最近幾個月，Vibe Coding（氛圍編程）成為社群網路上的熱門關鍵字。以 Cursor 和 Claude Code 為代表的一批工具，正將軟體開發效率推上全新高度。
熟悉工程體系的開發者迎來了一場生產力躍遷。他們能用更少時間完成更多工作，甚至以接近「對話式」的方式建構複雜系統。
但這場效率革命，尚未真正屬於大多數人。
即便 AI 能生成成千上萬行程式碼，一般用戶仍被 IDE 設定、依賴管理與雲端部署等繁瑣步驟擋在門外。Vibe Coding 將寫程式的速度提升了數個數量級，卻幾乎未降低「將程式碼轉化為可用軟體」的門檻——它加速的是編碼，而非交付。
面對此斷層，產業技術路線出現分歧。一條路徑持續強化「讓工程師寫得更快」；另一條路徑則試圖回答更根本的問題：能否跳過程式碼，直接交付軟體？
4 月 20 日全新升級的螞蟻靈光 App 正是後一方向值得關注的樣本，它正試圖透過 Wish Coding（意圖編程）重構軟體的生產關係。
所謂 Wish Coding，本質是將軟體生成的起點從「撰寫邏輯」降維至「描述意圖」。在靈光的架構中，傳統開發環境、編譯器及部署流程皆被隱藏。用戶無需思考實作路徑，只需用自然語言提出想要的功能，系統便於後台完成從程式碼生成到打包上線的全鏈路，最終交付一個開箱即用的應用實體。
此事之所以值得嚴肅討論，在於它試圖補上 AI 編程中长期缺失的一環：讓一般人也能完成從想法到可執行應用的閉環。
從程式碼生成到軟體交付
真正缺的是哪一層？
過去兩年，AI 編程產品層出不窮，但若從交付視角觀察，它們大致仍停留在以下幾個層級：
- 第一類交付的是程式碼片段或專案檔案，典型如 Cursor；
- 第二類交付的是可編輯、可預覽的專案環境，代表如 Bolt.new 與 Lovable；
- 第三類開始嘗試提供開發、運行、部署一體化能力，例如 Replit Agent。
這幾類產品皆具價值，但它們大多預設了一件事：用戶願意進入「開發流程」，理解專案結構、處理依賴、除錯報錯，並決定如何發布。
對開發者而言，這並非問題，甚至正是效率所在；但對一般用戶來說，此鏈路中任一環節都可能成為實際使用的阻斷點。他們或許能借助這些工具生成程式碼，卻未必能真正讓應用跑起來、用起來。
換言之，前者需要的是「更快地開發」，後者需要的則是「不要開發，直接得到結果」。這是兩個完全不同的設計目標，也對應截然不同的解題方法。
對此，靈光給出的答案是免維運（Zero DevOps）。程式碼編譯、環境打包與部署上線等開發過程對用戶「近乎不可見」。用戶不會看到任何程式碼，而是會收到一個即刻可用的最終應用。
要實現此種端到端的實體交付，系統必須解決自然語言固有的模糊性與發散性問題。用戶所說的話往往不精確、不完整甚至自相矛盾，如何從中收斂出可執行的軟體？這便引出靈光底層的核心技術機制：結構化意圖表示層。
內容由機器之心解讀，圖片由 AI 合成
當純初學者輸入一句充滿跳躍性甚至存在邏輯漏洞的指令時，大型語言模型在後台的運作邏輯遠比直接吐出程式碼文本複雜。
靈光的智能體將擔任系統架構師的角色。它會先將自然語言表述解析為嚴謹的功能模組樹與互動流程圖，並在高維度語意空間中定義好底層資料字典與模組間的耦合關係。在確保邏輯閉環完整後，系統才會基於這套中介結構進行程式碼的動態組裝。此種模組化的底層架構設計，可確保生成的應用擁有足夠穩固的骨架，能承受後續多次基於自然語言的修改與重構，有效避免無序程式碼堆疊導致的系統崩潰。
更有意義的突破在於端側原生運行環境的打通。目前許多 AI 應用生成平台受限於瀏覽器沙箱，生成产物往往僅能進行簡單的 DOM（文件物件模型）操作與頁面渲染。靈光的閃應用則直接下沉至行動端原生容器之中，在用戶授權後可取得即時 LBS 定位、讀取陀螺儀的傾斜與加速度數據，甚至還能控制震動馬達的反饋頻率與強弱。
實測
一句話能走多遠？
我們也進行了一些實測，舉例來說：請靈光設計一個類似 SBTI 的「我的靈魂動物」測驗。
我們要求系統建構 30 道莫名其妙的選擇題，並在測驗結束後輸出包含「憂鬱多思的大象」或「愛看笑話的水豚」等結果，同時還必須精準渲染出一個包含智力、腦洞力、戲精度等 6 個奇葩維度的六邊形雷達屬性圖。
不到 2 分鐘時間，一個獨立的小程式形態應用直接在對話框中完成了建構與上線。
4 倍速影片
