李亞飛做了 20 多年全棧工程師，技術(shù)社區(qū)和面向程序員的產(chǎn)品做了十多年，經(jīng)手過數(shù)不清的軟件項目。

時隔幾年再跟亞飛深聊，感覺好像所有這些經(jīng)歷，都是成為了入局 AI Coding 的珍貴經(jīng)驗。人和事太匹配了。

ClackyAI 前幾天開始內(nèi)測，這是李亞飛團隊發(fā)布的 Coding Agent 產(chǎn)品。

相比市面上大多數(shù) AI Coding 產(chǎn)品，ClackyAI 主打為 AI 搭建的云端 IDE，因為有了完整的云端環(huán)境，AI 可以很快搭建好一個有前后端、數(shù)據(jù)庫的專業(yè)級可用軟件。「人類負責架構(gòu)，AI 編寫代碼」是他們的追求，而對他們來說，云端可能是實現(xiàn)這種的唯一方式。

雖然已經(jīng)是第三次創(chuàng)業(yè)，但幾年前的 ShowMeBug 時期，亞飛身上依然有著極典型的程序員風格。這次再聊，他更像一個資歷深厚的 founder 和 CEO，對創(chuàng)業(yè)節(jié)奏多了些從容，不再擔心一些光靠琢磨也解決不了的問題。

據(jù)他自己說，是因為這幾年下來，團隊成長解放了他。同事的技術(shù)很好，產(chǎn)品很強，他有時間去感受行業(yè)，搞清楚公司在追求怎樣的目標。

用剛剛加入他們團隊，一位很卷的同事的話說，「他比我松弛，這是吸引我加入的很重要的原因。」

ClackyAI 發(fā)布內(nèi)測后，我們找到亞飛，深聊很久，談了談他在產(chǎn)品背后的思考，對于 AI Coding 賽道的理解，以及帶領(lǐng)團隊加入大模型行業(yè)的創(chuàng)業(yè)感悟。

采訪 & 編輯｜萬戶、Nico

超 7000 人的「AI 產(chǎn)品市集」社群！不錯過每一款有價值的 AI 應用。

邀請從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關(guān)注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的AI產(chǎn)品曝光渠道

01「套殼」的價值已經(jīng)足夠高了

Founder Park：之前的主力產(chǎn)品是程序員面試，對產(chǎn)品和程序員有什么新的積累或洞察，促使你們想做 ClackyAI ？

李亞飛：我們一開始就關(guān)注技術(shù)的核心價值，就是云編程技術(shù)。這個過程中我們嘗試落地了一些不同的場景，讓云編程的價值顯性化。第一個想到的就是去識別對方的技術(shù)水平怎么樣。在這個技術(shù)深度積累起來之后，我們很自然地發(fā)現(xiàn)，在提升軟件效率這件事情上，AI 加入之后，整個的深度、復雜度都能夠被大幅地簡化。

其實在 2023 年的時候，我們就在做一些相關(guān)的探索。我們很早就有一個類似的 Agent 產(chǎn)品，也是自動化的。但當時受限于模型的能力，就當是做了一次驗證。

到了 2024 年 Devin 開始火起來，雖然當時成功率可能只有 4%，但我們當時就決定下場，不要玩票了，整個團隊全撲上來，全力去打。

Founder Park：回到 2023 年，是什么樣的導火索或者事件，讓你覺得這個事有必要帶著團隊下場？

李亞飛：Agent 開始形成初步形態(tài)的時候，那一刻我就覺得機會已經(jīng)來了。但促使我真正下場，肯定是過了一年時間。

Devin 的發(fā)布是一個影響點。我們看到了 Agent 的可行性，可以真正落地。2023 年到 2024 年，我們還有一個產(chǎn)品，跟 Bolt.new 那種輕量級的方案類似，做了一些驗證。

我們一直在關(guān)注 CDE 什么時候能切入真正的生產(chǎn)力。在 AI 誕生之前，我們是非常冷靜的，知道 CDE 硬切生產(chǎn)力是不通的，前輩已經(jīng)干過很多失敗的案例了。我們只能在一些邊緣 case 上做一些小作品，比如測評一下程序員實力。這種場景，程序員不用也得用，是有價值的，因為他需要在一小時內(nèi)快速完成一個項目。

Founder Park： ClackyAI 這個產(chǎn)品，你覺得你想明白了的時間點是什么時候？

李亞飛：我們剛開始做的時候，就已經(jīng)確定了。去年 4 月份立項的時候就已經(jīng)想清楚了，Clacky 已經(jīng)研發(fā)了一年了。

這一年，基本上我們團隊所有的精力都在上面。可以這么理解我們這個公司，從類別角度，我們首先是一家 Infra 型的架構(gòu)公司，搞應用層、云端電腦技術(shù)擴展這種特別有挑戰(zhàn)的事情。再加上 toC 應用交付能力，我們是一個產(chǎn)品公司，一個「產(chǎn)品 + 架構(gòu)」的公司。

Founder Park：然后就是要等模型成熟一些。

李亞飛：對，模型這件事情我們也趟了很多坑。我們的體感是，單 Agent 的表現(xiàn)力甚至高于非常復雜的 Agent 方案，比如 workflow 的編排方案，今天都要打個問號。模型能力上升之后，為什么要編排呢？灌進去更多工程化的 know-how 給它就好了，輔助它變得更聰明。

這件事情是平權(quán)的。今天來看，任何具備專業(yè)工程能力的團隊，Agent 本身的偏離度不會很大。就算是頂級模型公司的團隊，也不一定更好，為什么？他們不能用對手的模型。一旦對手的模型水平比他高，他就尷尬了。所以今天我覺得是分層的，模型公司有模型公司的玩法，應用公司有應用公司的打法。我們可以自由地去找最好的模型合作伙伴進行適配。

關(guān)鍵的 know-how 是我們產(chǎn)品正確的定義方式，以及給 AI 更好的 tool-calling 的能力。這個 know-how 是相對比較深的。

Founder Park：現(xiàn)在「套殼」已經(jīng)變成了一個很積極的詞了。

李亞飛：哈哈對，在模型能力上就是套殼，本質(zhì)上是這樣。但是在應用產(chǎn)品定義、流程設計上，又有很多講究。

Founder Park：應用的價值正在非常陡峭地增長，斜率遠比模型更高，未來大概率會出現(xiàn)比模型公司價值更大的應用公司。聽起來對你來說的現(xiàn)象就是，「套殼」這件事足夠復雜，能夠聚攏價值的時候，你做出了下場的判斷。

李亞飛：沒錯。今天聊這個事，跟幾個月前的感受真是完全不一樣，當時很多人都不理解。

02數(shù)據(jù)積累的優(yōu)先級并不高

Founder Park：他們不理解的點是什么？

李亞飛：他們會問，你 Agent 怎么架構(gòu)的？做了什么微調(diào)？怎么積累數(shù)據(jù)？一兩個月前，我就說這些都不重要。今天我會說，在應用層積累數(shù)據(jù)讓模型變得更好的事情，都是扯淡，都是騙你的。

