本文是 Replit 的创始人 Amjad Masad 所写，主要描述了公司从传统编程平台向基于自然语言的“软件生成平台”转型的历程。他强调，Replit 的核心目标已从“帮助用户编写代码”转变为“让用户通过自然语言轻松创建软件”。通过推出名为“Agent”的创新工具，Replit 正在推动软件开发的民主化，使非专业人士也能创建高度定制化的应用程序。这种转变不仅加速了公司的收入增长，还可能彻底改变人们与计算机交互的方式。

1. Replit 的战略转型与 Agent 的推出

• 从编程到软件生成：Replit 不再仅仅是一个代码编写工具，而是一个通过自然语言生成软件的平台。
• Agent 的成功：2023 年 9 月推出的 Agent 是首个大规模可用的软件代理工具，用户仅需 $25 即可创建 30-40 个小型 SaaS 应用，极大降低了开发成本。
• 团队重组与增长：尽管因战略调整裁员后团队规模减半，但公司收入在短短 5-6 个月内增长了 5 倍。

2. Agent 的核心特点与应用

• 高度定制化：用户可以通过代码调整应用程序的功能，使其完全符合个人需求。例如，Masad 自己使用 Agent 将医生提供的 PDF 表单转化为睡眠记录应用，并不断优化。
• 全栈解决方案：Replit 提供从开发环境到数据库管理的一站式服务，用户无需具备深厚的技术背景。
• 人机协作：Agent 依赖“人类在循环中的”模式，用户需不断指导和调整代理的任务方向，避免其“漂移”。

3. 技术基础与行业影响

• 依赖基础模型：Agent 使用 Anthropic 的 Claude 3.5 模型，并通过工程创新实现了更高效的任务执行。
• 测试时计算（Test-Time Compute）：通过并行运行多个代理并选择最佳结果，Agent 提高了任务完成的可靠性。
• 未来潜力：尽管目前尚未出现重大突破性的模型，现有技术的持续优化已显著提升实际应用能力。

4. 软件开发的民主化

• 非专业用户的崛起：Replit 正在缩小程序员与普通用户之间的差距，任何人都可以通过 Agent 创建应用程序。
• 技能转变：未来的关键技能将是清晰思考、有效地与 AI 系统交互，以及将创意转化为可执行的指令。
• 应用场景广泛：从工作到生活，用户可以创建满足个人需求的小型应用，而无需依赖昂贵的 SaaS 工具。

5. 行业趋势与挑战

• 计算能力的限制：Replit 已面临云服务商（如 Google Cloud）计算配额的瓶颈，但 Masad 认为未来的突破可能来自算法改进和数据利用，而非单纯的计算扩展。
• 自然语言界面的未来：Masad 预测，未来两年内，基于自然语言的用户界面将成为主流，取代鼠标和传统交互方式。

6. 长期愿景

• 个人软件革命：Replit 希望通过降低开发门槛，让普通用户像使用 PC 和智能手机一样轻松创建软件。
• 消费者级产品：未来版本的 Replit 将针对普通用户和学生优化，推动软件开发的普及化。
• 经济潜力：随着平台的易用性提升，预计会出现更多基于 Replit 的创业公司和高收入个人开发者。

原文

Reed Albergotti: 是什么促使你转向 AI 智能体 (Agent) 方向的？

Amjad Masad: 这背后有点像创始人二次创业的故事。公司发展壮大后，企业文化变得有些迟缓和保守。因此，我组建了一个名为“AI 智能体 (Agent) 特遣队”的团队，汇集了公司最优秀的人才。我们要彻底改变公司的发展方向。Replit 的目标不再仅仅是编写代码，而是要创造软件。我们希望仅通过自然语言就能轻松“召唤”出所需的软件。

那时，这个想法是否可行还不确定，但团队中的每个人都充满干劲。我们进行了裁员，那些没有加入 AI 智能体 (Agent) 特遣队的员工感到士气低落，觉得自己没有在做重要的事情，所以很多人最终选择了离开。我们失去了一半的团队，从 130 人减少到大约 65 人。但与此同时，在过去的五到六个月里，我们的收入却增长了五倍。

