过去 App Store 是苹果的城墙，也是开发者绕不开的入口。但在 Naval 看来，AI 编程代理正在改变这一切。一个人可以用自然语言生成 App、迭代功能、修复 Bug，甚至搭建属于自己的个人应用商店。苹果真正的挑战，可能不是另一部手机，而是每个人手里的 AI 程序员
作者：@naval 编译：@0xmediaco
时隔数十年为何重返编程？
我先讲讲 vibe coding，以及我是怎么入坑的
大概在 2025 年 12 月前后，随着 Claude Opus 4.5 发布，AI 编程智能体迎来了一个拐点。很多人开始使用之后的反应都是：哇，这个智能体真的能持续跟住目标，可以从头到尾把应用做出来，可以解决棘手问题，而且感觉就像你手边有了一个初级程序员：动作很快，几乎免费，还特别愿意配合你
那就是一个拐点。我当时在 Twitter 上看到各种 hype，但这一次感觉是真的。我以前也试过一些编程智能体，效果有好有坏，但这一次我真的上头了。其实我已经几十年没有认真写过代码了。我有计算机科学学位，也理解计算机架构、网络、一些芯片知识、算法等等
但我确实很久没有认真写代码了
写代码的启动成本非常高。你得把各种服务彼此接起来：GitHub、某个后端，也许是 Vercel、Firebase、Railway或者别的什么。总之有大量东西需要配置和连接
现在 AI 把这件事变得容易多了。所以我一开始和大家一样，从 Claude Code 用起。遇到更棘手的 bug 和深层问题时，我也会用 Codex。然后我立刻就上瘾了，真的非常有趣。所以到底发生了什么变化？很简单：这些智能体真的能工作了
它们现在不只是编程辅助工具了。过去的模式是，你让它解决一个具体问题，它给你一堆代码，然后你复制粘贴到 IDE，也就是开发环境里。现在不是这样了。你打开一个终端，也就是他们说的 CLI，命令行界面。它是纯文本的，而这些模型本来就是在文本 token 上训练出来的，所以非常擅长处理这种形式。底层或者说内部跑的是 Unix。这些智能体非常懂 Unix，因为你看看它们训练过的那些代码，无论是在 GitHub、Stack Overflow 还是其他地方，大部分都是 Unix 生态里的东西
而且大多数现代操作系统底层其实也都是 Unix。macOS 众所周知就是 BSD 系。所以这些系统底层都是 Unix，本质上就是文本输入、文本输出。因此这些智能体就像是长期运行的编程 AI，并且在很核心的层面连接着 Unix。它们连接到 Unix shell，所以能执行命令；它们也能通过基础 Unix 命令连接文件系统
它们可以调用各种 Unix 命令，比如 grep、awk、sed、pipe 等等，这些操作符可以一个接一个串起来。它们可以跑 cron 任务，所以能长期运行；需要的时候还能再启动更多 shell 和任务
关于一人 App Store
Vibe Coding 这件事非常容易让人上瘾。通常来说写代码一旦进入状态是很有趣的
但进入状态之前的启动成本很高。现在突然之间，你不必了解所有工具和所有命令了。这些东西会说英语。AI 本质上是极其强大的翻译器。早期机器翻译就是它们的核心用途之一，模型也经常用翻译任务来测试。现在它们翻译的不只是自然语言，而是在 Python、C、Lisp、Rust，以及各种编程方言和专门命令之间进行翻译；而你和它沟通用的是英语，而且它对表达方式非常宽容
你可以用不同的词，可以拼错，可以按自己的方式解释。只要你对计算机架构、网络和编程有一个基本理解，而且这不需要很深，更多是高层次的理解，不是说很简陋，而是说站在更高层面把事情看明白，那你就能走得非常远
