一个人，零代码，年入600万：那些曾被砍掉的长尾需求，正被AI悄悄复活

产品可以抄，判断抄不走

"把大模型做成传统软件开发，项目一定失败。"

说这话的人叫柴亚团，容智信息创始人。他的公司专门给政府和国央企做智能体落地，去年交付了20个项目，单子小的30万，大的四五百万。按理说，他是最没动力得罪客户的人。但他偏要说：客户要求AI百分之百准确、结果可预知，这个思路从根上就是错的。

这是我在一场圆桌上听到的一句话。那天的panel有五家公司，做ToB实施的、做vibe coding的、做无代码的、做个人agent的、做零代码内容平台的。

容智信息联合创始人兼 CEO 柴亚团讲了一个很直白的企业标准：AI 项目要能验收，结果至少要超过人。

人一天处理100单，智能体（Agent）至少得做到1000到2000单；人能做到85%的完善度或准确率，系统也要过这条线。

容智去年落地约20个项目，单个项目从约30万元到四五百万元，服务的是政府和国央企等大客户。这个尺度下，做出一个"看着能跑"的界面没有意义，业务结果必须能落地。

但事情也没那么简单。很多客户一开始把 AI 当传统软件来验收，希望输入 A，永远只得到 A。柴亚团的判断是，这样会把 AI 的价值用没了。模型有创造性，也有不稳定性，项目的关键在于先划清允许它发挥的范围，再把禁忌和约束讲清楚。

superun.ai 联合创始人郭宇面对的是另一群人：企业老板、业务一号位和创业者。他们懂自己的生意，却往往没做过设计、产品和技术管理。

过去，这类需求通常只有三条路：请外包，等内部 IT 团队，或者买一套标准 SaaS（软件即服务）。前两条贵或慢，第三条常常装不下企业的个性化流程。现在，用户可以通过聊天共同把需求书梳理出来，选设计方案，再在过程中问 AI 助手怎么拆功能、怎么推进发布。

郭宇说，他们已经交付给数千位企业家。对这群用户来说，真正的交付并不止于生成页面，而是一个能够上线、使用、持续迭代的产品。

那么，AI 把流程都替人做了，用户是不是只管说一句话就够了？

函子科技创始人兼 CEO 蒋耀锴给出了一个更冷静的答案。他把无代码的价值归到"可见性"上：逻辑以可视化方式呈现，即便不懂代码，产品拥有者也能理解系统在做什么。

他的担心很具体。AI 生成的代码若直接变成黑盒，系统里有哪些假设、依赖和限制，会随着时间沉进被压缩的上下文。受过计算机训练的人还能读代码追溯，业务拥有者做不到，验证也就无从谈起。

函子的标准也很朴素：用户得靠它赚到钱。一位做 PE 的基金经理，因为喜欢球星卡，在平台上先做了卡牌收集器。后来用户越来越多，又逐步出现寄售交易、团购、物流自动化和评级等业务。蒋耀锴说，这个人现在仍是一个人经营，去年营业额达到600万元。

这场讨论里，灵珠 AI CMO 吴荻把视角推得更远。她提到，灵珠的目标用户是10亿普通人；公测后的测试用户中，30至50岁人群占60%，8至12岁儿童是第二高人群。

这个用户结构很有意思。代码工具原本更容易吸引程序员，零门槛创作却正在跑到医生、律师、小老板和小朋友手里。有人用它做互动医疗科普，有家长把错题本做成互动小程序。还有一位大二学生把卡牌游戏在线上验证后做成实体产品，订单接近50万元。

它们未必符合传统 SaaS 的标准化逻辑，却真实地回应了人的小需求。吴荻提到，过去产品经理常要砍掉长尾需求，原因并不复杂，定制成本高，产品也难以规模化。AI 让创作成本下降之后，那些曾经被砍掉的需求，第一次有机会自己长出来。

吴荻所说的"代码权"到了这里，已经不只关乎谁能做管理系统。互动游戏、知识科普、心理测评和各种说不清名字的小作品，也能从一个人的想法，变成别人愿意玩、愿意用、愿意付费的东西。

