宝玉
3个月前
Vibe Coding 清理服务(Vibe Coding Cleanup as a Service) 作者:Donado Labs 一个全新的服务门类正在科技圈悄然兴起——“Vibe Coding 清理服务”。它最初只是LinkedIn上的一句调侃:“修复AI造成的烂摊子”,没想到竟然变成了真金白银的商机。现在,几乎没人敢公开承认的残酷真相是:绝大多数AI生成的代码根本达不到生产标准,各家公司不得不疯狂招聘专家,来解决AI造成的技术债务(technical debt),以防止项目彻底失控。 “凭感觉编程”的井喷时代 2025年初,知名AI专家Andrej Karpathy提出了“凭感觉编程”(Vibe Coding)这个词。他用这个概念精准地描述了当下开发者的日常:通过和AI聊天,几句话就能生成整个函数,而不用亲自一行一行地敲代码。这种编程方式据称能让开发效率提升10倍。根据GitHub的报告,如今92%的开发人员都在使用AI代码工具,仅Copilot每个月就生成了数十亿行代码。 但这个看似美好的故事里,却有个业界不愿面对的问题:AI生成的代码质量堪忧。GitClear分析了1.5亿行代码后发现,AI辅助的代码“翻工率”(churn rate)比传统代码高出41%——也就是说,接近一半的代码在两周内就被撤销或重写了。斯坦福大学的研究者也证实:使用AI工具的开发人员写出的代码安全漏洞更多,但他们却误以为自己的代码更安全。这些工具不仅复制了糟糕的编程习惯:缺乏输入验证、使用过时的依赖库,还做出让资深程序员痛苦的架构选择。 “代码清理”成了真正的生意 据404 Media的调查报道,许多开发者正依靠修复AI代码谋生。Hamid Siddiqi便是其中的佼佼者,他同时接手15-20个代码清理项目,每小时收取高额费用来梳理他口中的“AI意大利面条”(AI spaghetti):接口混乱、功能重复,甚至还有令人摸不着头脑的业务逻辑。软件咨询公司Ulam Labs甚至直接把“Vibe Coding 清理”作为主打服务进行推广。 市场需求之大催生了专门的平台 VibeCodeFixers .com。这个平台推出短短数周,就吸引了超过300名代码清理专家入驻,成功匹配数十个项目。创始人Swatantra Sohni形容典型的客户是:“烧光了5000美元的OpenAI积分,拿着一个勉强能用的半成品,不肯放弃,但又急需把它变成正式产品。” TechCrunch甚至指出,目前Y Combinator 孵化的创业公司中有25%的代码几乎完全由AI生成。从硅谷的状况来看,这个趋势规模惊人。 为什么AI代码难以达到生产标准? 问题的核心并不是AI写代码太差,而是它只擅长局部优化,根本不理解整体架构。Stack Overflow的分析指出,AI只适合完成孤立的小任务,但在系统架构决策上表现糟糕。每一个AI生成的代码片段都在制造技术债务:模式不一致、逻辑重复、暗藏安全漏洞,而这些问题通常连自动扫描工具也发现不了。 乔治城大学的研究发现,至少48%的AI生成代码包含严重的安全缺陷。AI工具时常将敏感信息泄露到代码中,建议开发者使用过时的库,还生成只有在高负载时才暴露出来的竞态条件(race condition)。更糟糕的是,很多开发人员甚至无法理解AI生成的代码,根本没能力发现这些隐患。Thoughtworks把这种现象称作“能力债务”(competency debt):开发团队逐渐丧失自己维护代码的能力,逐渐依赖无法彻底理解的AI代码。 清理服务的巨大市场机会 “Vibe Coding 清理”的市场正在快速增长,虽然还没有明确的行业统计数据,但Gartner预测,到2028年,75%的企业软件工程师都会使用AI代码助手。只要其中一小部分项目需要清理——而目前的情况表明大部分都会需要——这个新兴市场就极为庞大。 经济账很容易算清楚:初创公司用Vibe Coding省下数周时间快速做出原型,再花相似的时间和预算来清理。尽管如此,总体速度仍比传统开发快得多。掌握快速清理AI烂摊子的专家,收费可高达每小时200-400美元。有些专家甚至开始打造标准化服务:固定价格的代码清理套餐、AI代码审计和“从凭感觉到生产就绪”的流水线。 Thoughtworks指出,AI辅助代码项目中,重构代码的活动减少,但代码返工率激增。许多公司甚至专门招聘“AI代码修复专家”。毫无疑问,这个市场是真实存在的,正在飞速发展,而且潜力巨大。 软件工程的未来将如何变化? 我们正经历一场软件开发方式的根本转变:AI负责初始实现,人类负责架构设计、测试和代码清理。这可能不是我们曾设想的未来,但确实是当下发生的现实。 Gergely Orosz认为,AI工具就像“极其积极的初级程序员”:写代码速度飞快,但需要不断指导。问题是,这些AI初级程序员永远无法晋升到资深级别,清理专家永远有市场。 我们的态度 在 Donado Labs,我们清理过太多AI造成的烂摊子。我们深知AI虽然能加速开发,但只有专业的代码清理才能让AI代码真正可用。我们用AI进行原型开发和日常任务,但关键架构和业务逻辑仍由人工完成。我们的“从Vibe到生产”的服务专门帮企业把AI原型转化为生产环境可用的代码,确保测试充分、安全可靠、文档清晰。 真正成功的企业不是大量使用AI的,而是聪明使用AI的。他们用AI快速原型,再主动投入专业的清理服务,避免技术债务堆积。 下次再有人说AI会取代程序员时,问问他:“AI的烂摊子谁来清理?”这才是新的机会所在。
