)說過，寫代碼不難，部署運(yùn)維這些流程才麻煩。秒噠解決了很多問題，那在您看來，在“想法”和一個(gè)“能穩(wěn)定運(yùn)行、持續(xù)迭代的成功應(yīng)用”之間，還剩下哪些最硬的骨頭是 AI 暫時(shí)搞不定的？

朱廣翔：“AI 暫時(shí)搞不定的”，這個(gè)詞非常精準(zhǔn)。我們原來以為 AI 很多搞不定的，后來發(fā)現(xiàn)都能搞定。比如我們做秒噠的心路歷程，一開始的時(shí)候，AI 只能生成一些核心代碼，周邊的邊角料它生成不了，導(dǎo)致必須程序員把這一塊拼到原來的代碼里才能用。再往上個(gè)時(shí)代，AI 只能幫你去編輯、修改或者補(bǔ)全，類似于現(xiàn)在經(jīng)典的 Cursor，它之前就是去補(bǔ)全代碼，幫你增加一些小的模塊，但主流還是你自己寫的。

后來隨著大模型能力增強(qiáng)，當(dāng)時(shí)大家也認(rèn)為它只能幫你補(bǔ)全、幫你補(bǔ)位，不能替代你。但后來發(fā)現(xiàn)，它能幫你寫完整代碼了。但是，這完整代碼還只是幫你寫一些核心文件，周邊的東西還是不行，還是需要你補(bǔ)上來。這就從以人為主、AI 為輔，演變成了以 AI 為主、人為輔，最后發(fā)展到 AI 可以全權(quán)包辦，它可以完整生成整體代碼。

這個(gè)時(shí)候，很多人又發(fā)現(xiàn)它只能生成前端的，那時(shí)候大家都斷言說它生成不了復(fù)雜的后端邏輯。但是，秒噠也經(jīng)歷了 fertilisers 過程，去年的時(shí)候只能生成前端，今年就能生成帶后端的應(yīng)用了。比如說，我的數(shù)據(jù)想存儲下來，我做一個(gè)相冊，創(chuàng)建完發(fā)布了，我明天再打開看還有，這個(gè)信息能存下來，能讀取數(shù)據(jù)庫，這個(gè)后端能力是今年新突破的。我們原來認(rèn)為的邊界是：前端代碼大模型可以處理，后端就不行，現(xiàn)在發(fā)現(xiàn)這個(gè)邊界也越過了。

有了后端之后呢，我們又判斷說，就像 Karpathy 大佬說的，部署運(yùn)維也很困難。但是現(xiàn)在這個(gè)邊界也被突破了。比如在秒噠上，或者類似國外像 Vercel 這樣的產(chǎn)品，發(fā)布完之后，是有地方能去自動托管的。在秒噠上，我們用了百度智能云的技術(shù)，去實(shí)現(xiàn)了一個(gè)云上的托管和自動的運(yùn)維部署。這個(gè)用戶完全不需要操作，用戶按的按鈕就一個(gè)，點(diǎn)“發(fā)布”，然后后端一系列執(zhí)行，各種資源的配置、部署、做安全隔離、上線、測試，這一系列都是自動化 AI 做好的。

所以，我們站在今天展望下一步 AI 可能做不了什么，也許明年就能實(shí)現(xiàn)了。比如現(xiàn)在大家認(rèn)為什么不行呢？現(xiàn)在認(rèn)為對于高并發(fā)場景、高響應(yīng)要求，比如說做一個(gè)應(yīng)用一下子要有 100 萬人用，那它對整個(gè)架構(gòu)的性能挑戰(zhàn)是很大的?，F(xiàn)在 AI 生成的應(yīng)用，可能還無法承載這么大的流量。所以現(xiàn)在主要是面向一些中小公司和個(gè)人。那面向那種超大型公司，能不能支持？我感覺未來也是可能的，因?yàn)楝F(xiàn)在已經(jīng)出現(xiàn)跡象了。包括我開始講的那個(gè)例子，我們內(nèi)部做了一個(gè)運(yùn)營平臺，那個(gè)平臺已經(jīng)有幾千人在用了。再往后幾萬人、幾十萬人，我覺得隨著模型能力，這也會慢慢去突破的。

但我認(rèn)為有一個(gè)點(diǎn)，可能是大模型在短期內(nèi)，甚至長期都無法突破的，就是創(chuàng)意、想法。因?yàn)檫@個(gè)是需要基于我們很多年的一些行業(yè)經(jīng)驗(yàn)才能想出來的。我們每個(gè)人都有自己的背景，比如說，假設(shè)我是一個(gè)非常老道的銷售經(jīng)理，我知道見什么樣的客戶說什么樣的話，我有我自己的 know-how，我有一套方法論，由此產(chǎn)生的創(chuàng)意、想法和邏輯，是大模型很難領(lǐng)會的，大模型很難去原生具備。所以說這種情況下，人的輸入是必要的。所以創(chuàng)意這塊，我認(rèn)為大模型是永遠(yuǎn)無法替代人來創(chuàng)造的。

我認(rèn)為在當(dāng)前這個(gè)時(shí)代，創(chuàng)意為王，創(chuàng)意最重要。再舉個(gè)例子，最近有個(gè)觀察，就是百度每年都會舉辦一個(gè)黑客松大賽，每年都會有很多作品涌現(xiàn)出來，我一直擔(dān)任評委，發(fā)現(xiàn)一個(gè)現(xiàn)象：每年最頂尖的那些創(chuàng)意，其實(shí)不在于它實(shí)現(xiàn)得好，不在于它代碼寫得好，而在于想法本身非常好，非常有社會價(jià)值，或者說非常有創(chuàng)新。這個(gè)想法好其實(shí)是應(yīng)用最關(guān)鍵的東西。所以，從創(chuàng)意到落地的環(huán)節(jié)，秒噠可以幫你完成，但創(chuàng)意本身是我們?nèi)祟惖暮诵母偁幜Α?/strong>