聊到未来，台上出现了不少技术词。蒋耀锴谈的是智能体循环（Agent loop）：让智能体在搭建过程中持续看到报错、依赖和前端渲染结果，再据此往下走。他的判断很直接：无论人还是 AI，获得及时、丰富且有针对性的反馈时，学习最快。

柴亚团期待模型能力继续增强，让今天大量工程化补位的工作变得更轻。郭宇关心的是，AI 能否继续参与产品运营、增长和迭代。马亮看到基础模型和运行约束框架（Harness）在真实用户数据推动下相互加速。

吴荻则把问题拉回用户。普通人不该先研究选哪个模型，也不必理解后台的技能模板。技术选型、模型适配和流程调度留在后台，用户只需要用对话把事说明白。

Speakers｜嘉宾

容智信息 联合创始人&CEO 柴亚团

superun.ai 联合创始人 郭宇

函子科技 创始人&CEO 蒋耀锴

硅基极客 CEO 马亮

灵珠AI CMO 吴荻

Host | 主持人

分众传媒 高级总监&AI牵头人 桑卓豪

桑卓豪：我先抛给大家第一个问题，核心大家还是要讲一讲你们今天服务的是一个怎么样的群体，然后他们最大的痛点是什么，以及你们的产品为什么能够很好的满足他们的这些痛点。

柴亚团：大家好，我是柴亚团。很多人知道容智信息是因为我们早期做RPA，但从2023年开始，我们就启动了系统性转型升级，经过近四年深耕，如今已彻底蜕变为一家聚焦To B大客户场景的AI Agent公司。2025年我们成功交付了20多个智能体项目，客户覆盖政府和国央企头部企业，项目规模从30万到四五百万不等，每个都获得了高度认可。我们的打法比较“重”——采用FDE深度实施模式，分两支团队：一支Echo团队深入客户业务，把真实需求翻译成AI可落地的方案；另一支专职开发团队基于自研平台完成构建和部署。本质上，我们做的是填平大模型基础能力与企业真实业务之间的鸿沟，让智能体帮客户把现有业务“重构”一遍。以前信息化时代，所有业务都要上ERP、CRM这类“记录系统”，把人操作规范化后记进数据库，系统离不开人；而现在有了智能体，它等于“人+业务系统”的合体，业务可以自助化运行。我们从来不提“替代人”，因为智能体真正的价值是提效和创收——它是帮人跑得更快的引擎，而不是砍人的刀。

郭宇：我们是一个服务于企业老板、业务一号位和普通创业者的平台。他们的问题不在于没有想法，问题在于如果要造一个软件，第一要懂点设计，第二要懂点产品，第三要懂点技术，还得去管一个比较大的团队。现在vibe coding这个能力可以让他们凭自然语言、凭聊天就可以做出一个可以直接上线、可以直接运营、可以使用、可以被持续迭代的产品。我们已经交付给几千个企业家，他能够直接做出自己的产品系统。

蒋耀锴：大家好，我是函子科技的蒋耀锴。我们是一个无代码开发工具，服务的是现在叫一人公司，其实6年前就开始做了，那时候称之为非技术型创始人。他是要给自己的生意做一个数字化的解决方案，用来交付。我们自己做的事情就是帮助他们做出一整套的，从数据库到工作流到API对接，到agent搭建，到前端部署的一整套系统。目的就是为了让非技术型创始人能够做出自己的软件，并且持续迭代。

马亮：大家好，我是硅基极客创始人马亮。我们做的主要是ToC，是一个个人的agent。当然这个agent比起像OpenClaw、Codex等等有一些不一样，它是一个隐私优先的。为什么呢？用户如果用现在传统的agent，需要自己提供上下文，每次从0开始给它交代很多事情。但我们觉得这个事门槛太高了。我们实际上是在用户使用电脑的过程中，不断帮用户搜集上下文，你曾经用过什么软件、做了什么操作、看过什么网页，所有上下文实际上都在本地存储好了。在你给一个任务的时候，这些你之前所有电脑上干过的事，比如IM上和谁聊过天，都会无感地成为你的上下文。在企业里面，真正ToB落地的时候，只要是本地算力去推理，也有很大的应用场景。