所以我一开始只是好玩，试着做了一堆不同的应用。最开始是一次性生成我自己想要的特定应用。所谓 one-shotting，就是我给它一个描述，它直接给我一个应用。然后我再在此基础上不断改进。最后我做出了自己的一个小型应用商店，一个只为我自己服务的应用商店
我可以向它要一个应用；它会把应用交付到我的应用商店里，而这个应用商店本身是一个网页。后来我又把它做成一个真正的应用，放在我的 iPhone 上。之后我可以一键下载那些应用，也可以像在 App Store 里一样给它们升级
举个例子，如果我想要一个新的健身记录应用，而我确实做了一个，完全按照我自己的方式来追踪训练。我可以这样说：
参考 Tonal 和 Ladder 的功能；遵循 Apple 的人机界面指南，让它看起来像一个 Apple 应用；按下面这种方式记录我的训练。这里是我最近几次训练的文字日志。让重新录入和调整变得简单；给我做漂亮的图表来追踪进展；再加入你能想到的其他功能，比如计算力量评分；去读一些科学论文，弄清楚按身体部位计算力量评分的正确方法；做一个人体示意图，显示哪些肌肉更强、哪些更弱；连接 Apple Health，读取我的心率数据
我不是把所有这些都塞进同一个 prompt，但确实一次性放进去了很多内容，然后我立刻就在自己的个人应用商店里收到了一个可用的应用。顺便说一句，个人 App Store多少有点开玩笑。它是真的，意思是它确实是我的个人应用商店，看起来像应用商店，我的应用也会被交付到那里
但它显然不能大规模分发，因为苹果会把这个入口卡住。苹果不会允许你做一个任何人都能下载到 iPhone 上的应用。你必须把应用绑定到特定设备。所以对我的朋友和家人，我可以把应用发给他们；但目前还不能发给所有人。不过整个体验真的非常令人上瘾
你可以得到极度定制、完全为你调校的应用。这是否意味着普通应用就没有位置了？当然不是。那些覆盖大众场景的应用依然有位置，而且会成为同类最佳。有人对它们进行了精细打磨，投入了大量时间。如果你的需求刚好被这些大众场景覆盖，你很难打败它们
但当你想要某种真正定制化、真正私密的东西时，这些工具就非常适合。它们尤其适合那些只有你自己才会想要的利基应用。或者当你想把应用调成完全符合自己使用场景的样子时，这会非常惊人
Vibe Coding 是一款有现实回报的电子游戏
它非常容易让人上瘾，因为它很像电子游戏。电子游戏之所以能把人留住，是因为它会不断给你反馈，并在你付出努力之后给你奖励
而且它总是卡在你能力的边缘。你变强了，游戏也会变难。它不会难到让你崩溃，也不会简单到让你无聊。所以玩游戏时，你总是在能力边缘运转，并持续获得奖励。但那些奖励是假的，电子游戏也是有边界的。它由别人创造，是一个有点虚构的小世界，而你内心深处其实知道这一点。你只是在摸清游戏规则。一旦你把规则摸清，它就无聊了
但 vibe coding 不一样，它没有边界，因为底层跑着的是一台图灵机。你可以构建任何东西。目标由你自己创造，而且可以不断扩展，所以它似乎永远不会完全被填满。它还有现实意义。你解决的不是某个虚构世界里虚构人物的虚构问题，所以它有趣得多。Vibe coding 已经把我很多朋友都一发入魂了，他们现在都消失在自己想做的那些应用里
不过，拥有清晰方向真的非常重要。你必须知道自己想要什么，这其实才是最难的。你还需要对它有非常清楚的愿景。我自己之所以有，是因为我曾经有一个执念很深的应用，叫 Airchat。我大概为它着迷了一年，并且和团队一起把它做了出来。它是一个让人们通过语音和视频交流的社交通讯产品
后来它没有真正跑通，所以我们把它卖掉，让投资人拿回了钱，也给团队安排了不错的补偿。但我仍然记得那段经历非常令人兴奋，因为我在做一个自己真正想要的产品，而且身边是一支很聪明的团队