Founder Park：數(shù)據(jù)是不太一樣的。如果我們按照產(chǎn)品形態(tài)來看，Agent 有 workflow 的高價值數(shù)據(jù)，Chatbot 大多是低價值數(shù)據(jù)。但如果按照數(shù)據(jù)是給誰用，一部分是用戶價值，一部分是 AI 價值。

李亞飛：我們應用層講的所謂「數(shù)據(jù)閉環(huán)」，其實有很強的閉環(huán)可能性，但我一點都不想碰。

我們是多線程的任務，一臺電腦干一件事情，干完之后它會提交代碼，這有點像強化學習的自動標記，然后我們會有一些人類介入的機會。AI 干一輪，人類可以介入一些，介入完自動標注。因為代碼合入了，就認為 AI 干得不錯，或者人類調(diào)了什么，都可以被記錄下來。這輪數(shù)據(jù)其實是自帶一個閉環(huán)的強化學習語料。

假如說一天能產(chǎn)生 100 萬條這樣的數(shù)據(jù)，是不是就形成一個龐大的知識庫，未來會灌給模型？這個其實有點 make sense。

但我覺得今天來看，很多情況下我們這場戰(zhàn)斗是生死不明，各方面都在快速演進。還不如極致地進行套殼，把模型本身的實時判斷能力發(fā)揮好。未來那個閉環(huán)的事情，你今天去積累，未來可能有效，甚至現(xiàn)在不積累，未來再積累也來得及，永遠不晚。

我也同意，在垂類領(lǐng)域肯定也會成長出很多大公司，應用一定是最大的市場。Infra 是今天的光環(huán)，就跟當年互聯(lián)網(wǎng)上市，思科是最值錢的。但今天思科就變成真正的基建了，今天的主角還是字節(jié)、騰訊這種真正普適大眾的。

Founder Park：我想把數(shù)據(jù)這個點問明白。你剛說，數(shù)據(jù)當下不太重要，或者說后面積累還來得及。但現(xiàn)在大家去 value Cursor，一個是它形成了品牌價值，另一個是它里面也有工作流，它有數(shù)據(jù)。

為什么你會覺得，比如說等個兩個月甚至更久的時間，再去拿這個數(shù)據(jù)也來得及？

李亞飛：我的看法就是，數(shù)據(jù)閉環(huán)都是扯淡的，這是投資人安慰自己的護城河。Cursor 里面出來的絕對都是垃圾數(shù)據(jù)，聊天數(shù)據(jù)都是垃圾數(shù)據(jù)，它不形成一個真正的強化學習建議。

這個事情不形成模型決策。你去用這些數(shù)據(jù)，恐怕效果可能會變差。模型是有泛化能力的，本身參數(shù)夠 OK，然后訓練的獎勵函數(shù)可能要比你這個數(shù)據(jù)重要得多。

Founder Park：所以你就需要讓模型更多去做決策，然后用戶給你反饋，這個過程也不那么急。

李亞飛：對，這個在今天是平權(quán)的，不重要，真的完全不重要。

03用 AI 做專業(yè)級產(chǎn)品，是非常重要的命題

Founder Park：AIcoding 現(xiàn)在很火，出現(xiàn)了很多明星產(chǎn)品。想問一下亞飛怎么看？

李亞飛：這些產(chǎn)品分為兩大類：一類是云端的，就是在線上運行；另一類是本地 IDE 類的，在本地跑。云端類的，我覺得更偏向未來，好處是我可以以很低的成本去接觸。而本地化的，走的是專業(yè)性路線，比如 Cursor、Windsurf、Trae，一看就是程序員做的。

還有一個區(qū)分點，就是是否「Agent 化」。很多工具是「+ Agent」，不是 Agent 原生。現(xiàn)在本地化的就偏向這種狀態(tài)，大家可能都講自己是 Agent，但實際上只是一款有兜底的工具。

云上的版本，今天 Lovable、Bolt.new，還有很多相關(guān)的垂類產(chǎn)品，大家能（用它們）做出產(chǎn)品，但只能做出 Demo 型的產(chǎn)品，可能就純前端，做個交互。

Founder Park：你們的產(chǎn)品思路是怎樣的？

李亞飛：可能是因為大家完全不想接觸代碼，所以只能交付出這樣的東西，專業(yè)性就大打折扣。但我們真正想用它來做專業(yè)產(chǎn)品，沒有人會做個玩具拿出來秀。當然，也有一類就做得非常玩具化，比如做些小游戲去分享，但那個不屬于我們這個領(lǐng)域。我們覺得兩者之間有一個非常好的融合機會：把專業(yè)的東西變簡單，但我就是來做專業(yè)產(chǎn)品的。

今天我們還在持續(xù)打磨，但這種感覺已經(jīng)出來了。做 Demo 級的產(chǎn)品，都是給一個前端頁面就結(jié)束了，可能帶一些交互，但都是假數(shù)據(jù)。而真正的產(chǎn)品，有前端、后端，再加上真正的數(shù)據(jù)庫。一定要有真正的數(shù)據(jù)庫。這一層雖然聽起來有點復雜，但通過讓 AI 來幫忙，大多數(shù)時候是可以不碰數(shù)據(jù)庫的。

這套東西上線時間不長，但我們在水下打磨的時間比較長，所以我們在這方面可能是最早能體現(xiàn)出 build production level 能力的。現(xiàn)在很多所謂能打造「專業(yè)級產(chǎn)品」的，你去用它 build，結(jié)果他告訴你數(shù)據(jù)庫都接不上，那怎么叫專業(yè)呢？

Founder Park：你們產(chǎn)品打磨時間比較長，經(jīng)歷了什么樣的過程？

李亞飛：首先，我們有大概三年的云端編程技術(shù)的架構(gòu)積累。 Bolt.new 的云端方案其實也積累了比較久，從 2017 年到現(xiàn)在。但是我們倆技術(shù)方向不太一樣，它偏重前端，我們支撐全棧架構(gòu)。

第二點，ClackyAI 去年 4 月份立項開始做，到現(xiàn)在基本上是一年的時間，做了非常多的工作，來支撐我們今天做出專業(yè)產(chǎn)品的這種技術(shù)能力。

Founder Park：3 年前搭建云端環(huán)境，當時是為 ShowMeBug 準備的，還是已經(jīng)在摸索新的產(chǎn)品方向？

李亞飛：嚴格上說，ShowMeBug 不完全需要這個東西。但我們在業(yè)務成立之初就看到了一個點，我非常看好云上編程技術(shù)。這是整個軟件研發(fā)，從本地到云端的一個大趨勢，是最后一塊難啃的骨頭。

另外，我們也支持一些協(xié)作技術(shù)，因為它自然而然會讓你進入研發(fā)的外部循環(huán)。在本地開發(fā)屬于內(nèi)循環(huán)。

