AI赋能业务：普通人用vibe coding实现产品迭代

在一场AI行业圆桌讨论中，五位来自不同赛道的从业者分享了他们对AI产品落地的真实思考。容智信息联合创始人柴亚团抛出了一个犀利的观点：如果把大模型当成传统软件开发来做，项目必然失败。他的公司专注为政府和央企提供智能体落地服务，去年完成了20个落地项目，单项目规模从30万元到数百万元不等。作为面向大客户的服务商，他本应最在意客户的需求，但他直言，客户要求AI输出百分百准确、结果完全可预知的思路，从根源上误解了AI的价值。这场圆桌聚集了五位来自不同赛道的从业者，覆盖ToB智能体落地、vibe coding、无代码开发、个人智能助手、零代码内容平台等领域，他们的分享勾勒出AI产品从Demo到落地的完整脉络。

ToB智能体：不要用传统软件的标准要求AI

柴亚团提出了明确的AI项目验收标准：要通过验收，智能体的表现至少要超过人类。具体来说，如果人类一天能处理100单业务，智能体的处理量需要达到1000到2000单；如果人类的任务完成准确率或完善度在85%左右，系统的表现必须超过这个阈值。

容智信息服务的客户多为政府和国央企，项目规模从30万元到数百万元不等，这种尺度下，仅仅做出一个“看起来能跑”的界面毫无意义，业务结果必须真正落地。但实际推进中，很多客户会下意识用传统软件的逻辑要求AI，希望输入A就永远只得到A，这种思路会彻底消耗AI的价值。AI本身具备创造性和不稳定性，项目的关键在于先划定允许其发挥的范围，再明确禁忌和约束条件。

vibe coding：从Demo到可运营产品的最后10%

superun.ai联合创始人郭宇的服务对象是企业老板、业务负责人和创业者，这类群体熟悉自身业务，但大多缺乏设计、产品和技术管理经验。过去，这类用户的软件需求通常只有三条路可选：聘请外包团队（成本高）、等待内部IT团队排期（效率低）、购买标准化SaaS产品（无法满足个性化流程）。现在，用户可以通过自然语言聊天共同梳理需求书，选择设计方案，还能在过程中向AI助手咨询功能拆解、发布推进等问题。

郭宇表示，团队已经为数千位企业家提供了服务。对这类用户来说，真正的交付不止于生成页面，而是能够上线、持续使用和迭代的完整产品。

无代码的核心：让非技术者看懂系统逻辑

当AI替代了部分流程工作，用户是不是只需要开口就能完成所有事？函子科技创始人蒋耀锴给出了更冷静的答案。他将无代码的价值归结为“可见性”：系统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的运行逻辑。

他的担忧很具体：如果AI生成的代码直接变成黑盒，系统中的假设、依赖和限制会随着时间被压缩进上下文，逐渐被遗忘。受过计算机训练的专业人员还能通过阅读代码追溯问题，但业务拥有者做不到这一点，也就无法进行验证。

函子科技的评判标准很朴素：用户能通过工具赚到钱。曾有一位PE基金经理，因为爱好收集球星卡，在平台上搭建了第一个版本的卡牌收集器，用来追踪自己的藏品。随着身边的收藏爱好者纷纷加入，平台逐步衍生出寄售交易、团购、物流自动化和评级等业务。蒋耀锴介绍，这位用户目前仍独自运营，去年的营业额达到了600万元。

零代码平台：释放普通人的创造力

灵珠AI CMO吴荻将视角延伸到了更广泛的人群。她表示，灵珠的目标用户是10亿普通中国人，公测后的测试用户中，30至50岁人群占比60%，8至12岁儿童是第二大用户群体。

传统代码工具往往更容易吸引程序员，但零门槛创作正在让医生、律师、小老板和儿童参与进来。有人用平台制作互动医疗科普内容，有家长将错题本改成互动小程序，还有一位大二学生将卡牌游戏先在线上验证，再做成实体产品，订单额接近50万元。

这些产品未必符合传统SaaS的标准化逻辑，但真实回应了人们的个性化小需求。吴荻提到，过去产品经理常常会砍掉长尾需求，原因是定制成本高、产品难以规模化。AI降低了创作成本后，那些曾经被砍掉的需求终于有机会被实现。