但当时我必须通过团队来做。我有八九个工程师，具体看当天情况。我们非常努力地做了九到十二个月，也发布了几个版本。但现在有了 vibe coding，我基本上是在重建那个应用。我从零开始重建。关键是：这一次，我完全按照自己想要的方式来重建，没有任何妥协
通常来说，只要你和团队一起做任何东西，就一定会有妥协，哪怕你没有意识到。即便你是那个说了算的人，而现实中你很少真的能完全独裁，你也仍然要照顾别人。你不能说：把这个图标往左移。现在往右移。不，移回去。不，再移回去
你不能这么做，因为你会惹恼工程师。你也不能提出一些没有合理理由的要求，尤其是那些只是凭直觉、凭感觉的东西。但 AI 编程智能体的美妙之处就在于，它没有这些问题
这就像自动驾驶汽车。坐在自动驾驶汽车里，你不会不好意思，因为旁边没有一个司机坐在那里。类似地，面对一个自主编程智能体，你不会因为自己的那些个人偏好和怪癖而感到难为情。所以你可以创造出完全符合自己想法的东西
我认为 vibe coding 的一个好处是，虽然我们这一代模型未必能写出超高质量代码，架构也需要大量打磨，这些东西可能有安全漏洞，也可能很难扩展，但它带来的原型能力，以及你能做出的个人应用，会非常快，而且会忠实于创作者的愿景。这里面没有妥协
所以你可能会看到更多类似 Minecraft 的东西。Minecraft 众所周知是 Notch 一个人写出来的，那里有一个人的愿景。它看起来可能很奇怪，因为有人会说：这是什么方块画风？这不是大倒退吗？
但他不用妥协，不用和任何人沟通，也不用向任何人解释为什么想这么做。所以我认为这扩大了发现的范围
它也非常有趣。它会把可能构建应用的人群，从总人口的 0.1% 扩大到 1%、2%，甚至 3%。别误会，大多数人并不会自己写应用。对大多数人来说，计算机依然是一个神秘的黑箱，里面到底发生了什么，他们也不知道。所以即便这件事变得容易了 10 倍、100 倍，对他们来说仍然没有太大意义，它还是一个黑箱
但对于那些有创造力、自我驱动、表达清晰，并且有良好愿景的人来说，你现在可以写代码了。没有人再挡在你和原型之间
当然，如果你要把一个高性能应用推向市场，要扩展到大量用户，那你仍然需要招募一支优秀团队，需要真正的工程师加入，而且你很可能得把整个东西重写一遍。但如果你是在实验、做原型、摸索市场，那么没有比这更好的工具了
纯软件已经不值得投资
作为软件创造者，从来没有比现在更好的时代。但市场机会是否仍然和过去一样？这是一个大问题。它们正在非常非常快地变化。大公司可能会变得脆弱，因为现在任何人都可以创造软件
也有可能它们反而更有优势，因为它们拥有分发渠道。它们可以用自己能想到的所有软件去填补所有空白。但我其实认为，这是个人软件创造者的复兴
我之前还发过另一条推文，大意是：由VC支持的纯软件已经没有市场了，或者说纯软件已经不再适合风险投资。它不值得投有两个原因
第一，别人今天就可以把它快速拼出来。第二，编程智能体进步太快了，一年之内，甚至更短时间内，它们大概就能构建架构良好、可以扩展的软件。所以我认为我们会看到跳跃式的巨大进步。这个精灵已经从瓶子里放出来了
所以如果你现在是风险投资人，你会去找硬件，找网络效应，找 AI 模型。我甚至会说，训练 AI 模型就是新的构建软件，至少在自动研究和自动训练真正跑起来之前会是这样
但我认为 vibe coding 比玩电子游戏更有趣，也更有生产力，更有建设性，反馈循环更好。你在构建自己想要的东西，你站在技术最前沿，甚至可能赚到钱，或者从中得到某种职业机会，尽管职业本身也有点死了。但你仍然可能创造出有意思的机会。而且你在做的过程中会学到很多关于计算机的东西