哇。收入增长来自哪里？

AI 智能体 (Agent)。它取得了巨大的成功。我们在九月份发布了它，这基本上是目前世界上第一个可供体验的大规模、实用的软件 AI 智能体 (Agent)。我甚至可以说它是独一无二的。

Cognition 公司开发的 Devin（一款编码 AI 智能体 (Agent)） 应该是什么样的？

他们最近宣布了一项 500 美元的收费计划，但我认为他们的规模还无法与我们相比。在 Replit 上，你只需支付 25 美元，就能获得相当多的使用额度。每月花费 25 美元，你就可以构建 30 到 40 个微型 SaaS 应用，并且可以根据需要付费继续开发。人们可以用 5 到 10 美元的价格构建应用程序。许多用户正在用它替换内部工具，彻底淘汰原有的 SaaS 产品。无论是大型企业还是小型创业者，他们都借此节省了大量资金。

有没有哪款工具特别受欢迎，被大家广泛使用？

并没有。有趣的是，它的应用呈现出“长尾”分布的特点。如果某一款应用特别流行，肯定会有人直接复制或借鉴。但 Replit AI 智能体 (Agent) 的独特之处在于其高度的定制化。如果你使用 TypeForm，只能点击一些预设的选项。而使用 Replit AI 智能体 (Agent)，你可以利用代码的强大功能，对应用进行无限的个性化定制，从而构建完全符合你需求的工具。

我正在与一位睡眠医生合作，他给了我一张纸质的记录表，让我记录睡眠日记。如果我用纸记录，很容易就会弄丢。所以我把医生发给我的 PDF 文件导入到 Replit AI 智能体 (Agent) 中，把它变成了一个可以记录我睡眠情况的应用程序。随着时间的推移，我不断地为它添加新功能，例如绘制睡眠数据图表和进行分析。这就像拥有一个随叫随到的初级开发人员。

你需要在云端建立数据库吗？它是自动完成所有这些操作，还是你需要了解相关技术？

Replit 的优势在于，我们过去七八年一直在构建相关的基础设施。它可以自动处理所有这些事情，并且完全托管。

在发布 AI 智能体 (Agent) 之前，你曾提到，你们的优势在于可以看到代码从概念到实际应用的全过程。这是否是 AI 智能体 (Agent) 特遣队成功的关键？

关键的突破在于我们为实现 AI 智能体 (Agent) 所做的许多工程方面的工作。当然，Anthropic 的 Claude 3.5 Sonnet 模型 [以及] 对整个行业来说也是一个巨大的进步。Cursor 等公司都是在这款模型发布后才开始取得进展的。AI 编码领域有趣之处在于，每当出现一个性能飞跃的新模型时，它都会为基于该模型构建的公司带来更多创新体验。

这预示着未来将如何发展？你们拥有丰富的训练数据，事实证明，新的模型足够强大，可以自行完成任务。

我一直在思考这个问题。数据仍然重要。但关键在于，这些模型确实不负“基础模型”之名，它们已经进化成通用的模型，可以针对任何下游任务进行微调。我们正在利用自身的数据进行微调。我认为这些数据将具有巨大的价值。但即使不使用自己的数据，我们也能取得如此大的进展，这引发了行业内的许多思考。基础模型公司似乎比一年前更具长期发展的潜力，因为这些模型确实非常强大，且具有广泛的适用性。

如果你们可以直接使用 Anthropic 的模型，这是否意味着你们的竞争优势并不明显？

在过去的七八年里，我们一直在构建一个平台，它可以提供开发环境，运行代码，安装软件包，管理数据库并进行部署。我们实现了“一键部署”。这才是我们创造的真正价值。这与其说是一个难以逾越的“护城河”，不如说是一个“先发优势”。只要我们保持创新和进步的速度，并不断深化我们的技术积累，我认为我们就可以继续保持领先地位。而商业上的真正问题是，如何建立持久的竞争优势。

这与你之前的预测大相径庭。在第一次采访中，我问你：“这是否意味着，任何人都可以创建应用程序？” 而你回答说：“哦，这在可预见的未来不会发生。” 我感觉那仿佛发生在昨天。

我在 2023 年 10 月的 TED 演讲中提到：“未来将朝着这个方向发展，但我不知道它是否会在十年内实现。” 但令人惊讶的是，我们在今天就已经实现了那次演讲中描述的一切。这对我来说是一个巨大的转变。我知道这些事情都会发生，但我没想到会这么快。