為什么功能強大的本地版大家不用，一定要用云上的？核心在于，可以用更輕、更協(xié)作的方式去打開它。它融入到整個工作流，融入到整個軟件交付的過程。比如我寫完軟件要測試，都是在云上；要驗證代碼正不正確，CI 一下；甚至要部署上線，都是在云上。而且我們團隊的協(xié)作也經(jīng)常在云上。

所有這些都指向云上開發(fā)的機會。這一定是最后一塊核心。今天之所以還有挑戰(zhàn)，是因為有用戶習慣的問題。本地上云都需要花很長時間，比如 Office 時代，也花了非常長的時間大家才完全接受。

Founder Park：如果做類比，你們在做的云端協(xié)作狀態(tài)，是不是有點類似于軟件工程領(lǐng)域的 Figma？

李亞飛：對，這個協(xié)作在今天來看非常自然。但以前可能還有些挑戰(zhàn)，比如同步協(xié)作還是異步協(xié)作。我們的 CDE （Cloud Development Environment） 是能支持同步協(xié)作的，就是兩個人可以一起進來。但兩個人一起寫代碼不太現(xiàn)實，可是互相 review、調(diào)一下，這是 OK 的。

以前有 Git 倉庫，也就是代碼管理倉庫，解決了異步協(xié)作的問題。今天也很自然地繼承了。但到了今天，有一個巨大的變量進來了，就是 AI。AI Agent 很自然地加入到團隊，加入到開發(fā)過程中，人類跟 AI 自然而然就形成了一種互動協(xié)作的狀態(tài)。

現(xiàn)在可能人類占八成，AI 占兩成。但是我們現(xiàn)在做的產(chǎn)品模式是人類五成、AI 五成。今天的模型能力已經(jīng)能扛住了，而且模型能力還在變強，成本還在下降，這個就很自然。

IDE 的工作，AI 一定要跟人有一個工作空間。再往下一步想，就像有一個人如果能幫你干活，干得不錯，你肯定不滿足于只雇一個人，你想要雇兩個、三個，有錢就雇十個。所以這個過程一定是在云上發(fā)生的，就像一個文檔、兩個文檔、三個文檔。在我們的體系里，就是一個 thread、多個 thread 這樣不斷發(fā)生。今天應該是未來新編程范式的一種縮影。一切在今天好像變得很自然了，而在幾年前，可能只是一個愿景，我們篤定未來五年云上編程的事情一定會發(fā)生。

Founder Park：Lovable、Bolt.new也是云端環(huán)境，只是可能更多是搭建前端。它們也是市場比較喜歡的一類產(chǎn)品，你怎么看它們？

李亞飛：這幾家都很聰明，聰明的點在于，可以先快速地閉環(huán)一個產(chǎn)品。比如 AI 可以寫簡單的前端代碼，這是最容易解決的，因為它不需要真正的運行環(huán)境，CDE 都是簡化版的，非常輕量。如果我沒有這個積累，我來干，我肯定也先干這個，不會一上來就花三年先干個底座，我得先活下來。所以自然而然，它會形成這樣一個循環(huán)，先建起來，獲得市場認可，然后再往前滾動。

但我覺得我們最終的目標，一定是構(gòu)建專業(yè)級產(chǎn)品，這才是滿足人類的最終畫面。

舉個例子，前幾天一個朋友找我，說他想做個小程序，要有課程、支付、活動報名這些功能，預算五萬塊錢。在我們之前的標準里，五萬塊肯定不夠。后來我試著把他的需求塞到 ClackyAI 里，居然像模像樣地把一個技術(shù)棧搭出來了。我以前做這個，得先花半個月把技術(shù)棧扎好，找個研發(fā)寫非常細的代碼。但我發(fā)現(xiàn)，用 ClackyAI 可能一個小時就把核心腳手架搭好了。感覺我努力五天就可以交付給他們，收五萬塊錢還賺了好多。如果一個工程師效率很高，一個月交付四個這樣的項目，那成本就下降非常多。

再往下設想，凱文·凱利在《失控》里提到過一個「千人粉絲」理論，也就是說，你只要有 1000 個鐵桿粉絲，就可以在社會上活得非常滋潤。他當時舉的例子是賣數(shù)字音樂，但其實賣數(shù)字軟件或者服務更 make sense。原先你可能需要雇一個六到八人的研發(fā)團隊，一年好幾百萬。但現(xiàn)在這個狀態(tài)下，可能一兩個人就把這個事完成了。這樣的話，服務這 1000 個人就足夠養(yǎng)活你了。社會就會空前繁榮，因為社會分工很細，任何小需求都可以被滿足。

所以，SaaS 肯定不好干了。SaaS 本質(zhì)上是讓用戶買一個標準化的產(chǎn)品，主打點是軟件構(gòu)建很貴，用戶都買不起，只能買標準商品。但今天如果軟件都個性化了，而且夠便宜，這個商業(yè)模式就不成立了。

回過頭來說，build 專業(yè)級產(chǎn)品，一定是一個特別核心、重大的課題，也非常有意思。誰能先把這個成本真的降下來，誰就可以獲得先機。

我是一個做過很多產(chǎn)品的人，在 2014 年就開始創(chuàng)業(yè)，我技術(shù)上還可以，產(chǎn)品也做了這么多年，又是「研發(fā) + 產(chǎn)品」的屬性。這個時候，ClackyAI 就可以把這兩者之間的關(guān)系進行最佳的平衡。這也是現(xiàn)在那些新的創(chuàng)業(yè)者所欠缺的。因為初創(chuàng)團隊一般都非常產(chǎn)品經(jīng)理化，他們可能沒有那些 know-how，不知道 build 專業(yè)產(chǎn)品水下還有好多東西要搞。

我的任務是把這些水下的東西構(gòu)建好，讓產(chǎn)品經(jīng)理們不要太害怕，盡量把有些東西隱藏起來。這是我們關(guān)鍵的一個認知。

Founder Park：降低門檻，讓小團隊，甚至兩三個人，就能做出好的專業(yè)級軟件。

李亞飛：對，甚至一個人。我覺得只要成本降下來，它有一定的學習門檻都是值得的，畢竟構(gòu)建這樣一個軟件的價值非常大。

Founder Park：Lovable、Youware也都在做一些輕量級的后端和數(shù)據(jù)庫。再過幾年，用他們的產(chǎn)品來生產(chǎn)一個普通人能用的東西，也是一種可能。假如以后這樣的產(chǎn)品讓普通人都能自己給自己做產(chǎn)品了，是不是會影響專業(yè)級軟件的市場？

李亞飛：非常好的問題。今天大家不是沒有看到做專業(yè)軟件的價值，你也看到他們在嘗試接入數(shù)據(jù)庫，之前低代碼型數(shù)據(jù)庫現(xiàn)在也受 AI-coding 發(fā)展的助力，大家也很看好，融資也很好。

但這里面核心點在于什么呢？我覺得是對軟件開發(fā)的 know-how 的 PK。

軟件開發(fā)不僅要快速上線，還有很多要求。第一，它有安全性的要求，并發(fā)性的要求。兩個用戶用沒問題，十個人用就開始出問題了，或者安全不行，比如用戶登錄就串臺了。這是非專業(yè)開發(fā)常遇到的隱藏問題。也就是說，一定需要一些狀態(tài)管理比較強的后端能力，這個是必需的。這些產(chǎn)品在 0 到 1 的階段可以快速搞出來一個東西，但是 1 到 10 可能就不行了。

