做了二十年前端，Guillermo Rauch 发现 v0 写的代码比自己的更好

Guillermo Rauch 做了二十年前端工程。rauchg.com 的每一个像素，都是他一点点亲手做出来的。2023 年，他给 Vercel 的 AI 产品 v0 派了个任务：用自然语言把整个网站重做一遍。一张居中的漂亮背景图，一列博客文章，右上角一个 About 链接，外加一个 Twitter 图标。从视觉上看，它做得很到位。真正让他震惊的是“查看代码”。“我发现它写的代码比我写的更好。”有一处，它在客观上明显更好，那就是无障碍。模型不只是放了一个图标，还加了一个“Twitter”标签，只给屏幕阅读器看，为的是那些需要辅助设备的人。这个细节，他自己早就忘了。

他从中得出的教训，并不是自己的手艺生疏了，尽管他当年在 Vercel 写的大部分代码，现在都已经由专家重写过了。模型拥有无限的记忆、无限的耐心（这是 Marc Andreessen 的说法），还有不断增长的无限数据。屏幕阅读器标签这样的小细节，正是人容易出错的地方。Nathan Labenz 在节目开场时，很高兴终于能跳过“最近的风波”，回到正常节目。他的嘉宾是前端云的 CEO，这家平台承载了大量 AI 互联网的上线部署；而这位创始人刚刚开始围绕那些在他自己首页上击败了他的工具，调整公司方向。

Labenz 从 Rauch 十九岁左右起就远远关注着他，那时 Rauch 还是布宜诺斯艾利斯的一名神童。Labenz 用过的第一个项目是 MooTools，一个 Rauch 参与核心贡献的早期 JavaScript 库，那时他还在阿根廷。这段经历促成了他的第一份工作，也是他第一次出国：先去了一家刚采用这套框架的瑞士初创公司，之后又去了旧金山。Labenz 是 Rauch 在 Phil's Coffee 结识的第一批人之一。Rauch 说，开源为他带来了商业机会和人脉。如今他做的项目是 Next.js，他称它为前端界的 Kubernetes：一个面向用户界面的编排层。它底下是 Facebook 的引擎 React，让界面组件能像乐高积木一样共享。开发者不必再重复造轮子。Next.js 已经成为应用中用户真正看得见的那部分的通用语。ChatGPT、Perplexity、Pi 和 You.com 的前端都由它驱动；其中 Pi 的情况，是 Mustafa Suleyman 前一晚亲口告诉他的。

Vercel 是前端云：面向全球规模的网站和应用，快速而动态。它带着布道者的色彩：网络和开源必须胜出，当专有模型与开源模型正面相撞时，这一点就会变得重要。过去，网络软件就是甲骨文或 SAP 那样一整套单体式、主张鲜明的产品。如今，云上有意思的地方在于技术栈是模块化的。Vercel 提供的是前端基础设施即服务：你带上品牌和身份，然后接入 Stripe、Twilio、OpenAI。后端还不算完全商品化（他觉得“商品化”这个词太重），但它是可以复用的。如果你不喜欢服务商 A，那个模块就换成服务商 B。一家拥有三个知名品牌的美国大型零售商，通过其首席数字官告诉他，采用 Vercel 是他们需要的最后一次数字化转型，因为前端和后端已经解耦。今天的结账流程，十年后未必还是现在这个样子。Google Pay 和 Apple Pay 也可能让位给亚马逊的 Prime Pay。你不必每次都把整个平台迁移一遍了。

另一面是开发者体验。Rauch 九岁或十岁就自学编程。他说，开发者会挑选用起来最顺手的工具，就像挑床垫或椅子，因为这份工作既枯燥，又充满失败的构建。Vercel 试图让开发者在大型组织里也成为最有力的拥护者。全球前三的一家银行正在迁移到 Next.js。他没能说服那位 CTO，是开发者自己说服了他：工具用起来很爽，效率高，而且是免费的 MIT 许可证软件。Labenz 至今记得，去过以前的办公室，看到 Rauch 敲下部署命令、按下回车。当时他只觉得是在炫技，直到自己的构建动辄接近一个小时，才明白那是怎么回事。

