Amjad Masad 与 Paul Graham 谈 Replit 如何走向 AI 编程

Paul Graham 询问 Replit 联合创始人兼首席执行官 Amjad Masad，在 AI 编程智能体被广泛接受之前，公司如何知道它会成功。Masad 说，这一变化从外部看似突然而巨大，但在团队内部是根据用户行为逐步形成的。

Replit 此前已经提供代码补全。Masad 回忆，他看到不会编程的人从聊天窗口复制生成的代码到 Replit，再把错误贴回聊天窗口，如此反复。他们临时拼凑的流程提示了一个产品机会：自动化整个循环，而不是让用户不断复制。

自动化这一循环需要理解错误并持续运行，直到程序工作，而不是只生成一次回答。Masad 说，早期模型使用工具时并不可靠，需要比后来的模型复杂得多的配套框架。他预计，随着模型能力提高，部分辅助工程会逐渐成为通用能力。

另一个关键因素是 Replit 已有的基础设施。Masad 说，智能体可以调用工具来配置数据库、托管服务并部署应用。公司在 2024 年 9 月发布智能体之前，已经花多年建设这些系统；当年夏天 Graham 曾看到较早的版本。

Graham 回忆，演示令他感到不安，因为他的编程方式重视仔细减少代码。Masad 则提到 Graham 早期提出的观点：让编程更容易，可以吸引数量增长不成比例的更多程序员。两人开玩笑说，自然语言编程把这一原则推到了何种程度。

Masad 说，Replit 在 2015 至 2016 年的原始融资材料中，就预想利用大型编程平台的数据训练预测代码的模型，早于 Transformer 论文。他把这一想法与更长期的兴趣联系起来：让编程更容易，包括他约在 2008 年上课时就想用手机编程。

Graham 质疑预测只是坐下来思考的结果：Masad 已经在同一个问题上投入多年。两人的交流区分了长期熟悉一个领域，与某项关键技术成熟后让旧想法突然变得可行的时刻。

他们再次谈到 2024 年的演示：Masad 当时把代码比作目标代码，Graham 说这种说法令他不安。Masad 说，他也曾为自己热爱的技艺可能消失而感到失落，并认为许多工程师需要时间适应；这是他对个人和行业经历的理解。

两人讨论是什么让智能体编程被更广泛的人群看到。Masad 提到能把任务运行至完成的工具，并认为向智能体发送消息等熟悉的交互形式，可能和底层能力一样重要。他说自己低估了产品形态对采用的影响。

Masad 承认，看用户在 Replit 上遇到困难让他感到痛苦，但他感谢联合创始人 Haya Odeh 坚持让公司贴近用户。Graham 说，观察真实的困惑可以暴露建设者此前不愿承认的问题。

两人还讨论了 Replit 独特的视觉设计，以及早期由年轻程序员构成的社区。Masad 描述了一种建立在复杂系统工作之上的简单体验：界面之所以显得轻松，是因为公司在底层处理了困难的执行和管理工作。

Masad 认为，这种基础设施有助于争取企业客户，因为他认为这些客户更关注可靠性和安全。他称，防护措施可能让产品更慢或更贵，但也可能更容易被企业买家接受。他对竞争对手的判断属于个人观点。

Graham 将 Replit 比作冰山：自然语言生成代码是水面可见的部分，部署和沙箱则在水下。Masad 介绍了操作系统方面的工作，以及为支持协作编程而设计的事务式、可回滚文件系统。

Masad 说，智能体出现时，这套协作架构发挥了作用。早期智能体可以被视为与人类在同一项目中工作的另一位用户。负责执行、云服务和编辑器的现有团队随后向位于中间的新智能体团队提供工具。

早期智能体需要稳健的编辑工具，因为模型可能弄错行号、遗漏实现，或在任务完成前停止。Masad 说，团队必须检测这些失败并继续循环；他认为，更强的模型现在可以使用更简单的 shell 工具。