還有一個明確的思考就是，一定要重復使用人類現(xiàn)在已經(jīng)形成的最佳實踐，而不是再發(fā)明一套類似于低代碼或無代碼的組織方式。我們必須擁抱通用的技術(shù)棧。舉個例子，數(shù)據(jù)庫，我以前也想過自己發(fā)明一個，后來發(fā)現(xiàn)還是 MySQL 和 PostgreSQL 好用。它在整個應用研發(fā)里面是最穩(wěn)定、最好用的架構(gòu)。上手門檻是高，但是我們可以把它隱藏起來。比如我已經(jīng)提前給你裝好，AI 提前連好，然后映射成一些上層的服務。這個可能比較專業(yè)，但理解起來就是，操縱數(shù)據(jù)庫就跟操縱一個對象一樣簡單。

從這個角度來說，它會被抽象到普通的產(chǎn)品經(jīng)理都不需要考慮太多，你告訴它需求，它就給你寫進去了。但是真的要維護的時候，人類又可以參與進去。這就補充了一個新維度：可維護性。軟件是持續(xù)迭代的，它不是一次性的產(chǎn)物，寫完扔在那，這不是真正的軟件。進化的過程中，你就需要一個良好的架構(gòu)、良好的骨架來管理你的項目。

這個時候，良好組織架構(gòu)的作用就體現(xiàn)出來了。而且人類工程師這么多，都很厲害，需要的時候可以喊他們進來。專業(yè)工程師也喜歡用簡單的工具，就像我們 Office 專業(yè)用戶發(fā)現(xiàn)云端輕量級的好用，我也會用，這并不矛盾，它是一個逐步變革的過程。

所以，從可維護性來說也需要這個東西。

Founder Park：也就是說，專業(yè)軟件，不管到什么時候，都是一個有復雜度且要求持續(xù)迭代的東西，而不是一個很快交付完、之后就不需要再怎么維護的東西。

李亞飛：對。而且我們所謂的「專業(yè)軟件」，換個角度表達，是因為大家生產(chǎn)的東西都太玩具了，所以我們是在講「我不玩具」。其實任何軟件都是這個屬性，只要你不是玩票的，不是一次性展示的網(wǎng)頁，大家看一眼就結(jié)束了。只要有用戶訪問、要更新數(shù)據(jù)，那都是專業(yè)軟件，都是真正的產(chǎn)品，都需要持續(xù)維護。

有個說法是，代碼生產(chǎn)出來是有負債的，是要還的，不是說你放出來就成功了。因為時代在變，技術(shù)在變，升級迭代都是非常常見的，你不維護，時間長了可能網(wǎng)站就垮了，或者某個接口失效了，就用不了了。所以才需要可維護性。

04AI Coding，架構(gòu)師在未來可能會消失

Founder Park：ClackyAI更偏向于產(chǎn)品經(jīng)理。它需要你會策劃、梳理清楚需求，大概懂一些代碼，核心是用一個AI幫你實現(xiàn)項目的能力。那是不是說，你們把所謂程序員的能力和行業(yè)垂直實踐給 AI 化了？

李亞飛：對，因為我們做了很多產(chǎn)品，作為乙方，打磨了很多可以商用的產(chǎn)品，所以我們對構(gòu)建一個真正產(chǎn)品的 know-how 還是比較深入的。我們的想法是把這些東西包裹掉，成為一個更簡單的產(chǎn)品。

我們內(nèi)部說，這是一個「既簡單又復雜」的產(chǎn)品。它在大多數(shù)時候是簡單的，因為有 AI 驅(qū)動，我們可以更高效地完成交互。但它也有復雜的一面，因為構(gòu)建軟件工程本身就是復雜的，就像設計稿、寫文章一樣。專業(yè)的東西就是有專業(yè)性在里面。在必要的時候，我們可以讓人類參與。

假如說從 0 到 1 做好了，用的是標準技術(shù)棧，在從 1 到 10 的過程中，是可以有一個成員進來的。你可以用 ClackyAI 繼續(xù)搞，但也可以手動擋模式參與迭代。我覺得這一定會比同類的產(chǎn)品更早地幫助社會推動到一個更有利的狀態(tài)。

而且我們認為 AI 的思考并不是萬能的，它是一種思維機器，我們叫「電子大腦」。它也有短板和盲區(qū)，也需要更多的信息來進行自我循環(huán)跟迭代。開發(fā)軟件也是這樣的一個過程。

Founder Park：你剛提了「最佳實踐」這個點，本質(zhì)上我們現(xiàn)在用AI，好像就是在把最佳實踐給強化學習進去。

李亞飛：這個地方我的畫面是「電子大腦」。它更像是一種決策機器，就跟人一樣，人是一種復雜的決策系統(tǒng)。遇到不同的情況，會根據(jù)實際情況實時進行推算，一個微小的偏差就會帶來巨大的決策變化。

以開車為例，可能看到前面有個白白的東西，人有世界知識，發(fā)現(xiàn)那是個塑料袋，就一腳油門沖過去。但如果晚上看不清，不知道是什么東西，你會一腳急剎車。同樣一個場景，不同的決策。

今天的 LLM 大模型，其實也是另外一種電子大腦，也是學到了很多東西之后進行決策。如果它只是個記憶系統(tǒng)，那今天絕對沒這么強。它也是喂了這么多數(shù)據(jù)，最后好像理解了人類的想法，然后吐出一些自己的想法。

今天教 AI 怎么搞最佳實踐，絕對不是說給它寫一份文檔，告訴它以后就照這么寫，代碼寫完交付就完成了。絕對不是。因為需求非常復雜，各種各樣的情況都會發(fā)生。那怎么辦呢？其實我們更多是要教它一種形成自我迭代、自我循環(huán)的能力。

怎么個循環(huán)法呢？很簡單，編程有一個最基礎(chǔ)的 know-how，就是寫完代碼一定要進行測試。測試又分很多方式，比如語法級的檢查 （Lint）。現(xiàn)在的大模型已經(jīng)不太會單文件寫出錯誤語法了，但是兩個文件連在一起互相有關(guān)聯(lián)，它就有可能遺漏。人也經(jīng)常會犯這個錯。以前的 IDE 牛就牛在能自動進行語法關(guān)聯(lián)的跳轉(zhuǎn)和校驗。

但今天的 AI，不管給多好的提示詞，多好的語料訓練，它跟人一樣，在實戰(zhàn)的時候是想不起來調(diào)用的。所以我們更應該給它一種自我循環(huán)的能力。比如我們有自動化測試、單元測試、接口測試。還有最牛的方式，我們內(nèi)部都叫「人肉測試」，就是測試工程師 （QA） 直接上場去測，或者研發(fā)人員自測。很多東西是工具都替代不了的，還需要人進行決策。