我们定义了一个名词叫indirect behavior，就是用户平时通过操作产生的隐含上下文。这种上下文非常有价值，因为我们日常所有的行为，包括对外联系了谁、做了什么样的事务，不需要给engine去交代。每一回如果给engine交代，它只有之前对话过程中的一些零散记忆，那些记忆只是之前交代过的事。但更多的事情是在和人交往过程中产生的，我们不希望用户每次都要自己组织提供给agent，觉得这个事很反人类。

目前主要是ToC，但是ToB的话，国外主要ToC，国内正在做ToB的探索。

吴荻：大家好，我是吴荻，灵珠AI的CMO。灵珠是一个零门槛零代码的互动内容平台，中国首家定位在互动内容平台的AI产品。灵珠的目标用户不是940万程序员，是10亿中国普通人。大家可能很熟悉vibe coding这个赛道，但真正把门槛降到零的，应该是灵珠。我们6月25号才刚刚公测，测试用户里面有医生、律师、小朋友，各行各业的，还有一些小老板。用户范围特别广，60%在30到50岁的人群，第二高的人群是8-12岁的少年儿童。我们的产品真正把AI从看得见代码变成了看不见代码，我们有很大的市场空间和机会，可能会重新定义内容平台。灵珠要做的使命是AI时代的抖音。

桑卓豪：因为我们前三个企业更加ToB一点，后两家企业更加ToC一点。我特别想问一下，现在无论是ToB还是ToC，做一个项目的周期其实都变短了，ToC的项目可能15分钟就搞定了。现在用户和你们服务的客户最主要考核你们的点是什么？一定不是时间，一定不是交付，那他们会怎么样来考核你们？怎么样判断你们这个产品到底是成功的还是失败的？

柴亚团：ToB比较难一点。很多大客户，尤其是现在初期，我们在做很多AI的时候，一直在跟大模型填坑。客户对AI的期望非常高，要求非常完美，但模型能力本身有一点问题，所以智能体做了很多事情都是在给模型填坑。对于客户的要求来说，做智能体最后能不能验收，一定能达到预期或者最低标准是什么，一定得超过人。人能够执行的东西必须能达到，甚至做得更好、比人还快。比如这个事情人的完善度或者准确率是85%，你必须超过这个。效率肯定要比人快，人可能一天处理100单，你必须至少处理1000单或者2000单。目前来讲，在ToB这块对于AI项目，我们自己认为能不能交付也是最基础的标准。目前当下模型能力来说，这个事是可以达到的。如果过去2年前，我们其实4年前开始做，那时候几乎很难。

我们会先去跟高层做目标对齐，这个很关键。之前做的项目里面有做得很痛苦的，就是一开始做啥东西没想好。很多ToB客户在做智能体的时候，不知道智能体最终能做成什么样，也不知道他要啥。这个时候我们把它做成陪跑，一起来探索。一个Echo团队相当于产品经理跟客户探索，了解业务情况，基于掌握的AI知识技能帮他绘制一个蓝图。先跟业务人员进行需求梳理，梳理完之后再找高层CXO层面做目标对齐，OK的话继续干。实际交付过程中发现很多都有困难，最终共同去实现。虽然有很大挑战，但会通过各种工程化手段去实现。工程化实现很多次其实就是给模型在找补，因为模型有幻觉、不稳定。对于客户来说，不管模型的问题，要最终的结果达到预期。

经过大量探索之后，我们发现对于AI不能像传统软件那样要求。很多客户还是用传统软件要求agent达到效果，一定要百分之百的准，结果要可预知，让它ABC就有ABC，不能出现别的。这个是不对的，因为把AI当成传统软件在用，没必要用AI。正常应该首先知道AI是什么，它是有创意的。对AI的输出结果之后，不能确定是什么，应该是一个范围。这个范围是个认知，只要在这个区域，我们给AI一些限制，比如写提示词，告诉他不要触犯什么、哪些禁忌，不要什么。只要告诉他不要，在一个范围之内是AI发挥的空间，这正是我们要AI的地方。AI有创意，跟人的不是一个机械性的东西，有很大的创意。按照来的话，很多时候会得到意想不到的效果。好的AI项目和坏的AI项目，目前不要把大模型做成像传统软件开发，项目一定是失败，会面临大量幻觉、大量不稳定。如果当成AI项目去干，充分发挥AI的创造力，结果是非常好的。前期要把边界定义清楚。