我见过一些孩子在 vibe coding。让孩子学编程很难。你可以把 Swift Playgrounds、ScratchJr 之类的东西扔给他们，希望他们爱上编程。但如果你把 vibe coding 给他们，他们会立刻得到反馈和奖励。也许在这个过程中，他们会顺便学到一些基础知识，因为操作这些东西仍然需要一些能力
在操作它们的过程中，你会被迫搞懂命令行；会被迫理解基础计算机架构如何运作；也会被迫理解缓存、网络退避、共享流、写入磁盘、延迟和带宽之间的取舍等等概念。所以你会被迫学到一些计算机算法和体系结构的基础知识。这是一条很有趣的路径
我最近经常熬夜，大概每天晚上花两三个小时。以前用来读书、刷 doomscrolling 或玩游戏的时间，现在都花在 vibe coding 上了。事实上，这也是我最近不怎么活跃在 X 上的原因。我几乎从 X 上消失了，因为我整个人都埋在 Claude 和 Codex 里
每个模型都有自己的位置
在我看来，智能体最有意思的地方，是它们纠错和学习的能力。比如有人让它晚上去看 YouTube 视频，或者去互联网上学习白天被要求执行的任务。这些智能体会自己出去纠错、提升技能。同样，AI 模型里的思考创新，本质上也是一种纠错应用：把下一 token 预测过程，转化成一种伪思考过程，使它在思维链的每一步里都能纠错
消除幻觉也是一个纠错过程
所以我在想，AI 里下一种纠错应用会是什么？我有一个随意的想法，当然肯定已经有人在做，就是把纠错应用到智能体之间的协作上，也就是智能体和其他智能体一起工作。因为人类学习和进步的一种重要方式，就是和其他人一起工作、彼此交谈
我不确定这个类比是否完全成立。因为 AI 是他们所说的锯齿状智能：在某些事情上极其聪明，在另一些事情上又极其愚蠢。它和人的结构也非常不同。你使用 Claude 时，不管你开了 10 个实例，它们本质上都是同一个 AI 模型。所以 10 个 Claude 彼此对话，并不会像 10 个人彼此对话那样提升思考质量，因为那 10 个人是由 10 份不同数据集训练出来的
人类天生更有创造性，也更容易跳出边界。而 AI 智能体是基于同一种数据分布训练出来的。它们真的在运行同一个模型。这就像 10 个拥有同一个大脑、同一套数据的人在互相聊天。当然，从热力学意义上说，它们也许会产生一些不同想法，得出稍微不同的东西，但总体上它们会以同样的方式思考。所以当你的 10 个智能体互相聊天时，本质上只是给同一个问题扔了 10 倍的 token。就像是在说：如果需要的话，多花 10 倍时间
当然，也有不同的模型，比如 Codex、Gemini、Grok Code，它们的训练方式略有不同。不是完全不同，但确实有差异。所以它们可能会有一些不同洞见
Claude 通过 Artifacts 这个系统有很好的视觉呈现能力，而且 Claude 很擅长用适合我理解水平的方式和我交流。它会根据你的问题和对话，判断你能理解到什么层级，以及你是在什么层级上提问，然后在那个层级上和你对接。它非常擅长做到这一点
ChatGPT 仍然是 OG，整体能力很全面
Gemini 很擅长搜索，因为它背后有 Google 的网页抓取数据。这个产品用起来有时很让人沮丧：App 经常超时、断连、忘记上下文。但它速度很快，而且拥有很好的搜索索引。所以如果我问的问题本质上是一个搜索问题，我就会用 Gemini
Gemini 还可以访问 YouTube。所以如果你认为答案藏在某个 YouTube 视频里，而 YouTube 上确实有大量视频，那 Gemini 就有 YouTube 这个数据优势。Gemini 很大程度上靠数据优势撑起来。它在我看来不像是最好的模型，但它有最好的底层数据