這個測試過程 AI 是可以做的，所以也有很多投資投向了 AI 測試員。但是我們在工程研發(fā)的時候，這些也是自動閉環(huán)的。一個體系如果不能自動閉環(huán)測試，我覺得它是不完備的。當你建立這個 know-how 的時候，你就會發(fā)現(xiàn)，離不開一臺完全受控的云端 CDE。Lint 在哪里跑？單測怎么運行？環(huán)境要不要安裝？還要開個云端瀏覽器，甚至未來可能是個 App 模擬器。這件事情想想就很復雜，它不是三個月開發(fā)一款產(chǎn)品就能閉環(huán)掉的。

Founder Park：不管產(chǎn)品經(jīng)理還是高階程序員，他們最厲害的可能是架構(gòu)的能力。這個能力現(xiàn)在AI有嗎？

李亞飛：以前程序員最頂級的職位叫「架構(gòu)師」。但很多年都沒有標準定義什么是架構(gòu)師。不同公司的架構(gòu)師職責完全不同，有些是業(yè)務架構(gòu)師，有些是技術(shù)架構(gòu)師。

今天的架構(gòu)也是個很抽象的詞匯，本質(zhì)上是保證軟件地基沒有失控的能力。比如說，明明這個地方已經(jīng)有一個接口了，非要再寫一個，這就是架構(gòu)腐朽的開始。等寫多了，其他人再來維護的時候就懵了。所以我們建立了一些規(guī)則，比如不要重復自己，架構(gòu)要簡單，要用一些依賴反轉(zhuǎn)等非常專業(yè)的術(shù)語。

但這些東西一直都沒有什么標準化體系，每個時代都在打破一些規(guī)則，新建一些規(guī)則，只能靠一些有經(jīng)驗的人來判斷。今天的 AI ，其實有架構(gòu)上的 sense。但架構(gòu)這件事，本質(zhì)上對上下文要有極強的抽象和感知能力。所以今天的 AI 不擅長搞架構(gòu)，因為它經(jīng)常忘了上文，不知道之前為什么這么寫代碼。我們?nèi)祟愐荒暌陨系氖虑檫€能記得清清楚楚，對今天的決策還會有影響，但是 AI 不行。

這件事情上，我的判斷是，今天沒有有效的解法能馬上解決架構(gòu)失控的問題。怎么搞呢？我們提供了一個有效的兜底措施。把人力工程的最佳實踐還給人，比如該托管在 GitHub 就托管，該 review 就 review 。不想 review，就合并，基于你的項目情況來決定。然后提供有效的回撤能力。

如果第一天就希望產(chǎn)品未來是 IPO 的，支持一億用戶，那你第一天就應該進行詳細 review，讓 AI 每一次的交付你都可以詳細地校驗。多花 30% 的時間進行架構(gòu)重整，OK，你可以控制得很好。但如果今天競爭生死不明，要 "dirty and run"，那就趕緊發(fā)布。等到中途某個階段再停下來重構(gòu)。這些以前人類實踐中都有的邏輯，都可以在 AI 時代重放一遍，讓 AI 幫你重放一遍就夠了。

Founder Park：那是不是可以理解為，現(xiàn)階段 ClackyAI 提供的交付，架構(gòu)還是需要人類來更多地去考慮？

李亞飛：對，另外我們提供一個回撤能力。AI 還不太能百分百完全控制住架構(gòu)的孵化。我們是盡可能地把上下文給 AI，讓它寫代碼時盡可能去參考已有倉庫和項目，少寫一些無用代碼。

Founder Park：架構(gòu)師其實是一個挺有意思的話題。大家常說AI其實擅長「模糊計算」的東西，而不是精確計算，這就意味著它理論上應該非常適合做架構(gòu)設計的工作，你怎么看這個觀點？

李亞飛：沒錯。我覺得今天它的智商、判斷力是夠做架構(gòu)師的，但有個前提，架構(gòu)師要對未來有預測，對歷史很清晰，知道現(xiàn)在的架構(gòu)里哪些能動、哪些不能動。模型今天的記憶能力還比較難有效地解決這個問題。但是我相信未來，各家 coding 廠商可能會逐步摸出一條路來，而且模型也在進化，說不定誰出了一款記憶深度比較強的模型，我們也可以把這事情搞好。

Founder Park：AI未來一定需要架構(gòu)師能力嗎？

李亞飛：在我們的體系里感覺還好。只要 AI 按你的規(guī)范幫你寫好，不產(chǎn)生架構(gòu)污染，那架構(gòu)師就不重要。一個小公司哪來的架構(gòu)師？只要別老翻車，別經(jīng)常并發(fā)不行，架構(gòu)師就不用出馬。我們因為對工程 know-how 比較熟，知道哪些東西容易導致工程風險，那我們盡可能去引導 AI 避免。而且我們提供了一種團隊協(xié)作能力，必要的時候你是可以邀請人進來的，邀個架構(gòu)師進來幫你重整一遍。

Founder Park：在人與AI一起寫軟件的過程中，架構(gòu)師這個職業(yè)還重要嗎？

李亞飛：我覺得咱們可以對架構(gòu)師去魅，這只是行業(yè)分工的一個需要。新的軟件開發(fā)體系里面，假如說一個千人公司，架構(gòu)師是重要的。但也許未來都是十人、三人的有限公司，軟件都被分散掉了，那好像就還好。工種沒有那么剛性了，還是不同的組織形態(tài)有不同的需要。

架構(gòu)師有點像一個必要的技術(shù)管理成本。因為人跟人之間的合作太沒法預料了，所以要有一個架構(gòu)師來兜底。但如果未來都是 AI 來寫，只要 AI 遵守規(guī)范，理論上就不太需要所謂的兜底的架構(gòu)師存在。

我覺得思考架構(gòu)這個事情應該是持續(xù)存在的。只要它是跟你一起工作，你就應該是個「架構(gòu)師」，因為你負責最終的結(jié)果。我覺得它會變成一種新的狀態(tài)，人類更像是一種把握邏輯關(guān)系的負責人，比如說「邏輯設計師」，或者「業(yè)務設計師」。以后程序員或者產(chǎn)品經(jīng)理，大家都可能往這種方式上轉(zhuǎn)，大家可能是同行，哈哈。

05AI CDE 的核心是 AI，不是人

Founder Park：直觀覺得ClackyAI，選擇云端的AICDE 在當下是一個很取巧的設計，它是一個完全為 AI 開發(fā)的、更容易獲取上下文環(huán)境的產(chǎn)品搭配。那對ClackyAI來說，現(xiàn)在的瓶頸會不會是，卡在了模型本身沒辦法很好地利用這些上下文？

李亞飛：我反倒覺得現(xiàn)在做 AI IDE 算是個取巧，但做 AI CDE 是個硬剛的事情。因為 IDE 有現(xiàn)成的開源東西去做，加速了很多。但 IDE 的局限性在于，Agent 的原生能力是不如云上的。Agent 的未來是在云上。