雖然系統在最初生成時將我們期望的標題「我的靈魂動物」誤解成了「靈魂動物園」，但這微小的瑕疵只需一句簡單的補充指令就能瞬間修復。從流暢的答題頁面跳轉，到最終雷達圖的渲染生成，底層的互動邏輯相當清晰自洽。
消費級 Coding Agent
賭的不是精緻
在體驗靈光的過程中，驚喜與粗糙幾乎同時撲面而來。
例如在實測中，若用戶請靈光建構一個 AI 視覺辨識工具，它大概率只會交付一個僅具備前端 UI 互動的「模擬器」，並不會真正處理拍攝或上傳的圖片。此外，由於自然語言本身充滿歧義與發散性，當用戶在多輪對話中輸入了前後自相矛盾的修改指令時，靈光偶爾會陷入邏輯混亂，導致 bug。同時，生成應用的 UI 依然很生硬，讓人一看就是 AI 做的。
然而，用工業級成品軟體的標準去衡量閃應用，或者將靈光與專業開發者手中那些追求極致效率的 AI 編程工具對標，本身就是一種錯位的比較。
靈光作為一款面向大眾的消費級 Coding Agent，解決的是完全不同的命題：如何在一個完全非結構化的輸入空間中，為毫無技術背景的用戶交付一個功能閉環的可運行系統？
須知，一般用戶的輸入往往充滿歧義與跳躍，而系統必須同時扮演產品經理、架構師、設計師與工程師的角色。在此高維度的語意收斂過程中，必然會優先保證功能閉環與即時可用，從而也不得不在視覺設計或某些深層邏輯上做出妥協。
這種粗糙，恰恰是軟體工程從「精英製造」走向「大眾表達」的必經階段。
這與網際網路早期產品的演化路徑高度相似——最初的網頁粗糙、互動混亂，但它們首先做到了「能被存取」；早期的行動應用性能不穩定，但它們率先完成了「隨時可用」的範式轉移。在每一次技術普及的臨界點上，「可用」永遠優先於「完美」。
對專業開發者而言，一段完美無瑕的底層演算法程式碼可能價值連城。但對 99% 毫無編程經驗的普通人，一個哪怕只有及格水準但能夠馬上在手機上點擊運行的完整應用，其釋放的生產力價值遠勝於在沙盒裡展示滿分的殘缺程式碼片段。
這正是「消費級 Coding Agent」的底層邏輯。只要它生產出的應用能夠穩定運行、即時可用，並且可以被持續修改與迭代，就已經跨過了從 AI 生成程式碼到 AI 交付軟體的關鍵門檻。
消費級 Coding Agent 的真正賭注，不在於它當下能生成多精緻的應用，而在於它是否打開了一種新的可能性：當試錯成本趨近於零時，普通人也能將自己的意圖變成現實可用的應用。靈光也初步驗證了「從意圖到應用」的鏈路是走得通的。
創造力的大航海時代
正在到來……
靈光這次升級還同步上線了「靈光圈」——一個引入了協作與分發能力的 AI 應用朋友圈，用戶可以在其中分享自己建立的閃應用，也可以在他人作品基礎上用自然語言進行接力修改，堪稱意圖的開源社群。
當閃應用開始帶上社交屬性，在社群中流轉並被他人接力修改時，我們窺見了一種全新的軟體自演化模型。
在傳統軟體工程中，應用的迭代重度依賴開發團隊的規劃與漫長的發版週期。但在 Wish Coding 建構的協作網路裡，軟體的形態發生了質變，它更像是一種即插即用的數位內容。用戶完全可以為了解決一個具體的微小痛點去瞬間創造一個工具，用完即走，還能將其留在社群中，等待下一個有類似需求的人繼續用自然語言進行接力改造。
在這樣的生態中，軟體的生產與消費邊界開始模糊。用戶既是使用者，也是創造者；應用可以被快速生成、使用、修改與再分發。軟體也開始具備類似內容平台的演化特徵。
當然，必須清醒地看到邊界所在。對專業工程師而言，複雜系統的建構仍然不可替代。複雜系統、高可靠應用、關鍵基礎建設，短期內仍然離不開嚴肅的軟體工程方法。確定性、可維護性、可測試性、合規性，這些要求並不會因為自然語言生成變得不重要，反而會在更高價值的系統裡繼續被放大。
但對更廣泛的人群，創造數位工具的門檻正在下降。Wish Coding 可能在專業開發之外，開闢一個全新的、此前根本不存在的軟體生產層。在這裡，衡量創造力的標準也正從「程式碼實作能力」轉向「意圖表達能力」。
從這個意義上看，Wish Coding 讓我們看到了一種可能：當描述一個需求比實作一個需求更難時，軟體工程的瓶頸就從技術能力轉移到了意圖表達能力。我們可能正站在這個轉換的早期。
在程式碼生成能力加速平民化的今天，靈光以容忍產品早期粗糙感為代價，蹚出了一條 C 端平權之路。對絕大多數未曾涉足程式碼世界的普通人來說，這個屬於野生創造力的大航海時代，才剛剛拉開序幕。
© 完結
轉載請聯繫本公眾號獲得授權
投稿或尋求報導：liyazhou@jiqizhixin.com