在之前的创业公司里，Rauch 其实已经做出了一个迷你版的 Vercel，但他当时并不知道它可以成为一款产品。工程师如果能更快地改东西，就能更快地发现客户想要什么。Vercel 内部现在讲的是迭代速度，而不是迭代快慢。方向错了的快，算不上进步；有方向的速度，才算。平台会给你数据，比如 Speed Insights，告诉你网站的实际交付速度有多快。谷歌委托德勤做的研究显示，快 100 毫秒，可以把移动端转化率提升 8%。数据告诉你结账太慢，再加上修复的工具，就形成了闭环。ChatGPT 插件还算不上那个东西；先是反馈，然后才有了 GPT。规模一大，对出错的恐惧就很要紧。你可以用功能开关，把改动先推给一小部分流量，就像电影公司先给影评人放映试片一样，一旦出问题就自动回滚。你可以从零搭一套，去对抗谷歌和亚马逊，也可以直接注册 Vercel，不必先跟销售聊。

Labenz 指出，现有的老牌公司这次不像对待之前那些浪潮那样睡大觉了。Rauch 在 ChatGPT 出现之前试用 GitHub Copilot 时，就已经着了迷。他仍然热爱写代码，但他手下有 450 多名同事，能花在写代码上的时间已经不多了。经验让他能做模式识别：这条建议是有洞察的，还是从数据库里随机抽出的一行？他脑子里有什么东西松动了。这是一条单行道，而这个品类只会越来越好。它的形态就是幽灵文本：光标旁边的灰色补全，可以接受，也可以拒绝。他当时的框架是：世界上每个产品都需要幽灵文本。第一步在编程上，这是一项真正困难的任务，这让这一洞见更加深刻。他当时还不知道，它最终会变成一个聊天框。现在，他会让模型帮忙校对一条推文。他是 Notion 的一个小投资人，Copilot 出来之后，他曾给 Notion 的 CEO 发消息：把幽灵文本加进 Notion。结果出来的是斜杠命令和右键菜单。方向上，他的判断仍然是对的。

Vercel 的论点是：交付界面的速度就是王道。所以他们做出了 v0（这里的“0”是“零”，即第一版的意思），用来补全你对界面的想法。Copilot 开了先河；Midjourney 则带来了创意上的启示：你应该拿到多个选项。如果你要一个电商网站的注册表单，会拿到三四个方案，然后是一轮又一轮的修改。重要的是产出物：可以直接放进代码库里的生产级代码。如果你要做的是叔叔家的餐厅网站，Vercel 就太重了，相当于你只需要 Dropbox，却上了 AWS。他们的客户规模都很大，所以界面必须足够成熟，才能上线。一个不大的候补名单，已经跑出了数十万次生成。

Labenz 试用之后，把它当作一个专业工具来看，而不是让任何人都能做软件的玩具。Rauch 对做出 Gmail 前端那样的东西需要多少功夫，始终心怀敬意。他说，v0 能提升人的水平。一位资深后端工程师，未必精通 JavaScript 和 TypeScript 的最佳实践。模型已经读过关于 React 和样式的全部知识；Vercel 又通过微调和检索进一步引导它们，让界面具备无障碍性，并且在移动端和桌面端都能正常工作。专业人士仍然要纠正错误。在他心里，v0 真正成为 UI 未来的重要一部分，是从那次个人网站的实验开始的：二十年的像素，被重新构建成“用那个灰色背景，居中，列出文章，About，Twitter 图标”，然后在“查看代码”里看到了更好的代码。