Founder Park：在云上是因為它可以有一個完全為它搭配的環(huán)境嗎？

李亞飛：對。換位思考，如果你是 AI，你希望在哪里工作？是自己的環(huán)境，還是要住在人類的環(huán)境里面？在人類的環(huán)境里只能是初級階段，也就是在本地。如果你不信任 AI，那就在本地，你隨時可以打斷 AI。但如果隨著 AI 能力變強，比如到了五五開的時候，人類就會傾向于把它放上云了。

雖然 CDE 跟 IDE 差了一個字，但它提供了幾個重要的能力延展。第一，它背后搭了一套完備的云端 coding 環(huán)境給 AI 用。給 AI 一臺空白電腦，這對任何人類工程師來說都是巨大的挑戰(zhàn)，沒法干。但現(xiàn)在很多云端 Agent 就是這么玩的，很多測評第一步就卡住了。

所以我們需要給它配備很多「瑞士軍刀」，讓它不那么難受。

配一個順手的云端電腦給 AI。比如我預裝了環(huán)境，預置了一個通用的 Python 版本，它需要新版本自己會裝。再比如裝數(shù)據(jù)庫，數(shù)據(jù)庫是個老大難問題，需要下安裝包、配賬號密碼、初始化、創(chuàng)表，光這一堆工作，對一個高級工程師來說都是很高的學習門檻。但我們要把這個 gap 給它拿掉。AI 調(diào)個接口，就裝上來了。

我們怎么做的？其實就是通過我們自己的一個寫時復制 （copy-on-write） 的文件系統(tǒng)，把一個成熟的文件系統(tǒng)拷出來。這是我們?nèi)祟惖膬r值，幫 AI 搭好這個基建。

AI 進去之后就可以開箱即用。而且我們還提供復制能力，它進行分身的時候很容易復制出一個新的環(huán)境繼續(xù)開發(fā)。最后的環(huán)節(jié)才提供了 CDE 跟 IDE 相同的地方，就是人類交互界面。人類進來一看，好像還是熟悉的樣子，但其實底下都不是你熟悉的東西，冰山下有很深的東西。

我們現(xiàn)在也正在根據(jù)用戶的需求去找到平衡點。但話說回來，為了讓 AI 能夠閉環(huán)工作，必須是云端瀏覽器。

Founder Park：本地的難度會在哪？

李亞飛：本地的核心問題在于，它很容易被人類打斷互動，它占用你的資源，沒法真正的異步。如果它本地想真正異步，它也要裝個 Docker，本質(zhì)上跟云一樣，那為什么不直接放云上呢？所以，本地 Agent 是某種意義上的過渡形態(tài)。五年后再回頭看，就會發(fā)現(xiàn)今天肯定是啟動階段。

Founder Park：所以AICDE 的交互界面，更多是為了給人類搭建一個他們熟悉的界面，但其實這個界面對于 AI 來說是可有可無的？

李亞飛：對，AI 工作的時候，你能看到，這是我們提供的一種產(chǎn)品設計。為了讓人類對這個東西有更多的信任感，因為能看到它做事的整個流程。

Founder Park：CDE 本身也不是一個新東西。如果 CDE 的云端優(yōu)勢這么大，它卻沒有取代掉 IDE。為什么現(xiàn)在你覺得AICDE 會把 IDE 給取代掉呢？

李亞飛：非常靈魂的問題。我先說答案再講過程。CDE 技術(shù)其實發(fā)展了很多年。現(xiàn)在 CDE 和 IDE 的體驗相比還是缺乏一點低延遲的爽感。另外附加了新的成本，比如云電腦。所以 CDE 大多數(shù)時候被用在快速構(gòu)建項目、教育等場景，一直沒有成為主流。

再打個比方，就像 iPhone 開拓了智能手機市場，我們覺得很 make sense。但其實在 iPhone 之前，已經(jīng)存在了七八年的 PDA （掌上電腦），但它一直停留在一些專業(yè)玩家手里，沒有被大眾化。直到后來算力、電容觸控技術(shù)等新的變量起來了，成本下來了，卡頓感小了，終于有遠見者把它造出來。

CDE 跟 IDE 之間以前也確實有一些難纏的問題沒有被解除。但到了這幾年，AI 的變量加入之后，CDE 就有點像智能手機一樣開始「智能」了，突然成了最適合 AI 工作的場所。原來的基建設施突然變得非常有用。這就像操作系統(tǒng)移動化之后需要重新定義一些東西，我們發(fā)現(xiàn)在這個過程中也重新定義了很多，比如數(shù)據(jù)庫的擴張，我們提供了分支的能力。海外有一家成功的公司叫 Neon，他們的核心點就是可以快速復制數(shù)據(jù)庫。

所以，新時代的新東西在變化。CDE 里面的很多東西，比如 Lint、數(shù)據(jù)庫、項目運行，我們可能都要重新定義一波。我們甚至有專門為 AI 留的終端 （terminal），人類用那些，AI 用這些，大家形成互動。

再往前推一下更有意思。今天的主流編輯器 VS Code 的創(chuàng)始人，他 2010 年就開始做編輯器，第一款就是 Web 端的。做了兩三年發(fā)現(xiàn)不太行，就把它抽象成一個框架。到了 2015 年，連人帶項目賣給了微軟。在微軟，他把 Web 端打包成了一個本地版。慢慢升級，才做出來 IDE 的形態(tài)。然后通過 Web 技術(shù)打包發(fā)布桌面端的方式火了，到了 2019、2020 年就占領(lǐng)了市場。

但是大家不要忘了，它一開始就是 Web 端的，現(xiàn)在它還有一個 Web 端。上云、Web 化一直是整個世界的一個夢。AI 技術(shù)成熟之后，我覺得這件事情重新成立了。

06關(guān)鍵的 know-how是最小測試單元

Founder Park：對 ClackyAI 來說，比較重要的上下游是什么？

李亞飛：你把我們當做一個「產(chǎn)品 + 架構(gòu)」或者「產(chǎn)品 + Infra」的公司就好。我背后有一個自研的 To B 架構(gòu)，上面的 Agent 是套殼，但是 Agent 的 know-how 我覺得挺深的，軟件工程的 know-how 是我們比較核心的東西。我們設計出來的整個產(chǎn)品流程和篩選邏輯，是我們最大的認知。

Founder Park：那些認知對于這次做ClackyAI有什么樣的幫助嗎？

李亞飛：對，know-how 的認知，就是這次的工程實踐。

比如架構(gòu)。我把架構(gòu)其實拆成了很小的一些事情，慢慢落到整個體系里面。再比如編碼的最佳實踐，就是形成一個最小閉環(huán)，越小越好。寫一個文件就測一下，這樣交付是更可靠的。這就是它的 know-how。我們還有些地方在逐步深入落地中，等下一版推出新的效果方案，會比這一版再提高 30% 到 50%，可能就已經(jīng)是業(yè)內(nèi)頂級水平了。

Founder Park：復述一下我的理解，你剛提到一個測試的最小單元，如果我們盡可能小地去測試它，確保結(jié)果是正確的，就能保證項目 run 下去比較順利。這樣一個流程，是不是你們一個比較領(lǐng)先或獨特的 know-how？