吴荻所说的“代码权”下放，早已不限于管理系统的开发。互动游戏、知识科普、心理测评和各种小众作品，都能从一个人的想法，变成其他人愿意玩、愿意用、愿意付费的产品。

未来的AI工具：隐藏技术，只留价值

在讨论未来方向时，嘉宾们提到了多个技术关键词。蒋耀锴分享了智能体循环（Agent loop）的思路：让智能体在搭建过程中持续获取报错、依赖和前端渲染结果，以此为依据推进开发。他的判断很直接：无论人类还是AI，获得及时、丰富且有针对性的反馈时，学习效率最高。

柴亚团期待大模型能力持续增强，让当前需要大量工程化补位的工作变得更轻量化。郭宇则关注AI能否进一步参与产品运营、增长和迭代环节。马亮观察到，基础模型和运行约束框架（Harness）正在通过真实用户数据实现相互加速。

吴荻则将讨论拉回用户本身：普通人不需要研究选择哪个模型，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都应该留在后台，用户只需要通过对话说明自己的需求即可。

圆桌对话细节

服务群体与核心痛点

主持人首先请各位嘉宾介绍自己的服务群体和核心痛点，以及产品如何解决这些问题。

柴亚团：容智信息早期专注RPA领域，2023年起全面转型为面向ToB大客户的AI Agent公司。2025年我们完成了20多个智能体项目，客户覆盖政府和央企头部企业，项目规模从30万元到数百万元不等。我们采用FDE深度实施模式，分为两支团队：一支Echo团队深入客户业务，将真实需求转化为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。我们的核心是填平大模型基础能力与企业真实业务之间的鸿沟，让智能体帮助客户重构现有业务流程。过去的信息化时代，业务需要通过ERP、CRM等系统记录操作，系统依赖人类操作；而现在的智能体是“人+业务系统”的结合体，让业务实现自助化运行。我们从不提“替代人”，智能体的真正价值是提效和创收，是帮助人类跑得更快的引擎，而非取代人类的工具。

郭宇：我们的平台服务企业老板、业务负责人和普通创业者。他们的问题不在于没有想法，而在于开发软件需要懂设计、产品和技术，还需要管理团队。现在通过vibe coding能力，用户可以通过自然语言聊天，直接做出可以上线、运营和迭代的产品。我们已经为数千位企业家提供了服务，让他们能够直接搭建自己的产品系统。

蒋耀锴：我们的无代码开发工具服务的是“一人公司”的创始人，也就是非技术型创业者，他们需要为自己的生意搭建数字化解决方案。我们帮助用户搭建从数据库、工作流、API对接、智能体搭建到前端部署的完整系统，让非技术创始人能够开发自己的软件并持续迭代。

马亮：我们主要面向ToC用户，打造隐私优先的个人智能助手。传统智能助手需要用户手动提供上下文，每次从零开始交代任务，门槛很高。我们的产品会在用户使用电脑的过程中自动收集上下文，包括使用过的软件、操作记录、浏览过的网页，所有数据都存储在本地。当用户下达任务时，这些日常操作产生的上下文会自动成为助手的背景信息，不需要用户手动交代。我们定义了“indirect behavior”这个概念，也就是用户操作产生的隐含上下文，这类数据非常有价值，能避免用户反复重复交代任务的反人类体验。目前我们的产品以ToC为主，国内正在探索ToB场景的落地。

吴荻：灵珠AI是国内首家定位互动内容平台的零代码AI产品，目标用户不是940万程序员，而是10亿普通中国人。我们在6月25日开启公测，测试用户涵盖医生、律师、儿童、小老板等各行各业，其中30至50岁人群占比60%，8至12岁儿童是第二大群体。我们的产品真正实现了代码隐藏，让AI从可见变为不可见，拥有巨大的市场空间，有望重新定义内容平台，我们的使命是成为AI时代的抖音。

