「想到」就能「得到」：靈光圈，把 Coding Agent 交到普通人手里

軟件形態的每一次變化，都是生產力從少數人向更多數人釋放的過程。

作者｜湯一濤

編輯｜鄭玄

開發一個 AI 應用需要多久？螞蟻靈光給出的答案是 30 秒。

打開靈光，說一句「做一個溏心蛋計時器」。30 秒后，對話框里出現了一個能用的計時器，整個過程甚至比煮一顆真的蛋還快。再說一句「加上煮蛋過半時的震動提醒」，靈光又生成了一個新版本，計時器就真的調用了手機的震動馬達。

過去兩年 AI Coding 這條賽道爆發得兇猛。Cursor、Claude Code 這些產品讓開發者的生產效率抬到了新的水位，背后是一個行業共識：代碼生成（AI as a Coder）是通往 AI Agent 最有效的路徑。因為代碼是數字世界的通用語言，它能讓大模型把模糊的「人話」翻譯成能調用工具、能自我糾錯的系統行動。

但這條路徑有一個前提：得懂代碼。而懂代碼的人，在人群里永遠是極少數。

螞蟻靈光團隊把這個共識又往前推了一步：底層技術的根本性突破，必然在 C 端制造顛覆性機會。如果這條路徑只對 1% 的人開放，AI 的 C 端顛覆性就無從談起。

4 月 20 日，螞蟻靈光推出全新社區產品「靈光圈」，同時完成閃應用的核心功能升級。這組產品動作，回答的是同一個問題：

Coding Agent 要真正跑到 C 端，必須解決哪些具體的問題？

01

生成：從 Vibe Coding 到 Wish Coding

靈光做的第一件事，是把「做一個應用」這件事的門檻，從「寫代碼」換成了「說話」。

打開靈光，用戶面前只有一個對話框，看不到 IDE，也不需要處理代碼倉庫和依賴。

說一句「幫我做個溏心蛋計時器」，30 秒后對話里出現的是一個能選熟度（全熟 / 半熟 / 流心）、雞蛋大小（小 45 克 / 中 60 克 / 大 70 克）、能拖動調初始水溫的工具。再追加一句「加上煮蛋過半時的震動提醒」，新版本就真的調用了系統級的震動馬達，在手機上震了一下。

更小眾的例子是「螺栓連接裝配圖」閃應用。打開這個應用，出現的是螺栓大徑、小徑、上下零件厚度、螺母高度、墊圈厚度等七八個可拖動參數，主視圖全剖、俯視圖、總裝配高度都在實時計算。

這種專業程度，甚至可以稱得上是一個能替代入門級 CAD、做裝配查看的專業工具了。

靈光團隊把這種交互范式叫作 Wish Coding，相比當前行業熱議的 Vibe Coding，瞄準的是完全不同的人群。

Vibe Coding 加速的是程序員寫代碼本身，讓原本就在做軟件的人做得更快。它大大提高了開發效率，但 Vibe Coding 整個流程仍然需要用戶知道什么是 IDE、依賴管理、環境部署，受益者始終是全球不到 1% 的開發者群體。

Wish Coding 面對的是另一個問題：剩下 99% 的人，到底有沒有做軟件的需求？溏心蛋計時器和螺栓裝配圖這兩個例子，恰恰可以回應這件事。

需求是真實存在的，只是不在商業軟件的輻射范圍內。

商業軟件的做法是先找準一個足夠大的受眾群體，提煉通用需求，用一個版本賣給所有人，大量真實存在的長尾需求，就被這層商業過濾器篩掉了。

Wish Coding 則第一次把「專屬定制」的邊際成本壓到趨近于零。軟件開發可以擺脫商業規模的束縛，服務一個人在某一刻的獨特想法。

從產業視角看，Vibe Coding 是 AI 對軟件開發「工作效率」的提升，而Wish Coding 是 AI 對軟件開發「生產關系」的重構——它改變的不是怎么寫代碼，而是誰有資格做軟件。