李亞飛：那肯定，因為最終體現(xiàn)出來的是 AI 效果。我們對 AI 效果的認知是，模型本身是平權(quán)的，Agent 本身相差不是特別大，但關(guān)鍵的點在于 coding 領(lǐng)域的 AI 效果的 know-how，就在于形成一個快速的最小閉環(huán)。比如我必須把云瀏覽器驅(qū)動進來，必須把 Lint 工具驅(qū)動進來，而且是給 AI 專屬的一系列體系驅(qū)動上來，這樣寫出來是最好的。

當然，前面的東西不是不重要，只是說那些東西，你給一個團隊一年時間，可能也吭哧吭哧干出來了，但是后面的東西干不出來，而且不一定有那樣的 know-how 去干，他們沒有那個工程經(jīng)驗。

Founder Park：你們的過往行業(yè)積累，是你們現(xiàn)在的一個產(chǎn)品壁壘。

李亞飛：對。但今天我非常愿意分享出來，讓大家都知道這個 know-how 也沒問題，大家都可以來參與。

我們既然放出來，就已經(jīng)做好了準備。能看懂的消化了，看不懂的也不一定能吸收，這個世界就是這樣，沒關(guān)系。

Founder Park：感覺它不一定是叫AICDE，可能更是一個 AI DE，你們本質(zhì)是想給 AI 搭一個云端的、純粹的軟件生產(chǎn)環(huán)境，只是順便讓人類來監(jiān)控一下。

李亞飛：是的。今天還很需要人，所以我覺得我們率先能跨越這個鴻溝，就是IDE 的效果跟人類不信任之間的鴻溝。我們把這個 gap 給填了。為什么會帶有人類的交互？我們花了比較大的力氣去把它架上。因為你不能完美主義，一開始就推論到終極形態(tài)。當年的 AutoGPT 就是那樣，你輸入需求，它吭哧吭哧干，最后發(fā)現(xiàn)只能寫出來一個簡單版的貪吃蛇。

我覺得今天還是要貼合人類的實際，貼合真實市場的狀態(tài)，把這個 gap 給填了。

Founder Park：你們覺得ClackyAI 現(xiàn)在到達 L3 級別，是基于什么樣的判斷？

李亞飛：L3 就是人類跟 AI 駕駛能夠各占一半。當然我們內(nèi)部還會分一些小等級，3.1、3.2、3.5。我們預判會慢慢過渡到 3.7、3.8，這個時候不需要人類介入太多，我交付任務，它通知我，我再查收、合并。但總是有一些架構(gòu)上需要人類介入的東西。我們把它定義成 3.8。但我覺得今天已經(jīng)開始往 3.5 行動了。

我們說的 L3，其實特指的是從 L3.0 到 L3.9 之間的變化。反而 L4 是簡單的，把圖形界面去掉，它不就是 L4 嗎？我覺得 L4 還遠遠沒到，等到的時候再說。

Founder Park：3.5 是個什么狀態(tài)？

李亞飛：3.5 的狀態(tài)就是我們傾向于 50% 的任務，AI 直接就交付掉了，也就是說有一半任務人類需要參與。交互方式會發(fā)生變化。比如今天是你制定一個 plan 之后，一定要點 start。可能再過兩周，那個版本里就是 10 秒后不確認，它就 start 了，哈哈。

Founder Park：所以 start 按鈕只是讓人類有可控的假象？人不點也會開始運行。

李亞飛：對。你點了，還可以自己看一看。但可能在 3.5 的狀態(tài)就是，啥也別說，先干了，干完之后你發(fā)現(xiàn)不行再撤回來。到 3.8 的時候，你撤都不用撤，干完最后回放一輪，發(fā)現(xiàn)這個地方有點小問題，要么自己下場改一下，要么讓 AI 改一下，就結(jié)束了。3.8 之后，我們可能重點打磨的就是，一個大需求進來，AI 幫你拆分到需求池，然后派發(fā)多個 Agent，看你花多少錢，然后他們就開始分配工作，把這個交付了。

Founder Park：現(xiàn)階段Clacky是怎么平衡AI的自動化和開發(fā)者的可控性的？

李亞飛：我們思考的方式是，把復雜的東西包裝起來，然后把簡單的界面交給人類，我們這個產(chǎn)品的定位，是只要你有動力創(chuàng)作作品，敢去理解一下代碼、碰一碰就行，不要慌。Web coding，web debuggiing 這個過程應該讓大家是舒心的。在這個過程中，你不太害怕代碼的時候，其實可以反問 AI，甚至可以撤銷掉，再試一試，慢慢你可能就理解了代碼的邏輯。你也可以搖人，大膽地搖一些程序員進來。他們跟你協(xié)作。這個時候，大家就可以享受云端文檔協(xié)作那種感覺，協(xié)同工作。

Founder Park：關(guān)于上下文，現(xiàn)在怎么更好地解決這個問題？

李亞飛：對，這個又是一個云上的優(yōu)勢。因為云上可以持續(xù)記憶你的上下文。比如我上一個 thread 跟下一個 thread 之間，它其實會產(chǎn)生一定的記憶連接。但在本地，你一旦開個新的 chat，它就丟掉了。所以我們根據(jù)軟件工程的需要，把多個 thread 之間形成了一個共享的上下文工作區(qū)。大家會把不同的東西放進來，有需要的時候再根據(jù)一個規(guī)則把它拿出來。

Founder Park：有點類似于 ChatGPT 的共享記憶庫。

李亞飛：嗯，對，就相當于有一個專門負責項目分析的角色，它會去搜羅項目信息，放到工作臺上，然后其他人比如負責規(guī)劃 plan 的，它需要的時候就去看一下，然后再來寫入。

Founder Park：這個過程是你們手動給AI寫的規(guī)則，還是它自主的行為？

李亞飛：應該是混搭的。一開始對項目進來的時候，它肯定會先分析，有一個 Agent 編排的過程。工作完之后它就轉(zhuǎn)換成一種 pull 的模式，有人需要的時候它再調(diào)。

我覺得今天我們的 know-how 會在 multi-role 架構(gòu)上進行改良。

07AI Coding 不是大廠的主賽道

Founder Park：如果別的公司也做AICDE，你的護城河是什么？

李亞飛：創(chuàng)業(yè)一開始就有一個 know-how，就是點子不要怕被講出來。我們意識到這次的機會重大，歡迎更多人進來把這個賽道玩起來。只有一家也挺孤獨的。就算 Cursor 100 億了，那 Windsurf 也 30 億嘛，這個市場非常非常大，可以一起參與進來，是好事。

Founder Park：他們把你們的份額搶了怎么辦？

李亞飛：那就是甘拜下風，技不如人。如果你先發(fā)跑了一圈了，還被人趕上，那你確實不行，這個得認。市場就是這樣。

但我相信，這對社會都有價值，而且你自己最起碼能活在一個陣地上。今天這個事確實太大了。想象一下那個畫面，一單五萬塊錢，一個不經(jīng)傳的外包公司，一年收入 500 萬是正常的。那你想想全中國有多少個？