AI产品的成功评判标准

主持人提问，无论是ToB还是ToC项目，周期都在缩短，比如ToC项目15分钟就能完成Demo，那么用户和客户如何考核产品？评判成功的标准是什么？

柴亚团：ToB项目的考核更复杂。很多大客户初期对AI的期望极高，要求完美，但大模型本身存在能力局限，智能体的很多工作都在为模型补位。对于客户来说，智能体能否通过验收，核心标准是超过人类的表现：人类能完成的任务，智能体必须达到甚至更好，速度更快。比如人类一天处理100单，智能体至少要处理1000到2000单；人类的准确率在85%，智能体必须超过这个比例。目前随着模型能力提升，这个标准已经可以实现，但在几年前几乎不可能。我们会先和客户高层对齐目标，很多ToB客户一开始不清楚智能体能做成什么样，我们会作为陪跑伙伴一起探索。Echo团队会作为产品经理，和客户梳理业务需求，绘制蓝图，再和CXO层面对齐目标后推进。交付过程中会遇到很多挑战，需要通过工程化手段解决，比如弥补模型的幻觉和不稳定性问题。客户不会关心模型的问题，只关心最终结果是否达标。我们发现，不能用传统软件的标准要求AI，很多客户希望智能体百分百准确、结果完全可预知，输入A就得到A，这种思路是错误的——如果把AI当成传统软件用，就没必要用AI。AI本身具备创造性，输出结果应该是一个可接受的范围，我们只需要划定边界，通过提示词明确禁忌和约束，让AI在范围内发挥创造力，这样往往能得到意想不到的好结果。如果把大模型做成传统软件开发，项目必然失败；只有当成AI项目来做，充分发挥AI的创造性，才能获得好的结果，前提是先定义清楚边界。

郭宇：我们的情况比较特殊，过去是我们为企业交付软件，现在是让企业家自己开发软件。普通人没有设计、产品和技术经验，如何让他们自己做产品？过去有三种解决方案：外包成本高、内部IT排期慢、标准化SaaS无法满足个性化需求。现在vibe coding让他们可以自己完成。要让普通人做到这一点，需要解决三个核心问题：第一，能否让AI理解模糊的业务需求；第二，能否将模糊需求转化为合理的产品设计；第三，如何帮助非技术用户解决开发过程中遇到的各种问题。这其中有无数细节需要打磨，比如安全合规、用户权限、测试、部署、监控和持续迭代。我们需要让用户不需要学习编程，只需要懂业务就能完成产品搭建。最终的交付边界是，企业家认为产品可以正常使用，不需要额外学习编程知识，只需要懂业务就能搞定，并且可以上线、使用和持续迭代，不需要再找程序员帮忙。

蒋耀锴：我们定位为一人公司的技术底座，这个底座能发挥作用的唯一标准，就是用户能基于它赚到钱，在上面搭建业务系统并实现营收。比如早在AI出现前，我们就已经服务了近7年。2021或2022年，有一位PE基金经理因为爱好收集球星卡，在我们的平台上搭建了第一个版本的卡牌收集器，用来追踪自己的藏品。随着身边的收藏爱好者纷纷加入，平台逐步衍生出寄售交易、团购、物流自动化和评级等业务。这位用户目前仍独自运营，去年的营业额达到了600万元人民币。这就是我们认为的平台成功：工具的成功来自于用户的成功，用户用工具赚到钱，工具本身就是成功的。AI出现后，这个标准没有改变，只是过去达到这个标准需要用户有很强的探索精神和学习能力，而现在AI可以降低搭建难度，也就是所谓的vibe no coding，在无代码平台上借助AI完成搭建，难度更低、速度更快，同时保留无代码的可见性和可理解性。

马亮：对于ToC产品，尤其是智能助手类的AI产品，衡量用户满意度最核心的指标是留存率。ToB项目周期长，按年服务；ToC产品则以月为单位，核心是看付费或免费用户是否仍在持续使用。但留存率是结果指标，优化时不能只看结果，需要监控具体细节，比如用户的使用记录、任务失败情况、优化方向，以及传统指标如活跃度、付费转化率等。投资人目前也非常关注C端产品的留存率和流程。