02

交付：消費級的完成度

Wish Coding 解決的是「生成」這件事。但 AI Coding 過去兩年最大的教訓恰恰是，生成本身不難，難的是如何讓它真正跑到用戶手中。

問題出在生成之后。

消費級產品的決勝場，從 2010 年代中期開始就明確是移動端。你可以在自己身上做一次實驗：今天用的十個最高頻的數字產品，有幾個是在瀏覽器里完成的？幾乎都在 App 里。用戶的使用習慣已經被訓練成「點圖標即開」——食指按在屏幕上，應用立刻響應，這是移動端消費級產品的底層契約。

奇怪的是，當下最受關注的 AI Coding 產品幾乎全部把戰場選在了 Web。Lovable 生成的是跑在瀏覽器里的響應式網頁，基于 React 和 Supabase，不能提交到 App Store，也無法可靠調用手機的攝像頭、推送和生物識別。Vercel 的 v0 只生成前端 UI 組件，后端要自己接。Bolt.new 用 WebContainer 技術讓 Node.js 跑在瀏覽器里，生成的仍然是 Web 應用。

對開發者來說，Web 路線是順手的，瀏覽器天生跨平臺，一個 URL 就能分享。

但從 C 端用戶的視角看，這條路上每一步都是流失點：需要記住或收藏 URL；需要跳出當前 App 打開瀏覽器；需要等加載、斷網就不能用。十多年的移動互聯網把用戶的使用習慣訓練成了「點圖標即開」，響應式網頁再漂亮，也是上個時代的東西。

除了用戶習慣，更大的差異在于能力邊界。Web 應用被瀏覽器沙盒限制，跟硬件其實是隔絕的。能調用的能力局限在存儲 cookie、讀剪貼板、彈權限受限的通知，調不動系統級攝像頭、精確 LBS、陀螺儀和震動反饋。Web 路線下 AI 生成的應用，因此天然被壓縮在「信息處理工具」范疇：只處理信息，不和本地硬件發生交互。

翻開任何一個手機用戶的常用 App 列表，真正高頻的那些類型，比如拍照識物、掃碼支付、導航定位、即時通訊、健身記錄，幾乎全部依賴硬件調用。瀏覽器沙盒把這整塊 C 端軟件的基本盤完全擋在門外。

靈光從一開始就走了移動端原生這條路。閃應用直接跑在端側原生環境里，攝像頭、麥克風、本地存儲、系統通知、LBS、陀螺儀，這些手機原生能力用戶授權后都可以直接調用。做個「拍照識花」工具，它能真調起攝像頭取景并識別；做個「隨身備忘」，它也能調用語音識別、寫入本地存儲并發送系統通知。

這一層差異決定了 AI Coding 未來的能力天花板。Web 路線的 AI 應用只能做信息工具；移動端原生路線的 AI 應用，能做的是信息工具 + 本地交互工具。后者覆蓋的，才是 C 端軟件真正的高頻場景。

還有一層被大多數產品忽略的問題：AI Coding 過去兩年生成完的項目，絕大多數停留在本地跑不通的 Demo 階段。代碼寫完只是走了一半路，后面還要選服務器、搭運行環境、配置域名，這些瑣事的復雜度加起來經常超過寫代碼本身。

靈光把這些事一次性做掉了。生成即部署，不再有「部署」這個環節。平臺底層內置共享數據層，創建時直接開啟多人模式。一個「團建投票器」發給十位同事，所有人看到的是實時同步的數據。AI 生成物因此從個人效率工具，拓寬到了多人協同產品的量級。

端側運行、硬件調用、生成即部署，這三件事合起來，靈光在架構層面一次性定義了一套 AI Coding 的消費級基準。在這條基準之上，AI 生成應用才有可能從程序員的玩具，變成普通用戶的工具。

過去散落在開發周期不同環節的復雜工作被一次性抹平。AI Coding 在靈光這里，真正擁有了「消費級」的完成度。

03

生態：把 Fork 的對象從代碼換成意圖

一個應用被生成并分享出去后，它的生命周期才剛剛開始。而這次更新的「靈光圈」，正是承接這些創造力的社區形態。

乍一看，使用靈光圈的體驗很像刷社交網絡。首先是一個 Feed 流，有推薦和游戲兩個分類 Tab。每一條內容都可以點贊評論和收藏。區別在于，Feed 流里推送的不是圖文，而是可以直接上手用的閃應用。