Founder Park：會擔心那些大廠來做你們現(xiàn)在這個賽道嗎？

李亞飛：大廠感覺還在忙著卷 IDE 路線，還是在傳統(tǒng)路線。

第一，他們在真實的 CDE 方面倒沒有太多積累。

第二，對于大廠來說，它也有兩個問題：一，coding 不是它的主賽道，都是進來玩一下；二，它有一些「資源魔咒」在里面，需要非常強的 KPI 驅(qū)動增長，模仿可能是最好的方式。

Founder Park：為什么說 coding 不是他們主賽道？

李亞飛：我說的是國內(nèi)大廠，對他們來說不是主航道。海外的話，我覺得同樣能感覺出來一種「資源詛咒」的狀態(tài)。他們迭代得不見得很快。如果說大廠實力應該是占據(jù)核心位置的話，微軟就不至于讓 Cursor 先跑出來，自己落在后邊，迭代很慢。他們自己手握著 VS Code，想怎么整怎么整嘛。谷歌以前其實也有個代碼托管工具，結(jié)果自己主動關(guān)閉了。可能他們的主營業(yè)務還是以核心業(yè)務為主導。

包括我們現(xiàn)在的合伙人陣容是非常非常強大的，know-how 很深。我們的產(chǎn)品經(jīng)理就是中國最早服務大量程序員的，做過一個 freelancer 平臺，非常了解軟件怎么交付給企業(yè)。

真正 PK 的時候，是大廠里面的一個小團隊來跟你 PK，它投了多少資源？實力怎么樣？認知怎么樣？他們有可能被老板趕鴨子上架，可能還要向我們學習。我們干了這么久的創(chuàng)業(yè)，對于商業(yè) know-how 的整體認知肯定是更深的。

Founder Park：你們之前融資很順利，拿到的都是非常好的 VC。現(xiàn)階段的融資計劃是怎么樣的？

李亞飛：現(xiàn)在因為市場狀態(tài)，是適合去提前起步的。只要我有先發(fā)優(yōu)勢，我就可以多拿一些資源。這樣你比大廠拿到更多資源優(yōu)勢的話，其實仍然可以起來，Manus 就是個例子。每個時代都會有新的機會，新的優(yōu)勢，就是原創(chuàng)性的想法。我們今天可能就處在這個從非共識到共識的檔口，所以在拿資源方面我們是比較 open 的。

Founder Park：如果現(xiàn)在拿到一筆錢，當下最先要解決的是什么問題？

李亞飛：Scaling 的問題，不是團隊的 scaling，團隊規(guī)模還好，更重要的是系統(tǒng)的 scale，就是支撐更多的用戶，分布式體系的支撐。因為我們是一款標準的產(chǎn)品，很閉環(huán)，但是它背后有很深的 Infra 的東西，這個 Infra 需要花更多時間積累，也需要更牛逼的人才去參與建設。

08要成為 AI Native 時代的「程序員」

Founder Park：這兩年做AI，包括到現(xiàn)在做 ClackyAI，你覺得跟以前 ShowMeBug 時期最大的不同是什么？

李亞飛：上個階段，我那時候還會承擔一些技術(shù)上的活，寫代碼本身是個習慣。但今天的話，我們團隊是帶著我跑的狀態(tài)。所以我反而可以把時間放出來，去做更多深入思考的事情。

比如我最近在思考，原來的技術(shù)架構(gòu)從一把梭的 jQuery 時代，進入到了一個前后端分離的 Vue/React 時代。但是到了今天，我們看到一些趨勢，又回來了一些，進入 AI 新全棧時代。這是不可忽略的變化。那 ClackyAI 能不能為這些新全棧的項目提供一個更簡易的使用方式？也就是說，產(chǎn)品經(jīng)理其實可以無代碼地來用好這些架構(gòu)，交付真正有用的產(chǎn)品。這是我們最核心的事情。

我需要去體感一下那些新框架是怎么回事，然后再傳遞給團隊和市場。

Founder Park：可以有更多的時間去思考一些東西了。

李亞飛：對，我覺得這是個好的狀態(tài)。當年美團之所以后來發(fā)展越來越好，也是大家把王興的時間架出來一些，讓他去強行思考，在拓展邊界、各種競爭的時候做出幾個關(guān)鍵決策，很重要。

Founder Park：感覺你現(xiàn)在狀態(tài)還蠻好的。跟以前創(chuàng)業(yè)比，你感覺個人狀態(tài)會有些變化嗎？

李亞飛：我能感覺到市場的期待和壓力，這些層面肯定都是存在的。但是如果你發(fā)現(xiàn)了這個點，然后跟團隊共識得很好，我感覺會比較 enjoy 這個過程。不管發(fā)生什么，都可以很好地去應對。我們已經(jīng)做好了最壞的打算，所以一切發(fā)生都是最好的，都是升級的過程。這可能跟上一階段還是比較緊地去推動規(guī)劃整個過程，不太一樣。

Founder Park：不能 100% 在事里面，也不能 100% 在事外面。

李亞飛：對。其實原來那個時候可能彈藥還更充分，但今天反而會更加從容。

Founder Park：最后一個問題。如果AICoding 已經(jīng)是一個趨勢，程序員應該怎么樣參與到這個進程里？

李亞飛：現(xiàn)在的實際情況對初級程序員很不友好，因為沒有企業(yè)需要初級程序員了。高級架構(gòu)師發(fā)揮的空間還是比較大。大家看到這個肯定是焦慮的。但接下來會演進到一些新的階段。

首先，仍然鼓勵大家來學編程，技多不壓身。只要這個社會底層還是程序?qū)懗鰜淼拇a在運行，不管是不是 AI 寫，還是要去學的。但今天的學法會好很多。我們學習最難的是要閉環(huán)，代碼怎么運行？出的什么結(jié)果？我最好看得到。最怕的是一大堆源代碼，啥也不知道。今天，在這個過程中，AI 可以幫你。AI 寫了個頁面，你馬上一看，新頁面就出來了，那下次就會照葫蘆畫瓢。但以前基本不可能，這個過程會讓你在初級階段可以更好地跨越，成為一個原生 AI 時代的「程序員」。

而且，原生程序員可能不叫程序員了，我覺得叫「業(yè)務設計師」或者「邏輯設計師」這樣的角色。你可能更愿意去理解需求，抽象這些東西，更加全棧一些。以前全棧需要一個人極強的學習力才能打通技術(shù)、學產(chǎn)品，但今天好像可以小小的、快速地進行跨界全棧，就夠用了。

Founder Park：新的角色也會出現(xiàn)。程序員可能慢慢地一部分被歸納掉了，但是新的會出現(xiàn)。

李亞飛：對，新一代的，未來應該會出個更好的詞匯，就像 Web3 一樣。以后可能有一個新型的職業(yè)出來。

轉(zhuǎn)載原創(chuàng)文章請?zhí)砑游⑿牛篺ounderparker