从Vibe Coding到Wish Coding，AI编程迎来C端拐点

最近几个月，Vibe Coding（氛围编程）是一大刷屏热词。以 Cursor 和 Claude Code 为代表的一批工具，正在将软件开发效率推向新的高度。

熟悉工程体系的开发者迎来了一场生产力跃迁。他们可以用更少的时间完成更多的工作，甚至以接近「对话式」的方式构建复杂系统。

但这场效率革命，尚未真正属于大多数人。

即便 AI 能生成成千上万行代码，普通用户依然被 IDE 配置、依赖管理和云端部署这些繁琐的步骤挡在门外。Vibe Coding 把写代码的速度提升了几个数量级，却几乎没有降低「把代码变成可用软件」的门槛 —— 它加速的是编码，而非交付。

面对这种断层，行业的技术路线出现了分叉。一条路径仍在强化「让程序员写代码更快」；而另一条路径则试图回答一个更根本的问题：能否跳过代码，直接交付软件？

4 月 20 日全新升级的蚂蚁灵光 App 正是后一方向上值得关注的样本，它正试图通过 Wish Coding（意图编程）重构软件的生产关系。

所谓 Wish Coding，其本质是将软件生成的起点从「编写逻辑」降维到「描述意图」。在灵光的架构中，传统的开发环境、编译器以及部署流程被隐藏了起来。用户不需要思考实现路径，只需用自然语言提出想要的功能，系统便会在后台完成从代码生成到打包上线的全链路，最终交付一个开箱即用的应用实体。

这件事之所以值得严肃讨论，是它试图补上的 AI 编程中那段长期缺失的链路：让普通人也能完成从想法到可运行应用的闭环。

从代码生成到软件交付

真正缺的是哪一层？

过去两年，AI 编程产品层出不穷，但如果从交付视角看，它们大致仍停留在几个层级：

• 第一类交付的是代码片段或工程文件，典型如 Cursor；

• 第二类交付的是可编辑、可预览的项目环境，代表如 Bolt.new 和  Lovable；

• 第三类开始尝试提供开发、运行、部署一体化能力，比如 Replit Agent。

这几类产品都很有价值，但它们大多仍然默认一件事：用户愿意进入「开发流程」，理解项目结构、处理依赖、调试报错，并决定如何发布。

对于开发者来说，这并不是问题，甚至正是效率所在；但对于普通用户来说，这条链路中的任意一个环节，都可能成为实际使用中的阻断点。他们或许可以借助这些工具生成代码，却不一定能真正把应用跑起来、用起来。

换言之，前者需要的是「更快地开发」，后者需要的则是「不要开发，直接得到结果」。这是两个完全不同的设计目标，也对应着完全不同的解题方法。

对此，灵光给出的回答是免运维（Zero DevOps）。代码编译、环境打包与部署上线等开发过程对用户「近乎不可见」。用户不会看到任何代码，而是会收到一个即刻可用的最终应用。

要实现这种端到端的实体交付，系统必须解决自然语言固有的模糊性与发散性问题。用户说的话往往不精确、不完整甚至自相矛盾，如何从中收敛出可执行的软件？这就引出了灵光底层的核心技术机制：结构化意图表示层。

内容由机器之心解读，图片由 AI 合成

当纯小白用户输入一句充满跳跃性甚至存在逻辑漏洞的指令时，大模型在后台的运转逻辑远比直接吐出代码文本要复杂。

灵光的智能体会充当系统架构师的角色。它会先将自然语言表述解析为严谨的功能模块树和交互流程图，并在高维度的语义空间中定义好底层的数据字典与模块间的耦合关系。在确保逻辑闭环完整后，系统才会基于这套中间结构进行代码的动态组装。这种模块化的底层架构设计，可确保生成的应用拥有足够稳固的骨架。它能够承受后续多次基于自然语言的修改与重构，有效避免无序代码堆砌带来的系统崩溃。

更为有意义的突破在于端侧原生运行环境的打通。目前许多 AI 应用生成平台，受限于浏览器沙箱，生成的产物往往只能进行简单的 DOM（文档对象模型）操作与页面渲染。灵光的闪应用则直接下沉到了移动端的原生容器之中，在用户授权后可以获取实时 LBS 定位、读取陀螺仪的倾斜与加速度数据，甚至还能控制震动马达的反馈频率与强弱。

实测

一句话能走多远？

我们也进行了一些实测，举个例子：让灵光设计一个类似 SBTI 的「我的灵魂动物」测试。

我们要求系统构建 30 道莫名其妙的选择题，并在测试结束后输出包含「忧郁多思的大象」或「爱看笑话的卡皮巴拉」等结果，同时还必须精准渲染出一个包含智力、脑洞力、戏精度等 6 个奇葩维度的六边形雷达属性图。