当然，开发过程仍然需要一定的人工参与、创造力以及技术。我们已经知道，“提示”也是一项技能：你需要将高层次的想法分解为具体的步骤，你需要评估系统的表现并给出反馈。这些因素都决定了它不是一个完全自动化的过程。实际上，你仍然需要做很多工作。而我们所做的创新在于，人始终参与其中。

你认为这种模式会持续下去吗？

我仍然认为，在整个过程中，你需要对 AI 智能体 (Agent) 进行指导。现在 AI 智能体 (Agent) 的一个问题是，它们很容易“跑偏”。我们采用的 “人在回路” 的模式，让 AI 智能体 (Agent) 在完成一部分工作后会返回来，接受用户的指导。某种程度上，你就像在“照看”它们，引导它们回到你希望完成的任务上来。AI 智能体 (Agent) 能否发挥创造力并提出新想法？我认为是可以的。但目前这并不是瓶颈，真正的瓶颈在于，它们很容易偏离目标。

测试时计算提供的推理能力是否能帮助解决这个问题？

测试时计算的核心思想是，大语言模型 (LLM) 的确具有一定的随机性，可能会在某些方面出现偏差。解决这个问题的方法是同时运行多个模型，并选择最佳的路径。我们也在考虑采用类似的方法。例如，我们给 AI 智能体 (Agent) 一个指令，它会启动 5 到 10 个 AI 智能体 (Agent) 来竞争完成应用程序的构建。如果我们想发布 “Replit o1” [这里指 OpenAI 的 GPT-o1 模型]，它会通过分叉 10 个进程来实现，并根据某种标准来选择最佳的方案反馈给用户。

你们正在使用 Claude 3.5 Sonnet。如果使用 o1 模型会怎么样？

目前，o1 的工作方式有点“自我中心”。它在自己的“头脑”中思考，然后给你一个最终答案。你可以给它一个问题，它会深入思考，产生许多潜在的想法，然后通过一个奖励模型来评估这些想法。在某种程度上，编程比自然语言处理更容易，因为你可以获得实际的验证。你的奖励模型可以使用实际的编程输出来进行训练。与自然语言不同，你可以从环境中获得反馈。对于 o1，如果他们能提供接口，让我们能够访问其思考过程，例如“运行这段 Python 代码”或“读取这个文件”，它就可以从环境中获取反馈。但就目前的形式而言，我认为它不太适合用作 AI 智能体 (Agent)，因为它没有提供访问其思考过程的接口，让我们无法获得环境反馈。你可以想象，如果有一个类似于 o1 的系统，它可以在思考过程中进行工具调用，例如，它可能会思考 “我想知道这个文件是什么” ，然后读取这个文件。或者思考“如果我运行这段 Python 代码，会发生什么？”

测试时计算对你们的价值在于，可以使用它来创建各种不同的应用程序，并将它们与 Python 和数据库连接起来，但 OpenAI 无法做到这一点，因为它受到自身系统的限制。

这或许也是它“自我中心”的原因。它在自己的数据中心里，不断地进行自我循环。

你们是否尝试过自己实现测试时计算？

是的。Replit AI 智能体 (Agent) 已经采纳了一些测试时计算的思想，进行了大量的思考。我们生成了大量的 Token 来分析问题，例如，“我在控制台中看到了一个错误，我需要思考如何解决它。也许我应该查看一下这个文件，看看里面有什么。然后我应该撤销更改，重新运行程序”。行动观察是一种测试时计算的方式，因为大语言模型 (LLM) 的标准使用方式是请求-响应模式。用户发送一个请求，AI 助手返回一个响应。而我们使用 AI 智能体 (Agent) 的方式是：用户发送一个请求，AI 智能体 (Agent) 可以循环多次，并最终决定何时终止任务。