郭宇：我们要解决的问题比较特别。以前给企业交付软件，我们来做，现在要让企业家自己去造软件。普通人没有学过设计，没做过互联网产品，不懂技术，没有经历过做产品这个事。怎么让这些朋友能够自己做产品？以前有3种办法：一种是外面找外包，非常贵，传统家没这个钱；第二假设有IT团队要等半天，不重要的业务永远不会去做；第三是买SaaS软件，也很贵，标准化的不够个性化，每个企业都有自己个性化的需求。现在vibe coding让他们自己做好。

怎么让普通人能做这个事？里面有很多需要解决的问题。第一是他们能不能表达需求，模糊的需求、真实的业务需求能不能被AI理解，这是第一件事。第二能不能把模糊的需求设计成一个合理的产品，设计这个事。第三他们没写过代码，会碰到各种问题，能不能无缝解决这些问题。这里面有无数个细节，踩了很多坑。做一个产品很容易，但做一个有taste、可以用、稳定的产品很难。有无数个事情需要解决，比如安全合规、用户权限、测试、部署、监督、持续迭代。以前他没经历过，我们要把这个事情做到他不需要讲程序语言就能把这事做了。这就是我们一直在做的事，不断迭代。普通人真的只要聊天，一个企业就能做出自己的可以用的、可以迭代的软件。最后的交付边界就是企业家觉得这个东西的确可以用了，不用学额外的编程知识，只要懂业务就搞定了。这个东西可以上线可以用，而且可以持续迭代，不再需要找其他程序员来干。

蒋耀锴：我们定位的是一人公司的技术底座，真正一个技术底座能够发挥出作用的只有一个条件，就是能基于这玩意赚到钱，在这上面搭出自己的业务系统并且赚到钱，这就是我们的标准。举个例子，在AI出来之前我们就已经存在，做了将近7年。21年还是22年的时候，有一个基金经理，爱好是收集球星卡，在我们上面做了第一版球星卡的收集器，追踪自己有多少张球星卡。边上其他集卡的人开始说我们也要，因为大家都想知道自己有什么卡。有很多人在一起之后，出来了寄售交易、团购、物流自动化、带评级等各种各样的相关业务。他现在依然只有一个人，去年跟我说营业额是600万人民币。这在我看来就是平台最成功的地方。作为一个工具，成功来自于用户的成功，用户用它赚到了钱，工具就是成功的。这个标准在AI来了之后并没有改变，只是曾经达到这个标准需要那个人自己有很强的探索精神、非常强的学习能力。他不是个技术男，是做PE的基金经理，但有非常强的学习能力。AI来了之后，接下来的变化是要发明一个新的词，不是vibe coding，应该称之为vibe no coding，就是利用AI帮助人在无代码的平台上进行搭建，难度更低、速度更快，并且依然保留无代码平台提供的可见性和可以理解的能力。

马亮：对于C端产品，尤其是agent或者说所有AI类产品，衡量客户是否满意最黄金的指标是留存率。对于企业来说，ToB一个订单一个项目周期比较长，可能服务按年来结。对于ToC来说，大多数是按月，下个月还有多少之前付费用户或者说免费用户仍然在每天用你的产品，毫无疑问是最核心的指标。但这是个结果指标，优化的时候不能盯着结果指标看，没用的。要具体到细节，做的操作非常多，比如用户日常产生的各种使用记录需要分析，哪些任务失败了、失败任务如何优化，包括传统指标比如活跃、付费转化等，这些数据每天都要监控。最核心包括投资人现在看C端，看最多的还是留存率、流程。