然后是 Grok。Grok 是我可以指望它告诉我真话的模型。它被阉割得最少，限制也最少。它可以访问 X，所以很擅长新闻。它也很擅长技术问题。如果你问的是科学或数学领域里很深、很难的问题，我认为 Grok 实际上相当强。当然不是说其他模型不行，但我觉得 Grok 在这方面很突出。这也反映了创造、训练和推动这些模型的公司各自的偏向
目前四个领先的前沿模型都有自己的位置
AI 很想取悦你
我确实会把这些模型彼此对照使用。比如，我会把它们接到我的 GitHub 上。每当我提交一段新代码，假设这段代码是 Claude 写的，Codex 和 Gemini 就会在每个 pull request 里自动启动
这个名字有点容易误解。所谓 pull request，是你把代码推到主仓库，基本上是在说这部分已经准备好被审查、准备合并进主代码库了。也就是说，你先在本地和 Claude 一起写一段代码，然后把它推到主仓库，于是你提交了一个 pull request。你可以设置成让 Gemini、Codex、Grok 这样的其他智能体自动启动，去审查这个 pull request
然后它们会说：这里的架构应该改一下，诸如此类。这算是一种让它们彼此交流的方式，就像开一个 AI 圆桌会议。但我发现它并没有想象中那么有用。AI 之间仍然有很多群体思维。如果你在和它们写代码时把它往某个答案上推，比如你觉得自己知道答案是什么，它们很少会反驳你。除非你错得非常明显，否则它们不会轻易反驳
它们在努力取悦你，而且我不认为它们真正拥有一种长期稳定的自我心智理论。所以它们总是在向你变形，并且会找到你想要的那个答案。如果你认为答案在某个方向上，并且哪怕只是轻轻推一下模型，所有模型最后都会找到差不多的答案，因为你把它们引向了那个答案。它们非常容易被牵着走
我注意到的一件事是，随着代码库变得越来越复杂、越来越大，管理它也会变得越来越难，因为整个代码库已经不能完全放进模型的上下文窗口里了。模型脑子里只能同时装下有限的数据。目前最先进的上下文大概是一百万 token，这在未来会显得很可笑
你可以粗略把它想象成一百万个词。问题在于底层的 transformer attention 机制。为了让它正常工作，复杂度大致是上下文 token 数量的平方。所以如果是一百万 token，复杂度量级就像一万亿 token，因为一百万的平方就是一万亿
当代码库变大时，上下文窗口会耗尽。模型不能再把所有东西都记在脑子里。于是它们开始猜测、近似、压缩上下文窗口。它们开始丢掉主线，开始迷路，开始修错东西。同一个 bug 修五遍，或者在架构上做一个快速补丁，而真正的问题其实在别处。这时你必须引导它们
所以当你面对越来越复杂的代码库时，提供方向就落到了操作者身上。你要告诉它：其实这里，我觉得我们应该把整个东西重新架构
它们也会做一些非常蠢的事。比如如果你没有盯着，只是任由文字滚动，有时候它们会通过删除那个使用场景，或者干脆摧毁原本功能的方式来“修复”一个 bug。或者它们会做一些明显是 hack 的东西，你必须停下来告诉它：嘿，这就是个 hack
顺便说一句，我经常这么做
我会打断模型，然后说：不，这就是个 hack，是个补丁。去从架构层面解决它。有趣的是，模型总会说：噢，抱歉，你说得对，那确实是个 hack。
即便那其实不是 hack，模型也会说：你说得对，那是个 hack
所以模型总是在努力取悦你，而且它自己也不知道更好的做法。从这个意义上说，它有点像狗。如果你带着狗去打鸭子，它在抓鸭子这件事上比你强，但它仍然是一条狗。如果你指向的不是鸭子，而是一只别的鸟，它可能也会把那只鸟扑下来。所以你必须引导它。它确实需要大量操作层面的监督