吴荻：灵珠的产品比较特别，和其他赛道有很大不同。我们的用户包括完全不懂代码的专业人士，比如医生。我们一直认为，在AI时代，coding的门槛把很多人挡在了门外，我们希望将除程序员之外的所有人带入AI世界。比如有一位大二学生，用灵珠开发了卡牌游戏，线上验证效果不错后，在线下做成实体产品，订单额接近50万元，这远超我们的预期。还有三甲医院的医生用平台制作膀胱保养手册，通过微信群和朋友圈向患者提供互动医疗科普；10岁的小朋友制作了吃豆人游戏，还自己创造了编辑器和地图功能；家长用平台制作奥数错题本互动小程序，帮助孩子复习。我们看到，过去大厂的产品经理常常会砍掉长尾需求，因为定制成本高、难以规模化，但AI让创作成本降低，这些被砍掉的需求终于有机会被实现。coding不再只是程序员的专业技能，中国人拥有大量的想象力和创造力，只是缺少工具和平台来释放。灵珠希望成为这样的桥梁，让每个人都能释放自己的创造力。

与海外工具的差异化路径

主持人提问，各位的业务都基于当前的vibe coding技术，和OpenClaw、Codex、Cursor等海外标杆产品相比，你们做了哪些不同的设计？背后的洞察是什么？

郭宇：我们的客户大多不知道OpenClaw或Codex是什么，他们只关心自己的业务需求，比如搭建业务管理系统。海外产品大多面向程序员，存在本地化不足的问题：数据存储在国外、访问速度慢、需要翻墙，无法满足国内用户的需求。我们的产品解决了三个核心问题：第一，通过自然语言聊天，AI可以理解用户的业务需求，经过几轮沟通后自动生成完整的产品需求书，过程流畅顺滑；第二，需求确定后，AI会提供四种设计方案，类似装修公司提供的不同风格设计，用户可以选择满意的设计继续推进，不需要自己掌握设计知识；第三，在开发过程中，用户可以随时向AI助手咨询问题，比如功能规划、实现路径等，直到满意后再执行。我们将程序员的工作流程转化为普通人可以理解的对话，让懂业务的企业家不需要懂技术就能搭建软件，同时在本土优化了用户体验。

蒋耀锴：我们并不将OpenClaw或Cursor视为竞品，甚至我们已经发布了它们的插件，用户可以通过插件操作我们的无代码后台。最大的区别在于，海外工具生成的是代码，用户需要懂代码才能验证和调整。而无代码平台的特点是逻辑可视化，即便不懂代码，用户也能理解系统的运行逻辑。软件开发可以简化为产生想法、实践和验证结果三个步骤：想法来自用户，比如基金经理或医生的业务需求；AI作为助手完成实践环节；而验证环节，专业程序员可以通过代码追溯，但普通用户需要可视化的方式来理解。如果AI生成的产物是黑盒代码，产品拥有者会在后续运营中遇到无法追溯的问题，这就是我们和海外工具最大的区别：验证环节不需要专业的计算机教育背景，普通人也能参与。

马亮：我个人最近开源了一个vibe coding项目Open Vibe Coding，类似Lovable或V0，面向更广泛的大众用户。Codex和OpenClaw更多面向技术用户，普通用户开发应用时还需要考虑上线、并发、安全等问题，而蒋耀锴的产品刚好解决了这些痛点。AI生成的Demo有90%停留在演示阶段，真正完成最后的10%需要做很多工作。具体到我们的产品，和OpenClaw、Codex属于同一赛道，但我们的本地智能助手更关注普通人的办公增效场景。最大的区别在于，如果用户拥有高性能AI PC，我们的助手可以自动在本地配置和部署小参数模型，不需要依赖云端，也没有token焦虑。助手会在日常使用过程中自动收集操作记录并存储在本地，通过读屏、获取网页内容等方式，用本地大模型浓缩精炼这些信息。当用户下达任务时，助手已经掌握了用户的所有历史操作上下文，不需要用户手动交代，这是我们最核心的差异。