吴荻：灵珠的产品比较特别，可能跟前面几位的都不是特别一样。用户挺有意思，有医生，可能是专业人员但完全不懂代码、没有技术知识。我们一直觉得在AI时代，coding这件事把很多程序员带进来了，但更多的人被关在门外，学习门槛还是非常高。灵珠想做的就是把除了940万程序员以外的人带到AI世界里来。客户形形色色，比如有一个大学生，大二学生，用灵珠开发了一个卡牌游戏，在线上做了验证，效果不错，在同学之间产生反响，然后在线下把卡牌游戏做出来，目前游戏订单接近50万收入。这完全超出了产品设计时的预期。coding不仅仅是一个程序员写软件、改造工作流的专业事情，中国人有非常多的想象力和创造力，以前只是没有工具、没有平台能够释放出来，我们希望能做这样一个桥梁。

用户反馈非常积极。有一个三甲医院的医生，用灵珠做了一个膀胱保养手册，给微信群、朋友圈、过往患者不断输出互动的医疗科普知识。有10岁的小朋友，案例上了人民日报，参加我们的比赛时做了一个吃豆人的游戏，自己创造了一个编辑器、图片编辑地图编辑器的功能，在里面把吃豆人按照自己设想改造了一个新游戏出来。有家长可以通过灵珠为小孩做奥数题集锦，帮错题本变成互动小程序，帮助孩子反复纠正错题。我们看到的是原来在大厂做产品，产品经理做的事情就是砍需求，把产品做标准化、做成SaaS好收费提效。但我们看到的是更多人的长尾需求被砍掉了，没有办法实现。灵珠愿意做这样一个桥梁，把大家的创造力和想象力释放出来。

coding这件事，特别是vibe coding，一句话生成代码，真正的零代码，去年才刚刚技术走到市场中，这个市场才刚刚开始，市场空间非常大，天花板非常高。

桑卓豪：接下来特别好奇的一点，大家做的业务基本上都是基于这一代的vibe coding技术。蒋总会有一些不同的，那么如果把OpenClaw、Codex，或者早先的Cursor作为一个产品的标杆，你们一定做了一些和他们不一样的事情。特别想知道你们做的那个不一样的事情是什么，以及背后的洞察是什么？为什么今天的产品形态不是一个OpenClaw、不是一个Codex这样的产品？陈总，因为你们有服务在里面，你们其实也有agent产品。你们也有针对开发平台，而且有好几个针对不同需求的开发平台。但你们的不是Codex，首先Codex包括OpenClaw，首先要满足的还是有一定门槛的，要有代码基础，写完代码之后怎么编译、怎么用，对于普通人来说还是有门槛。目标定位是给有专业开发能力的工程师。我们干的事可能是也会有一些实施，但主要是给企业的业务人员或者IT部门，跟他们还不是属于一类的。包括其他几位一样，正在努力推一个叫no coding，让普通懂业务但不会写代码的人能做。有一个统计全世界只有2%的人会写代码，98%的人不会写代码，包括灵珠的吴总，可能更多想满足这98%。Codex当然现在也在不断的演进，像最近Codex已经集成进GPT里面，也想慢慢变成跟聊天一样，但尽管如此，就算写完代码，对于普通人来说门槛依然挺高。你们还是把它做了一层简化。

郭宇：我们的客户不太知道什么叫OpenClaw、Codex，他们就是做自己的业务，需求就是把自己业务的管理系统做出来。这些产品都是海外的，给程序员用的，没有本地化的业务，数据存在国外，数据库建在国外非常慢，还要翻墙基本上没法用。大部分产品都是给程序员用的。对这些人来说要解决什么问题？大概有几点：第一是他只要通过聊天，哪怕聊一个小时都可以，AI直接会理解他的业务，会继续问几个问题，回答完之后整个产品需求书就共创出来了，这个过程非常丝滑好用。第二点是一旦需求确定之后，会提供4个设计，很像做装修的时候，一套房子要装修，装修公司提供4个设计，中式、法式、美式、古典，不满意再换，最终找到要的那个taste，然后往下走。设计这个事是通过理解需求之后让AI把设计呈现出来，他来选择，不需要去做设计，只要选择。第三是在研发整个过程中会碰到无数问题，提供一种免费咨询的方式叫苏小强，什么都要去问他，是一个AI助手，可以回答所有问题，帮你规划功能、规划实现，可以讨论到满意为止，然后立即执行，带着一步步往下走。程序员做的这些事情，比如做功能规划、知道第一期第二期第三期、什么依赖关系、能不能限制在每一期都在上下文范围内，这些事他都不需要知道，但我们都需要做。最终能够顺利做出一个产品，能够发布上线，所有问题都能被解决。就是在本土把中国的体验做好，让所有企业家只要懂业务，就可以把软件做好。