你们可以用它来创建 iOS 应用程序吗？

我们正在努力实现这一点。

这方面的挑战是什么？

Apple 的生态系统非常封闭。挑战主要来自基础设施方面，例如如何创建应用程序，如何让它们在浏览器中运行，以便用户可以看到结果，以及如何安装、部署和测试它们。

你们是否看到有人用它创造出商业上可行的产品？

目前还处于早期阶段，距离发布只有三个月，还没有出现任何特别成功的产品。当然，在 AI 智能体 (Agent) 之前，Replit 上已经有一些成功案例。而 AI 智能体 (Agent) 的出现，则让各种应用的潜力更加令人期待。如果你在六个月后问我，我可能会给你讲一个能带来数百万美元年度经常性收入的案例，但目前，人们还只是在发布一些简单的应用。

大家对工作、生活和家庭相关的应用程序都充满热情。对于创业者而言，开发功能完善的应用程序更具挑战性。一旦应用获得一定的用户量，对系统的要求就会呈指数级增长，因为用户数量庞大，而且可能出现各种各样的问题。但是，如果你的应用程序开始走红，你就可以考虑投资聘请开发人员了。

我认为在未来六个月内，情况将会有所改变。我们可能会看到一些初创公司完全在 Replit 和 Replit AI 智能体 (Agent) 上运行。在未来一两年内，我认为会出现越来越多的由个人创业者创办的、价值数十亿美元的初创公司。

很多人都在讨论我们是否已经遇到了瓶颈，认为 AI 的发展已经停滞不前。你认为这种观点从何而来？

如果我们从实际应用的角度来看，情况并非如此。现在是否存在一些我们去年做不到，而今天可以做到的事情？如果你身处编码领域，答案是肯定的。如果你关注计算机的应用，答案也是肯定的。现在的 AI 模型可以使用计算机、鼠标和键盘，这是一个巨大的进步。

AI 的能力正在快速发展。所谓“遇到瓶颈”的说法可能更多地停留在学术层面，因为我们还没有看到新一代的 AI 模型出现。更确切地说，我们正在扩展现有模型的能力，例如从 GPT-2 到 GPT-3，再到 GPT-4。这种情况已经有一段时间没有发生了。人们曾预计它会在 2024 年出现。有传言说，OpenAI 的新模型已经推迟了一年，因此人们对它是否能够出现持怀疑态度。但总而言之，这更多的是学术层面的探讨。我认为，我们应该从更实际的角度来看待问题，关注基准测试的结果和实际应用能力，而它们都在朝着正确的方向发展。

我在这里充当“魔鬼的代言人”，承认 “有一段时间没有出现重大飞跃” 的说法是有一定道理的。但另一方面，作为一名实际的应用程序开发者，我并不太在意这些。我真正关心的是，现在的技术能否继续为我解锁更多有用的功能，以便我围绕它构建新的应用。

你会考虑计算基础设施和构建巨大的计算能力吗？你们会尝试规划一年内需要多少计算资源吗？

事实上，我们已经遇到了 Google Cloud 的配额限制，他们无法为我们提供足够的模型使用量。我们经常遇到这些限制。我们是 Google Cloud 上 Anthropic Claude 的三大用户之一，甚至用完了配额。这表明计算资源确实存在明显的限制。在某个阶段，训练受到了限制；现在，随着测试时计算的普及，推理能力也开始受到限制。我是否担心这个问题？这就像任何我无法控制的事情一样。我不会过度担忧。我会尝试去理解它，因为它会影响我对事物发展方向的看法。但这些计算资源最终会被开发出来，并被充分利用。

你们是否可以规划一个实验，它在六个月后就不再昂贵了？

我不认为所有的能力提升都来自于计算规模的扩大。一些提升来自于算法的改进，一些来自于数据，包括训练方法、数据收集方法和数据购买方法。现在有很多数据交易正在进行。可以扩展的方面有很多，包括数据、训练计算和推理计算。但对我而言，很难找到一个可以指导我业务发展的具体指标。

相反，这几乎需要一种“基于信念”的方法。例如，我提出了一个以我的名字命名的定律。我认为，每六个月，学习一点编程的回报就会翻倍。每六个月，在 Replit 上学习一些新知识并加以应用，其价值就会越来越高。如果你能掌握更多的技术，例如能够进行更多的调试，阅读和理解更多的代码，那么即使是少量的技能提升，也会带来指数级的回报。

这个定律是否成立？

我认为是这样的。9 月份我们发布了 AI 智能体 (Agent)，我想在接下来的几个月里，我们还会发布一些新的功能，这将使 Replit 更易于使用，并且更加强大。