凡人小北
3个月前
在 OpenAI 最新那篇《How People Use ChatGPT》的研究报告里,可以看到一个很多技术人不愿意承认的事实。 我们天天讨论 AI 的未来、模型的能力、Agent 的协同,但普通人真正反复在用的确是最不起眼、最没技术含量、但最能偷懒的那一类小脑力动作。 很多的创业方向都是 AI 重构操作系统,但在报告里能看到的基本都是这样的提问场景: “我懒得写,你帮我润色下” “这事我大概懂,但你能快速解释一下吗” “我脑子卡住了,你先给我几个思路我再改” 就是这类小到不能再小、但一天下来会出现无数次的轻认知需求。 要说这些任务值钱吧,好像也不大值钱;但要说不值钱吧,每一次都真想掏出点什么东西来换时间、换注意力、换一口气不费脑的轻松感,于是,这反而成了 ChatGPT 用得最频繁的几个场景。 报告里有个特别关键的数据点:写作、实用建议、信息查询这三类用途,加起来占了用户对话的大头。 注意!!! 不是图像生成、代码开发和多模态探索之类的,就是字面意义上的“你帮我想点内容”、“你帮我写点东西”、“你告诉我这个怎么做”,极其朴素、但极其高频的脑力协助。 更有意思的信息是,真正把这三类用法用在工作场景中的人占比也很高,尤其是在教育程度高/收入水平高/日常脑力劳动密度大的人群中。也就是说大量的高认知人群的低成本输出策略,用 AI 省点脑子,完全不是因为不会做,单纯的不想做或者不想做得那么费力。 我意识到一个很本质的判断转变,AI 应用不应该去比谁更智能,而应该去比谁更懂人类和人类不想动脑的那一瞬间。 很多技术人一个很大的错觉,以为大家想要一个能回答所有问题的 GPT,其实大家更想要一个能帮他们免于思考前5分钟的小工具;以为用户要的是全链路智能流程,其实用户更需要的是一个“我脑袋转不动了你先帮我垫一脚”的认知助理;以为大家要构建的是一个 super agent,但现实中能留下来的产品,很多时候可能只解决了一个问题,比如:懒得写。 也正因为这样,我现在看“做什么 AI 应用能赚钱”这个问题,视角已经完全变了。别去想还能不能做一个内容平台、一个垂直模型、一个 SaaS 系统。应该反过来去问自己:我有没有办法,找到一个特别具体、特别细分、但特别常见的人类偷懒瞬间,然后围绕这个瞬间,去设计一套轻决策路径 +提示词模板 + 好的 UI 输出,让用户在最不想动脑的时候,最快拿到可修改的半成品。 而当这个偷懒动作被频繁触发,它就自然变成了习惯性的AI 肌肉记忆,而我们所做的应用,也就从一个工具变成了大脑外挂。 那 AI 产品的商业价值又该如何定义,可能有一类不在于能不能模拟一个人类专家,而在于能不能替用户做掉那些明明可以做但就是不想做的动作。 真正的市场不应该只盯着智能的天花板,往下看看,再懒惰的地板上也有大量的机会。 那再 AI 革命的宏大叙事下,我们追求的就不只是让人更强,让人更轻也应该进入视野。 人类会为强大而敬畏,但也会为轻松而掏钱。 思考下自己的日常,再环顾下市场,一个值得做的 AI 应用,不一定惊艳,但一定能替人类懒一次。 所以, 你想不想做一款 AI 产品,能替用户少动一次脑? 你能不能用 prompt、memory、数据和一点点贴心,帮人类多偷一秒懒? 如果可以,那它可能比我们写出一个能做十种事情的智能体,还更容易被买单和留存。 这类的机会还有很多。
orange.ai
3个月前
最近听的最有价值的播客,是 Claude Code 使用量全球榜一大哥,刘小排在koji的十字路口的播客。 听完的一些收获: 1. 刘小排发现,人们都说 AI 不赚钱,其实是榜单头部的 AI 产品基本都不赚钱。但这跟他的体感完全不同。只要你不乱花钱投放,降低营销和人力成本,从第一天就开始赚钱。 2. 别被 Claude Code 的 Code 这个单词所迷惑,它是一个通用 Agent 工具,从调研到写代码都可以做。 3. 只要在虚拟世界中,任何有标准操作程序(SOP)的事情都可以通过 Claude Code 实现自动化。 4. Claude Code 的价值在于其可控性,允许用户根据需要为其提供工具,从而实现无限级的扩展,这与 Manas 等内置工具受限的 Agent 不同。 5. 用 Claude Code 之前可以先读官方文档,很多功能比如7x24地跑都是官方宣传的功能,根本不是黑科技 6. 使用 Claude Code 如何避免屎山代码?你先在飞书里把需求文档写清楚,最好配上图,然后再和AI讨论一下需求的细节,需求不清楚的结果就是屎山代码。 7. 猎豹移动的产品方法论,核心在于 “简单”,即专注于一个功能并做到极致,而不是做加法 8. 他从猎豹移动学到的产品三段论是:预测、单点击穿、All-in,即预测市场趋势,找到一个点站稳脚跟,然后投入所有资源。 9. 在微软亚洲研究院实习时发现 “科技” 是两个词,即 “科学” 和 “技术”,并意识到自己做的是工程而非科学,这一认知影响了他日后的创业方向。