蒋耀锴：我们并不把自己跟OpenClaw或者Cursor这些东西当成竞品，甚至今天刚发布了OpenClaw、Cursor的插件，三个C，都可以装了插件之后直接操作我们的无代码后台。最大的区别就是他们做的是代码生成，代码生成代表如果要去验证，要懂代码。无代码的特点是逻辑以可视化方式呈现，即便不懂代码，依然可以理解系统在做什么。软件开发过程可以简化成产生想法、进行实践、最终检验结果。检验前面两个步骤，第一个步骤是人做的，不管是基金经理还是医生，都是他们的想法，AI在这里做的是他的手。曾经函子做的是让你有一个可以自己用起来的手，并且可以检验。现在有AI了，没有必要拘泥于一定要人类去操作。但AI做完最后一步之后，如果生成的产物不是在一个可以理解的抽象层上，如果是个码农，可以理解代码、理解各种依赖关系，看着代码就知道。但如果呈现给你的是代码，没有经过专业训练的话，那些东西是黑盒。一个黑盒对于产品拥有者来说非常危险，因为到了某个时间段之后，永远不知道系统里面现在有哪些假设，那些假设都沉浸在很久很久以前已经被压缩过的上下文里面。这就是跟OpenClaw或者绝大多数vibe coding工具最大的区别：验证这一环，人类依然可以参与，并且参与的前提不是已经经受过了4年的高等计算机高等教育。

马亮：先不说我们公司主要产品agent。前两个礼拜我自己vibe coding了一个项目，放在GitHub上开源了，叫Open Vibe Coding，大家搜一下都能搜到。这个类似于像Lovable或者V0这样的产品，给更加大众用的vibe coding工具。Codex或者OpenClaw面向技术用户多一些，普通用户要做一款应用要考虑的问题更多，怎么样上线。像蒋总他们的产品主要就是帮普通用户搞定这一块了，非常重要。怎么样上线、怎么样应对并发、怎么样解决安全性问题等等。未来还有怎么付费，一个成熟的产品和一个demo，AI做demo，90%出来的东西都是demo级的。真正要达到最后那10%，要做的事情非常多。这是我个人的一个小兴趣，vibe coding了一周多做了一个Open Lovable这样的东西，开源出来了。

具体到我们公司自己产品上，和这种本质上和OpenClaw、Codex是同一赛道的。当然我们的local agent更关注的是普通人办公增效这个场景。最大的区别是如果有一台AI PC，比如GB10或者苹果配置高一些、内存大一些的，会解锁一个完全不一样的agent。我们的agent会帮用户自动在本地配置、部署好大模型，当然是参数比较小的模型，自己的电脑能带起来的。然后会不断在日常操作过程中搜集各种操作，记录在本地，绝对安全。真正agent跑的时候，大模型推理在本地完成，不需要用到云端大模型，也没有token焦虑。时时刻刻通过各种方式，比如读屏、获取当前浏览网页的内容，不断用本地大模型浓缩精炼、总结记录下来。在真正要让agent帮干活的时候，它知道你以前做的一些什么事情，不需要交代任何上下文背景信息，这可能是最大的一点不同。