人依然需要技能。这种技能在于知道模型能做什么、会在哪里出麻烦，以及怎么写提示词。他在 X 上看到有人用 AI 复刻了《愤怒的小鸟》，便自己玩了一下，还私信了作者。整个游戏都是模型写的。破绽出在它无法推理的地方：时间的流逝。游戏要维持状态，推进角色的位置，还要做简单的数学来计算碰撞。ChatGPT 在这里卡住了。它能做出令人惊叹的事，却做不到这一点。在这个意义上，v0 的作用，是提供一块空白画布。今天的工程师都是从一个空白文本文件开始的。他认为，将来人们回头看，会把那段日子当作开发的黑暗时代。v0 就是那一步领先。

Labenz 自己的小窍门是类比编程：拿一段能用的代码、一个类、一种缓存策略，甚至是文档，然后告诉 ChatGPT：这是我现有的东西，这是我想要的。Rauch 坚信，不同的技能要去找不同的 AI，因为每个领域都有各自的纠错方式、幻觉限制和时效性需求。对于需要实时、更新频繁的内容，他用 Perplexity，尤其是用来总结人们正在热议的某个趋势。Metaphor 用类似 ChatGPT 的提示方式爬取网络，当你不知道关键词时很有用，就像那个靠哼一段旋律来找歌的笑话。稀疏的信号输入，新鲜的结果输出。

写代码时，不要犹豫，把编译器或工具给出的整段报错都贴进去。这听起来理所当然，但又有违直觉，因为谷歌已经把大家训练成只敲两三个词。上下文越多越好。你是在影响模型在它的网络里怎么走；足够多的 Token 会建立更好的连接。一个问号和一句陈述，会把它带到不同的方向。大家都熟悉的一种失败是：问 2 加 2 等于几，它答四，然后说不对，是五，抱歉，是五。如果你把问题写成疑问句，就能减少这种过度自信地顺着下一个 Token 滑下去的情况。这也正是 OpenAI 大力推动 GPT 和系统提示词的原因。每次都从零开始，模型很难有帮助，而且很贵，因为系统必须强大到极点才行。

前一晚，Satya Nadella 问过他：你是不是总在用大模型？你会开着法拉利过马路吗？GPT-4 就是那辆法拉利。它很强，所以即使上下文很少也能有用；但上下文越多，质量仍然越高。Rauch 需要横跨多个来源查找最新的开发者文档时，会用 Phind，因为它会索引这些资源。如果你问 ChatGPT 技术 A 的优缺点，而它的知识截止于 2021 年，你可能会被误导。打开浏览功能，你拿到的是 Bing 的结果，里面有 SEO 花样，结果列表也很短。最后，他看好各家公司把自己的 copilot 放进自家产品里。Shopify Magic 就是一个会常驻在网站上的商家 copilot。这是 Vercel 的战略赌注：每个产品在某种程度上都会变成 AI 产品。sdk.vercel.ai 上的模板和文档，就是为了让你不至于袖手旁观，眼睁睁看着客户只去 ChatGPT 的一个标签页，而不来你的产品。

OpenAI Dev Day 结束几天后，Labenz 提出了一个现场问题：是把你的产品做成 ChatGPT 里的一个 GPT，还是把助手带进你自己的产品？Rauch 有一个商业上的答案，也有一个技术上的答案。Vercel 服务的是大型电商品牌，比如安德玛、Chico's 等。这些公司上线网站时，本可以把全部库存都交给亚马逊。你是想直接连接客户，还是想在别人的货架上摆一件商品？有时两者都要。Casper 可以同时在亚马逊和 casper.com 上卖。从技术上讲，Labenz 说得对：v0 产出的不是文本。ChatGPT 可以流式输出一个 React 组件，但它目前还没法让你悬停其上，去感受那个东西。亚马逊的商品页是四张照片、一套版式和纯文字描述。GPT 也有类似的限制：只能有一点代码、粗体和斜体，而且全部要留在它自己的界面里。历史在重演。应用场景很多，而像 v0 这样的产品需要前端的自由度，这种需求只会越来越复杂。他预计会出现垂直领域的 AI 助手，有些在现有产品里，有些是全新的：这个时代的彭博终端；当你妻子怀孕、需要弄懂子痫前期的时候，一个以 AI 为先的医疗服务；还有某种形式，出于监管原因甚至可能是必需的。