不到 2 分钟时间，一个独立的小程序形态应用直接在对话框中完成了构建与上线。

4 倍速视频

虽然系统在最初生成时将我们期望的标题「我的灵魂动物」错误理解成了「灵魂动物园」，但这微小的瑕疵只需一句简单的补充指令就能瞬间修复。从丝滑的答题页面跳转，到最终雷达图的渲染生成，底层的交互逻辑相当清晰自洽。

消费级 Coding Agent

赌的不是精致 

在体验灵光的过程中，惊喜与粗糙几乎同时扑面而来。

比如在实测中，如果用户让灵光构建一个 AI 视觉识别工具，它大概率只会交付一个仅具备前端 UI 交互的「模拟器」，并不会真正处理拍摄或上传的图片。此外，由于自然语言本身充满了歧义与发散性，当用户在多轮对话中输入了前后自相矛盾的修改指令时，灵光偶尔会陷入逻辑混乱，导致 bug。同时，生成的应用的 UI 依然很生硬，让人一看就是 AI 做的。

然而，用工业级成品软件的标准去衡量闪应用，又或者将灵光与专业开发者手中那些追求极致效率的 AI 编程工具对标，本身就是一种错位的比较。

灵光作为一款面向大众的消费级 Coding Agent，解决的是一个完全不同的命题：如何在一个完全非结构化的输入空间中，为毫无技术背景的用户交付一个功能闭环的可运行系统？

要知道，普通用户的输入往往充满歧义与跳跃，而系统必须同时扮演产品经理、架构师、设计师与程序员的角色。在这个高维度的语义收敛过程中，必然会优先保证功能闭环与即时可用，从而也不得不在视觉设计或某些深层逻辑上做出妥协。

这种粗糙，恰恰是软件工程从「精英制造」走向「大众表达」的必经阶段。

这与互联网早期产品的演化路径高度相似 —— 最初的网页粗糙、交互混乱，但它们首先做到了「能被访问」；早期的移动应用性能不稳定，但它们率先完成了「随时可用」的范式迁移。在每一次技术普及的临界点上，「可用」永远优先于「完美」。

对于专业开发者而言，一段完美无瑕的底层算法代码可能价值连城。而对于 99% 毫无编程经验的普通人，一个哪怕只有及格水平但能够马上在手机上点击运行的完整应用，其释放的生产力价值远胜于在沙盒里展示满分的残缺代码片段。

这正是「消费级 Coding Agent」的底层逻辑。只要它生产出的应用能够稳定运行、即时可用，并且可以被持续修改与迭代，就已经跨过了从 AI 生成代码到 AI 交付软件的关键门槛。

消费级 Coding Agent 的真正赌注，不在于它当下能生成多精致的应用，而在于它是否打开了一种新的可能性：当试错成本趋近于零时，普通人也能将自己的意图变成现实可用的应用。灵光也初步验证了「从意图到应用」的链路是走得通的。

创造力的大航海时代

正在到来……

灵光这次升级还同步上线了「灵光圈」—— 一个引入了协作与分发能力的 AI 应用的朋友圈，，用户可以在其中分享自己创建的闪应用，也可以在他人作品的基础上用自然语言进行接力修改，堪称意图的开源社区。

当闪应用开始带上社交属性，在社区中流转并被他人接力修改时，我们窥见了一种全新的软件自演化模型。

在传统的软件工程中，应用的迭代重度依赖于开发团队的规划与漫长的发版周期。但在 Wish Coding 构建的协作网络里，软件的形态发生了质变，它更像是一种即插即用的数字内容。用户完全可以为了解决一个具体的微小痛点去瞬间创造一个工具，用完即走，还能将其留在社区中，等待下一个有类似需求的人继续用自然语言进行接力改造。

在这样的生态中，软件的生产与消费边界开始模糊。用户既是使用者，也是创造者；应用可以被快速生成、使用、修改与再分发。软件也开始具备类似内容平台的演化特征。

当然，必须清醒地看到边界所在。对于专业工程师而言，复杂系统的构建仍然不可替代。复杂系统、高可靠应用、关键基础设施，短期内仍然离不开严肃的软件工程方法。确定性、可维护性、可测试性、合规性，这些要求并不会因为自然语言生成变得不重要，反而会在更高价值的系统里继续被放大。

但对于更广泛的人群，创造数字工具的门槛正在下降。Wish Coding 可能在专业开发之外，开辟一个全新的、此前根本不存在的软件生产层。在这里，衡量创造力的标准也正从「代码实现能力」转向「意图表达能力」。

从这个意义上看，Wish Coding 让我们看到了一种可能：当描述一个需求比实现一个需求更难时，软件工程的瓶颈就从技术能力转移到了意图表达能力。我们可能正站在这个转换的早期。

在代码生成能力加速平民化的今天，灵光以容忍产品早期粗糙感为代价，蹚出了一条 C 端平权之路。对于绝大多数未曾涉足代码世界的普通人来说，这个属于野生创造力的大航海时代，才刚刚拉开序幕。

© THE END

转载请联系本公众号获得授权

投稿或寻求报道：liyazhou@jiqizhixin.com