吴荻：我来跟大家介绍一下，对我们来说Codex、Cursor这种都是专业程序员做的，做程序、做软件、做企业提效的场景。我们对coding能够创作出来的东西的理解是完全不一样的，理解零代码能够做出互动教育的小产品、互动游戏的小产品、互动文学的小产品、互动知识科普、互动心理测评。这个太有想象力了，丰富程度可能是想不到边界的事情。很多人说中国人没有创造力、没有想象力，完全不是这样的。产品在测试的两三个月里面，看到了大量不同类型的内容产品。我们这样理解：coding能够产生的是互动内容，所有内容形态在AI时代会产生变化。以前起点中文网写小说，很多人觉得是作家的事情，普通人不能写，但有了起点中文网以后普通人可以写小说，还可以成为大作家，年收入几百万。公众号时代，微信把大量普通人变成自媒体人，以前觉得媒体高高在上，普通人不能当记者当编辑，但微信公众号出来以后技术改变了。抖音的时候，以前优酷土豆做了很久，觉得做视频是很专业的事情，电视台的人才能做，但短视频出来以后普通人可以作为视频博主，每个人都可以创造自己的小视频，拿起手机就能拍。AI时代，内容形态又会发生下一轮变革，所有内容都会变成互动形式，每个人都可以参与进来，去做这种互动内容，产生内容。还有很多的人可能产生不了内容，但可以去看、去玩，在灵珠上。灵珠除了零门槛的AI创作工具以外，还有一个灵珠市场。所有用户产生的互动内容、小游戏、小作品、小说、知识科普、小测试都在灵珠市场里面。不会做的人可以先去玩、去看别人的东西，通过魔改的方式也可以创造更低门槛的，不能从0到1，但可以从1到2的创作方式。

灵珠做的事情就是把coding的代码真的降到地板上去了，让所有人都能参与进来，形成一个市场，形成一个增长飞轮。不会用的人可以去看、去玩，给到会用的人一些精神上的情绪价值或者物质的价值。会创作的人可以把自己的知识经验分享出来，用互动应用的方式展示出来，同时创造新的商业价值。这是我们跟其他所有做零代码的公司在knowhow上完全不一样的。不仅是搞出来自己用、企业内部用，还觉得是有传播性在里面的。不仅是传播，其实是互惠的一种方式。AI时代零代码把创作权最大程度地下放了，就像把作家权利、做视频权利下放一样，AI时代一定有一种权利被下放，这种权利就是代码的权利。以前程序员还是非常少，很多人有天才想法只缺一个程序员，很多人有想法但需要花很多钱请技术合伙人，没有技术合伙人没有办法开创想法和小事业。不说大事业，说小事业、OPC，中国有两三亿的OPC公司和灵活就业人员，他们没有能力做代码，甚至不能理解什么叫插件、什么叫梯子、什么叫翻墙、怎么Codex、什么叫Cursor，包括这些英文字母，这是一个非常大的鸿沟、知识的鸿沟。灵珠做的事情就是把这个鸿沟抹平，这件事大有可为。

桑卓豪：最后一个私心的问题，因为我也在自己企业内部推动这个。想知道过去几个月包括未来可见的这几个月，哪一个技术趋势会深刻改变你们的产品，甚至改变这个行业？我们经常也会背很多词，什么harness looping等等，但你们觉得哪个可能是真正有潜力的技术方向？

柴亚团：这个问题说实话有点大，不好回答。但昨天看到谷歌DeepMind的哈萨比斯，CEO哈萨比斯说AGI应该在数年内，几年内就可以出现。这个可能也许不知道可不可信，但相信接下来会有一个大趋势，模型现在可能智能会越来越强。下一步在做harness也好，做各种loop engine、honest engine等等，其实都是在不断的因为模型上面有一些目前还是不完善，所以在给他找补。如果模型能力越来越强化，中间这块要做的事情可能会相对来说更容易或者更少。loop engine的下一个啥，暂时称为agent engine吧。也可能是模型能力到了一定程度，到了AGI之后，后面只要把事情做好，把agent工程做好，基本上能满足所有需求。

郭宇：过去几个月，面对的目标用户群有个特点，他们不相信自己能够造软件出来，因为从来没干过这事。但模型在过去几个月的发展，在理解业务需求上、在代码生成上、在持续输出上，越来越稳定，所以越来越相信可以做成，已经有几千个企业做出来了，没有任何问题。模型越来越能够做出可以上线的、可以运营的、可以持续迭代的软件，这没有任何问题。我们要做的事大概有三点：第一要把门槛降得更低，低到企业家懂业务，任何一个懂业务就能把这些东西做。一个人力资源的老大可以做出自己的人力资源软件，一个财务老大做财务软件，一个企业的销售来做销售软件，一定能做出来，降低门槛。第二不仅仅是要造软件，还要让AI继续参与到产品的运营增长和持续迭代上，AI也参与进来，他做软件的时候还要让他能赚钱，还要持续运营、持续迭代，真的是所有企业的需求都能够连续做下去，懂业务就能干下去。第三要顺着技术迭代，把数字能力、数据能力、稳定性、安全性、可靠性和复杂系统的全部做得特别丝滑，无缝之间就有这个能力，能够得到一个非常好的系统就可以用了。