至于写代码的未来，每个人的水晶球都是模糊的。他的做法是每周重新评估自己的假设，因为模型、上下文窗口、微调和架构都在不断变化。他心里有一个框架，来自 Andrej Karpathy 的文章《Software 2.0》。Karpathy 曾领导特斯拉的 AI 部门，是深度学习的开创者之一，如今在 OpenAI 工作。Software 2.0 更像做菜，而不像工程。与其依赖经典算法，不如把数据拌在一起，训练网络，把算力投向那些早已存在于 PyTorch、TensorFlow、JAX 里的架构。锅里煮出来的，是没人读得懂的代码。机制可解释性这门学问之所以存在，正是因为弄清它为什么有效很难。软件 1.0（Software 1.0）则恰恰相反：可解释，有擅长算法和语言的专家。他把软件 1.0 对应到云 1.0（Cloud 1.0），也就是 AWS、谷歌云、Azure、EC2、S3；把软件 2.0 对应到云 2.0（Cloud 2.0），也就是向量数据库、大语言模型（LLM）、索引流水线和检索。1.0 并不会消失，它是发射台。首席信息官（CIO）应该问问，自己在每一块上投入了多少。Vercel 的推销词是：基础设施不是你的主业。把它外包出去，把 2.0 的功能推向市场。这正是他们做 v0 的原因。

更离谱的一个预测是：注意力、资金、消费者的热情，以及风险投资，全都涌向 2.0，可能会让 1.0 僵化。ChatGPT 擅长 JavaScript 和 Python，却不擅长一种只有一百页文档的语言。这个飞轮会强化已经做出的选择。JavaScript 之所以流行，是因为它把内存布局、指针和指针运算都自动化了。下一波浪潮要自动化的，是创造软件本身。写代码会变得没那么重要，就这么简单。它不会消失，只是注意力会转移，而重新发明 Software 1.0 的收益会递减。谁会赢？现在入行的人。他花了很长时间才成为专家；而用上 ChatGPT 的人，能更快上手。现有大公司会在渐进式助手上取胜，并且会把钱砸在仪表盘上。初创公司则会赢在原生 2.0 的产品上，这些产品看起来和用起来都大不相同，大公司根本转不过弯来。他想要的，是云 2.0 时代的 Uber 和 Airbnb：没有 LLM 和扩散模型就不会存在的公司，就像 Dropbox 和 Airbnb 需要云与移动互联网一样。Character.AI 和 Replika 只是一瞥。AI 原生的社交网络一定会出现，因为冷启动本身就是先有鸡还是先有蛋的难题，而模型可以持续供应内容和互动。TikTok 或许已经是这样的平台了，它的创始团队里有一位深度学习先驱。当技术栈被平民化之后，你就会得到另一个扎克伯格：一个用 PHP 写代码、把 MySQL 编排起来并把产品做上线的开发者。你不需要机器学习博士学位。

开源推动了 Software 1.0，而在 2.0 时代，它正激烈地受到争议。Rauch 的一句金句是：永远不要低估它。那是最严重的错误。微软就犯过一次；那些备忘录是公开的；他们在 Azure 和 GitHub 上吸取了教训。押注开源，代价高昂，也目光短浅。Vercel 从 Next.js 起步，它建立在 React 之上，而 React 是 Facebook 开源的一项工程杰作。早期的 Next.js 只是一家两三个人、可能四个人的初创公司。一家热门房产网站的 CTO 造访了旧金山办公室，列举了它的种种不成熟之处，并表示自己必须造一个。在当时，那或许也是对的决定。快进几年，美国在线房产领域的主要玩家全都用上了 Next.js。永远不要低估开源进步的速度。这就是 Doge 梗：先是瘦弱的狗，后来变成超级肌肉 Doge。他对 Llama 与 GPT 也给出了同样的框架。说 Code Llama 不是 Copilot，或者说 Llama 不是 GPT-4，很容易；但假设差距不会缩小，是很危险的。