我们可以从另一个角度来看待这个问题。如果你不参与到这些变革中，你会失去什么？

AI 是否会变得如此简单，以至于在某个时候，你不再需要学习任何技能？

我认为技能仍然是必要的。但这种技能与以往大不相同。我认为它更加纯粹。使用 AI 系统和 Replit 等工具的技能更加纯粹。现在更重要的是：你是否能够产生好的想法？你是否能够将这些想法转化为大语言模型 (LLM) 可以理解的指令？以及你是否能够根据 LLM 返回的结果，有效地指导它？这才是真正的技能。人们称之为“提示”，但我不认为这仅仅是 “提示”。它还包括清晰的思考，以及对技术的一般理解，能够理解这些系统是如何工作的。如果你具备这些能力，你就能获得巨大的成功。

假设你是一位才华横溢的律师，你逻辑清晰，但对这些技术一无所知。一年后，他们是否能凭借自身的思维能力快速上手，还是会落后于时代？

他们可能会稍微落后一些，因为这些系统是全新的，你需要逐渐建立起对它们的直觉。这需要花费一定的时间。我对大语言模型 (LLM) 的直觉也是通过实践慢慢培养起来的。到 2022 年，我基本上了解了如何与它们“对话”，所以当 ChatGPT 出现时，我已经是 “提示” 方面的专家了。也许那些在 ChatGPT 出现时才开始接触 AI 的人，现在也拥有了和我类似的认知模型。这需要时间，但我认为，前提条件是清晰的思考能力。

所以，如果一个人不尝试构建自己的软件，不为家人开发应用程序，就意味着他已经落后了吗？

在生活中发现软件可以解决的问题，也是一种重要的能力。你需要能够发现问题的本质，并且意识到可以通过软件来解决。例如，像记录睡眠日记这样简单的需求，也可以通过应用程序来实现。或者，你也可以开发一个家务管理应用，或是一个旅行计划工具。

真正令人兴奋的是，程序员和非程序员之间的差距正在迅速缩小，普通人将有机会像今天的黑客一样自由地使用计算机。自从图形用户界面出现以来，技术世界就一直存在着巨大的鸿沟，一部分人负责开发应用程序，另一部分人则负责使用它们。但计算机的最初愿景并非如此，它原本希望人人都是程序员，但因为编程太难，所以没有实现。而现在，我们正在回归那个最初的愿景。

鼠标何时会消失？何时每个用户界面都将变成自然语言交互？

我很难回答“何时”这个问题，因为即使你能预测时间，也很难预测普及程度，尤其是在政府、教育、军队等监管严格的行业。现在仍然有计算机运行着 Cobalt 和 Pascal 等老旧的编程语言。但如果排除这些限制因素，我认为消费级软件在未来两年内将会发生巨大的变革。视听输入将成为我们未来两年使用计算机的主要方式。

Replit 的未来发展方向是什么？你们是否会成为专业程序员的首选平台？

我想说，我们现在已经不太关注专业程序员了。桌面界面的出现，让计算机用户从 1000 万增长到 10 亿，而移动设备的出现，又将这个数字推高到 50 亿。每一次的普及都伴随着用户数量级的增长，因为技术变得更加易于使用。

基本上，如果你会使用电子表格，那么你就应该可以使用 Replit AI 智能体 (Agent) 之类的工具来制作软件。全球有数十亿的电子表格用户，这意味着有潜力使用 Replit 的用户基数非常庞大。

我们即将发布一个移动应用程序版本，它针对使用 AI 智能体 (Agent) 开发软件进行了优化。很快它就会达到消费级水平。即使是与科技行业没有直接联系的儿童和普通用户，也应该可以使用 Replit 来开发应用程序，让他们的生活变得更加美好。这就像是个人电脑革命，是个人软件时代的到来。我认为这一切都会很快发生。我们的用户增长速度非常快。这与 Replit 之前的增长模式截然不同。过去，我们只是不断增加用户数量，而现在，我们吸引的用户开始在平台上付费开发应用程序，这对我们来说是一件好事。更重要的是，用户从平台中获得的价值也越来越高，而不是像过去那样，仅仅是学习编程，尝试构建东西，但最终没有取得太大的进展。即使到下个月，在 Replit 上开发应用程序也将变得更加容易。