蒋耀锴：讲到技术了，作为一个码农可能要kick out一下。我们自己的产品里面很早有一个agent搭建器，利用agent去搭建的一个叫口派的助手。第一波是用LangGraph的方式去做，是一个固定的图，控制流会在这个图的节点之间根据大模型的判断不断流转。今年5月份的时候花了很多时间去读泄露出来的OpenClaw的源代码，又想了想他们那段时间扯的harness engineering、loop engineering，虽然名字听起来非常不像人话，但还是有那么点道理。最大的变化就是把那一套东西全部替换掉了，现在变成了一个基于loop的，叫agent loop的功能。这功能现在产品还没有发布，但应该在这个月就会发布。重点就是让agent做更多的决策，在更适合的时间给他上下文，在他的注意力集中的点，也就是system prompt最前面和最后一段里面，把系统当下需要的反馈给他。

什么叫系统当下需要的反馈？一个人在搭软件的时候，agent也一样，搭软件的过程需要知道现在有什么东西是错的。比如加了一个节点，这个节点是不是有输入输出没有填的；在修改的时候，是不是能够找到当下数据库的这张表在系统其他所有地方；在搭建前端的时候，是不是能够马上看到前端渲染出来的效果。用类似的方式持续给agent提供反馈。不管人还是AI，学得最快的时候都是有及时丰富以及非随机的反馈。这种情况会让整个agent loop的性能上升速度变得快很多。调整不再是去设计图的形状，而是不断去优化每一个系统里面的子系统给AI提供的需要什么样的反馈、提供什么样工具以及什么样的指令。这会让产品在接下来的半年里面进步变得快非常多。

马亮：我也是个码农，说说我的理解。未来一两年内可能能亲身感知到的最大的迭代或者说进化还是来自于两个事情，就是基模和harness他们左脚踩右脚螺旋上天的过程。实际上现在不管是OpenClaw还是Codex，刚开始其实并没有那么好用，基模的能力还不到。但为什么基模能力不到？因为还没有拿到足够的用户真实使用案例、场景、用户怎么用需求、哪些可能会失败，这些数据还不够充分。但随着用户越来越多发现agent真的有用、愿意去用，模型公司也拿到这样的数据以后，不断迭代下一代模型，大家发现现在进步非常快。包括这两天感觉特别明显的，Groq 4.5真的比之前进步太多了，老马收购Cursor之后真的完全不一样了，新出的这代模型。这个螺旋上升的过程还在加速，包括现在大家说可能AGI，包括智谱的唐杰说是明年，可能智谱就要实现什么来着，这么有信心，本质上都是因为业内发现这个螺旋在加速，未来还是很值得期待的。

吴荻：从不是码农的角度来看，所有的技术名词都是硅谷技术精英不断创造新概念，引领市场风潮、引领客户需求。从做零代码产品的角度来看，真正关注的是用户怎么想、用户怎么体验、用户怎么好用。从产品角度，产品架构是Multi-agent的架构，用的也是Harness engineering。用什么样的技术不是那么关键，技术架构和产品设计的体验跟用户是真的匹配的，用户用不用得起来很重要。现在很多coding产品还需要选模型，对于用户定位来说，选模型就是巨大门槛，到底是4.5还是3.7，到底是千问还是MiniMax还是DeepSeek，这些全部内化，让用户从看得见代码到看不见代码，通过反问机制让用户真的能够只用对话模式完成制作和生成。所有过程内化在产品里，通过反问、不断调取和吸取用户的知识问题，形成skill，不断再去沉淀。整个过程对普通人比较友好，不需要看到代码，不需要了解skill，不需要知道用什么模型，后台已经把这些模型适配好了。什么样的需求，做前端还是做后端，模型已经适配好了。用户一句话，灵珠跑断腿，用户体感越简单，产品和技术架构在后面做的工作可能就越复杂。