Next.js 早期，CTO 们告诉他，最好的功能是你可以在谷歌上搜一个问题，然后找到别人的解决方案。专有软件得不到这样的生态。一家想为 GPT-4 推理找到最好芯片的硬件创业公司，没法在它拿不到权重的模型上做测试。车库创业团队会先下载 Llama，用手边现成的东西反复实战。他把这称为开源式商业拓展的“不合理的有效性”。靠的是对仓库执行一次 git clone，电话、会议和合同都不在其中。今天，开源还没那么好。随着时间推移，它会变得无法阻挡，除非监管俘获放慢它的脚步，也就是那些想要停止开源训练和发布的人。第二个论点是：模型只是引擎。其他技术架在它上面，把它暴露给互联网。十年下来，API 会胜过实现细节。你不会去和 Mastercard 打交道，而是对 Stripe 说：请完成这笔付款。开源必须在权重之上提供实用的价值。这块空白就是创业机会，也是 Vercel 投资 AI SDK 的原因，这个 SDK 会自动化产品与模型之间的大量连接工作。长远来看，他认为开源总会胜出。他希望这场革命也是如此。

Labenz 大体同意这段历史，也不会在长期上押注反对开源模型，但附带一个保留：几十亿美元的投入会改变这一分析，能够训练模型后再把权重放出来的，只有寥寥几家像 Meta 这样的公司。把视野放大，我们并不知道这件事会走到哪一步：社会可能被彻底改变，可能出现由 AI 运营的公司，也可能每个人手里都有一个能帮忙设计大流行病病原体的模型。如何在不承担不可接受风险的前提下，保留开源的好处？Rauch 的框架是：AI 是一个加速因素，它放大了社会中已经存在的好东西和风险。Character.AI 和 Replika 有清晰的产品市场契合，但那不是 AI 发明的，它建立在孤独流行和人际关系日益稀薄的基础之上。关于社交媒体与青少年的研究，已经堆积如山。AI 会加速这些效应。他希望这一次，我们比在云 1.0 和社交网络时代更有觉察。那时的情绪是毫不减退的乐观，仿佛什么都不可能出错。

AI 会运营企业吗？他认为会，因为这最终还是要回到“人在回路中”。写代码已经不只是人在做。说某类工作只能由人来做，是错误的。这种混合模式和之前的每一种技术一样，会带来风险。冒充就是身边的例子：有人伪装成他，用精心设计的邮件活动，把员工当作目标。AI 会让冒充做得更好。而且因为人们预期别人会用 AI，一条稍显奇怪的消息可能会被放过，也许是老板正坐在车里，用语音转文字发的消息呢。在互联网出现之前，也没人专门去列举尼日利亚王子骗局这类事。谁要是声称自己已经把这三类风险和缓解办法都列全了，那他就是在撒谎。保持警惕。

然后是分歧。“把整个 AI 说成核武器级别的东西，这个梗就该消失，因为它根本就不是。”他说，我们离真正具备自主能力、会对人类构成致命威胁的 AGI，还非常遥远。Labenz 说，他可能会押注这个时间表会比这更早到来。时间有限，两人就此打住。Rauch 的操作规则，他不止一次说过：每周都要重新审视。等下一代模型发布时，Labenz 会再回来，两人可以重新检验那个先前的判断。眼下的建议是保持警觉，因为 AI 的未来来得几乎和一个 Vercel 托管的网站一样快。