说了这么长，意思就是：你仍然要引导这些模型。让它们彼此对话并不能解决问题。你必须参与架构、调试和功能设计，并且密切关注。但现在这种人类操作者 + 最先进编程模型的组合，已经能够产生非常惊人的结果
你已经可以完全一次性生成简单应用了。比如一个基础任务清单，一个基础电子游戏克隆，一个 prompt 之后，你就能得到一个还不错的结果
所以你可以看到它正在走向哪里。最终，当它们拥有足够多数据时，就能一次性生成非常复杂的应用。而那会把我们带入一个完全不同的世界
为什么是数学和编程？
Naval：那么，到底是什么让它们在编程这件事上特别擅长？
原因很简单：数据非常非常多，而且在训练模型时，很容易验证你做得好不好。因为代码必须能编译，必须能执行。你还可以在另一端预先写好简单测试，判断你写的代码是否通过了测试？是否完成了该做的事？
所以编程恰好是一类非常容易训练模型的任务
数学也类似。你有海量数据，有大量已经解出的题目，而且输出结果很容易验证。所以在那些数据很多、验证机制很好的领域，比如自动驾驶也是其中之一，这些模型表现会极其出色
在那些数据不多的领域，尤其是全新的领域，模型表现就不会好，而这仍然是人类和创造力的机会。还有一些很难验证的领域，比如创意写作。到底谁来判断什么是好的创意写作，什么不是？什么是垃圾内容，什么不是？这些模型在这种领域就没有那么好，因为你很难建立一个闭环，让它们大量输出内容，然后马上由算法自动打分，而不需要人类参与说这个好、这个不好
比如你用这些模型做创意写作，它们会输出大量内容，甚至可以无限写文章。但另一端谁来判断它好不好？即便你雇一些低薪人员，像呼叫中心一样坐在那里说这个好或这个不好，最终质量也只取决于他们的品味
我认为最近这些编程模型突然变得很强有几个原因。其中一个是它们几乎在进行递归训练，比如一个模型帮助改进下一个模型。但我觉得更大的原因可能是，过去几个月里，很多最优秀的软件工程师开始使用这些模型，而他们的品味正在反馈回去。所以模型不仅获得了他们的代码，也获得了他们对于什么好、什么不好的判断
要提升这些模型，你需要高品味的反馈循环。而这种反馈循环比看起来更难建立，在某些领域，这件事是可处理的；而在另一些领域，很难看清它要如何发生
Apple 主导地位走向终结的开端
显而易见的部分是：你可以去构建自己的应用，这很棒。而稍微不那么显而易见的，是再往前走一小步的东西。对软件工程师来说，这些可能简单到好笑；但对非工程师，或者像我这样很久没写代码的人来说，想想还是挺有意思
其中一件事就是，我做了自己的应用商店。所以如果我想要一个应用，我真的可以在手机上打开 Claude。我可以操作一个远程终端，这个终端跑在我的桌面电脑上；也可以直接使用云端的 Claude
它可以连接到 Xcode
我给它两行描述，它就构建出一个应用，把它发到我的应用商店。我打开自己的应用商店 App，那个应用已经在那里了。我点击安装，30 秒后，我手机上就有了一个能工作的应用
这很像魔法。你真的可以在和某人吃饭聊天时，对方描述了一个想要的应用，你转述给 Claude，五分钟后就能把那个应用在手机上展示给他看
这就是为什么我说，这是苹果走向终结的开端。因为苹果依赖的是它的操作系统和应用比别人更好。硬件当然也更好，但真正支撑它利润率和垄断，或者准垄断地位的，不是硬件本身。当你的所有沟通开始通过 Claude、Codex 或其他智能体完成时，当你一整天不再打开 Uber App，而是直接说帮我叫一辆 Uber；不再打开健身 App，而是说我的训练应用在哪？记录我的训练，不要出错，这时你其实是在和智能体沟通
一旦这种情况发生，手机本身的必要性就会越来越小