吴荻：对我们来说，Codex、Cursor等产品都是面向专业程序员的工具，用于开发软件、提升企业效率。但我们对coding的理解完全不同：零代码可以制作互动教育产品、互动游戏、互动文学、知识科普、心理测评等，其丰富程度远超想象。我们认为，AI时代的内容形态会发生变革，所有内容都会变成互动形式。过去，写小说是作家的事，但起点中文网让普通人也能成为作家；公众号让普通人成为自媒体；短视频让普通人成为视频博主。AI时代，互动内容将成为下一个变革点，每个人都可以参与创作。灵珠不仅是零门槛创作工具，还有互动内容市场，用户生成的所有互动作品都可以在市场中流通。不会创作的用户可以先体验、魔改现有作品，从1到2进行创作。我们的核心差异在于，不仅让用户自己使用工具，还构建了传播和互惠的生态，让创作权最大程度地下放，就像过去作家、视频创作的权利下放一样。之前很多人有好想法但缺少技术能力，现在灵珠抹平了这个知识鸿沟，让两三亿的灵活就业人员和小商家都能实现自己的想法。

影响行业的核心技术趋势

主持人最后提问，未来几个月哪些技术趋势会深刻改变产品和行业？

柴亚团：这个问题比较宏大，但我注意到谷歌DeepMind的CEO哈萨比斯表示AGI将在数年内出现。无论这个判断是否准确，我们可以确认大模型的智能水平会持续提升。目前我们做的很多工作，比如harness、loop engine等，都是在弥补模型的不足。如果模型能力增强，这些补位工作会变得更少。未来的agent engine可能会取代当前的各类循环引擎，当模型能力达到AGI水平后，只要做好agent工程，就能满足所有需求。

郭宇：过去几个月，我们的用户从最初不相信自己能开发软件，到现在已经有数千家企业成功完成了产品搭建，这得益于模型在理解业务需求、代码生成和持续输出方面的稳定性提升。我们未来的工作有三个方向：第一，进一步降低门槛，让任何懂业务的人都能开发软件，比如人力资源负责人可以搭建人力资源系统，销售负责人可以搭建销售系统；第二，让AI参与产品的运营、增长和迭代，让产品不仅能开发出来，还能持续运营并实现营收；第三，跟随技术迭代，优化系统的数字能力、数据能力、稳定性、安全性和可靠性，让用户获得丝滑的使用体验。

蒋耀锴：作为技术从业者，我想分享我们产品的最新迭代。我们很早就开发了智能体搭建工具，最初使用LangGraph的固定图结构，控制流根据大模型的判断在节点间流转。今年5月，我们参考了OpenClaw的源代码和相关的harness engineering、loop engineering概念，对系统进行了全面重构，现在基于agent loop的功能即将在本月发布。核心思路是让智能体做更多决策，在合适的时间提供上下文，在系统提示词的前后位置提供当前需要的反馈。比如在搭建软件时，智能体需要知道当前节点的输入输出是否完整、数据库表的关联关系、前端渲染的实时效果等。无论人类还是AI，获得及时、丰富且有针对性的反馈时，学习效率最高。这种调整会让agent loop的性能提升更快，未来半年产品会有显著的进步。

马亮：我认为未来一两年最明显的迭代来自基础模型和harness的相互加速。目前很多工具，比如OpenClaw、Codex，初期都不好用，因为基础模型的能力不足。但随着用户增多，模型公司获得了更多真实使用场景和数据，会不断迭代模型，进步速度非常快。比如Groq 4.5的提升非常明显，老马收购Cursor后的产品也有很大变化。这个螺旋上升的过程还在加速，很多业内人士对AGI的到来充满信心，比如智谱的唐杰认为明年就能实现，本质上都是因为这个加速过程，未来非常值得期待。

吴荻：从非技术用户的角度来看，很多技术名词都是硅谷精英创造的概念，用来引领市场风潮。但我们更关注用户的体验和需求。我们的产品采用Multi-agent架构和Harness engineering，但技术选型不重要，重要的是技术架构和产品设计是否匹配用户需求，用户能否轻松使用。很多coding产品需要用户选择模型，这对普通人来说是巨大的门槛，我们将所有模型选择和适配都放在后台，用户只需要通过对话完成创作，不需要了解代码、技能模板或模型选择。用户只需要一句话，后台会完成所有复杂的工作，用户体验越简单，背后的技术架构就越复杂。