每個閃應用頂部都有一個「改一下」入口，整個靈光圈的邏輯系在這個按鈕上。

GitHub 當年改變軟件行業的核心貢獻，是建立了一套以代碼倉庫為單位的協作范式：你寫了一個項目，我 Fork 一份，在你的基礎上改，再提 PR 合并回去。這套范式極其強大，但它有一個隱含前提：參與者必須能讀懂代碼。

靈光把可 Fork 的對象從代碼替換成了意圖。你在靈光圈刷到別人做的應用，想根據自己的場景調整，用自然語言說「我想在這個基礎上加一個 XX 功能」或者「我想把它改成 YY 場景用」，靈光就基于你的新意圖重新生成一個完整應用。

一個合理的質疑是：這種基于自然語言的 Fork，會不會在傳遞過程中失真？比如原作者的意圖被后續修改者理解偏了，生成出一堆似是而非的變體。

靈光的答案是一個結構化意圖表示層。每個應用在生成時，就被拆解為「哪些功能模塊、什么交互流程、什么數據結構」的中間表示，被平臺完整保留下來。Fork 傳遞的是這套結構化意圖，而不是一段飄在空氣里的自然語言描述。每一次「改一下」，系統都能理解用戶的修改意圖具體對應到哪些功能模塊的增刪改，以及這些變更如何級聯影響其他模塊。這是在結構化語義空間中的編輯操作，不是文本替換。

過去兩年不少產品都朝類似方向走過。Lovable、v0 都在做「讓 AI 幫你寫應用」，但它們都沒能跑出 Fork 生態。生成完之后，那句 prompt 就被丟棄了，留下來的只是代碼。用戶想改，要么改代碼（回到開發者門檻），要么把需求重說一遍讓 AI 重新跑（結果往往跑成另一個應用）。普通用戶 Fork 來的是陌生工程師寫的代碼，根本改不動。

一句話把「紅樓人物」測試改成「西游人物」測試

靈光的結構化意圖層讓情況倒過來：原作者的靈感被放大成所有參與者的想象力之和。過去需要「產品經理調研 + 團隊開發」才能走完的迭代路徑，現在每個使用者一句話就能完成。

如果說 GitHub 實現了代碼的開源，靈光做的事則是意圖的開源。

「溏心蛋計時器」一共經歷了 5 個版本的迭代，每個版本都可回溯

這時候，靈光圈長出來的東西就不只是一個內容社區，也不只是一個應用商店。你刷到的就是可以立刻上手用的應用，你改它的方式和你評論它一樣簡單。應用和內容在這里融為一體，一種新的信息媒介就此誕生。

回看技術發展規律，底層技術的突破要真正釋放社會影響，必然要經過一次「面向所有人」的形態重構。

圖像處理走過類似的路徑：Photoshop 把圖像編輯壓縮在設計師的專業圈子里；美圖秀秀把這件事做成普通人一鍵可用的操作；到小紅書這一代，圖像編輯已經嵌進每個人的日常表達，不再被當作一個獨立動作。

底層算法其實沒怎么變，變的是誰有資格使用它、在什么場景下使用它。

AI Coding 也正在經歷類似的分化，Claude Code 所代表的，是繼續強化專業開發者生產效率的路徑，而靈光試圖驗證的，則是讓不會寫代碼的人，也能把自己的具體需求直接變成可用的軟件。

靈光自去年上線以來，平臺上已經積累了超過 3000 萬個用戶創造的閃應用。這說明這種形態已經越過嘗鮮階段，開始接管越來越多原本沒資格被做出來的輕量軟件需求。

這次靈光圈的上線，其意義不在于一次產品更新，而在于它給 AI Coding 從開發者工具走向消費級基礎設施的路徑，擺出了一個可以被持續驗證的樣本。

無論如何，有一點是可以確定的，軟件形態的每一次變化，底下都是同一件事在發生——生產力從少數人手里，向更多數人釋放。

*頭圖來源：螞蟻靈光

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

AI Agent 全面進入企業與日常工作，安全與信任問題備受關注。AI 替你簽合同、辦業務、處理數據，誰來證明它可信、誰來界定責任？

今晚 19:00，極客公園視頻號直播間，極客公園創始人 & 總裁張鵬對談 e 簽寶創始人兼 CEO 金宏洲、AI 領域博主李超，一起聊聊 Agent 時代的信任基礎設施該如何搭建。