也许还有一些银行应用和政府应用没有迁移，也没有合适的 API。但这些智能体甚至不一定需要 API。它们可以自己即时搞清楚，并创建自己的 API
使用场景不再是你和 iPhone 或 Android 手机交互，而是你直接和 AI 模型交互。现在苹果又在使用 Gemini，也就是 Google 的 AI 模型。那还有什么区别？我不如直接用 Android 手机，因为到那时我只需要一块屏幕、一块电池和连接能力。Android 在这些方面完全够用
然后应用和用户界面会根据我的需求即时生成。是的，在某些事情上，始终会有同类最佳的用户界面，你也会希望保留一些熟悉感。但那个点点点、升级系统软件、把这个拖到这里、找那个按钮、在那个字段里输入的时代正在过去。一切都应该变成对话式的，变成智能体式的。在那个世界里，苹果会失去大量优势，然后它只能在我们有最好的芯片、最好的集成硬件上竞争
但那不是今天苹果这种利润率。那更像三星或联想的利润率，而不是苹果想要的利润率。因此我认为它的市值会被压缩
我认为苹果放弃 AI，会被记作这个十年科技行业最大的战略错误，也是苹果主导地位走向终结的开端。这些公司可以存在很久，也可以赚很多钱。比如微软现在比以往任何时候都更有价值。但从某种意义上说，Microsoft Windows 已经输掉了那场战役，因为它错过了移动手机浪潮。它们停留在 Windows OS 上，没有从底层重新升级到一个为手机设计、基于触控的原生操作系统，也没有专注消费者，而是太关注企业市场。所以苹果超越了它们，并成为世界上最有价值的公司之一。我记得它曾经是最有价值的，现在可能是英伟达
同样地，我认为苹果也会被超越。我认为它未来的增长已经被封顶，因为它现在受制于 AI，而且落后了。除非它能让 AI 这艘船掉头，否则我认为苹果长期增长已经触顶，并且处在麻烦之中。不是说它不会有价值，而是它会比本可以达到的价值低很多
编程智能体将成为客服代表
另一件事是，在我正在构建的应用里，我做了一套 bug 报告基础设施。如果有人发现 bug，他点一下按钮，bug 就会把日志上传，并把 bug 文件发送到服务器。然后我让 Claude 每 24 小时去看一遍所有 bug 报告，并且自己把它们全部修掉，不需要我介入。它会把所有修复放进侧分支，供我审查。之后我只需要审核这些修复，说：啊，这其实不是 bug。这个修复不好，不要发布
或者说：这个看起来不错，有道理，发出去
我只是最后一道门，决定什么能上线。最终你可以想象，应用会以这种方式按功能构建：用户会请求功能，会给功能投票，然后云端某个有品味的维护者会看一眼，说：不，用户其实不知道自己想要什么
或者说：这个很有道理，我们应该修复或者改变它
所以我认为，软件开发甚至会变成一个与用户协作的过程，而智能体会处理其中的一切。因为从某种意义上说，智能体可以做完美客服。如果你的客服是完美的，那这个客服也应该是一个极其出色的程序员，而且永不疲倦。他会 24/7 在线，会写代码、修 bug、回复用户，而且没有自尊心。哪怕他写了大量代码来修一个 bug，最后你把它全扔掉，他也不会受伤。所以我觉得这种能力非常有吸引力。现在你真的可以拥有一两个人的软件公司，并且扩展到数百万、数千万用户，创造数十亿、上百亿美元的价值
这种事情过去也发生过，比如 Notch 和 Satoshi Nakamoto，或者像早期 Instagram 团队、早期 WhatsApp 团队这样非常小的团队，用很少的人创造了巨大影响。但我认为未来你会越来越频繁地看到这种事情
* 翻译于Naval博客原文：On Vibe Coding (原始文档 https://nav.al/code)