首次发布的产品不能稳定工作。Masad 估计，大约 30% 的尝试会失败，但一些用户仍觉得有价值，因为他们的替代方案可能是完全不会编程，或手动在工具之间复制代码。这是他的回忆，不是经过测量的可靠性基准。

Masad 说，一些早期付费客户此前会寻找外包开发者。他用昂贵的外包应用与更低的 Replit 支出作对比，说明存在需求；Graham 则观察到，外包行业本身就表明有很多人希望有人为他们构建软件。

在智能体能力尚不足够时，Replit 曾通过 Replit Bounties 连接需求方和平台上的开发者。Masad 说，这些开发者已经使用早期 AI 辅助；后来他判断，客户会越来越多地直接向智能体提出需求，因此公司关闭了该项目。

Masad 描述了银行、制造商等大型公司的员工使用 Replit 构建内部工具和替换软件。他引用一个案例：原本估算为 1000 万美元的项目，使用了 25 万美元的 Replit 支出。这是他转述的客户案例，并非受控的项目总成本比较。

他认为，即使在大型组织内部，这些推动工具采用的员工也具有创业精神。Graham 认为，明显地使用 AI 也可能让他们成为同事了解技术的对象。两人是在描述他们认为观察到的模式，而不是保证这些人一定获得晋升或成功。

企业采用还需要管理工作：为 IT 和安全团队提供控制、预算以及用户可做事项的规则。Masad 描述了产品个人用户，与负责采购和治理的人之间的张力。

Masad 质疑给每位员工分配相同的 token 额度。他认为，由于不同用户和项目的影响可能差异很大，组织应考虑支出所产生的价值。Graham 则指出，衡量有用工作本身也是困难的企业问题。

Masad 说，短期内供应商可能需要先提供买家要求的控制，才能进入组织，再开发更好的方法展示价值在哪里产生。两人认为，这是超出代码生成本身的产品问题。

Masad 说，Replit 越来越倾向将自己的目标描述为自动驾驶公司的平台，而不只是氛围编程。Replit 把自己作为首批客户，探索智能体如何在公司内部构建和运营软件。这是公司愿景，并非组织已经能够自主运行的证据。

他说，自己一直预期让软件创建更容易会产生广泛影响，但此前没有充分意识到它可能改变日常工作。Graham 认为，成功公司常常在原有业务仍在增长时，就开始发展新的方向。

Masad 认为，AI 不断让现有功能更容易被复制，因此持续自我更新很重要。Graham 提醒，声称改变企业的宽泛说法需要具体例子，因为任何供应商都可以使用同样的语言。

两人建议逐步追求更大的愿景：找到已经在开展某种有前景工作的客户，帮助他们成功，再把经验变成可重复的产品。Masad 将其与智能体发布相比：外界看到的是突变，公司内部则经历了许多渐进步骤。

两人将发明描述为一个过程：想法可能先于执行所需技术而出现。对外界而言突如其来的飞跃，对多年开发相关组件的人来说可能更加平滑。他们以 Apple 设备为类比，说明长期准备的作用。

Masad 预测，人们最终可能使用远超个人笔记本可承载数量的智能体，这会提高云环境的重要性。Graham 询问，使用智能体是否会说服更多开发者放弃仅在本地工作的方式。两人都在推测未来采用情况。

Masad 说，当计算机能够完成某件事时，他愿意放弃熟悉的方法。他认为，快速变化的环境奖励灵活性和终身学习，并提到 Graham 有关不要让身份认同过于僵化的文章。

Masad 回忆一次企业黑客松调查，称参与者使用 Replit 一小时后，从焦虑转向乐观。他将其作为接触工具可能改变感受的轶事；访谈没有说明调查方法，也没有证明这种效果能否持续。

他说，许多大型组织落后于先进 AI 用户的实践，并且仍要面对遗留软件。两人讨论提供旧 COBOL 系统重写服务的公司，并将其与 Replit 希望提供工具让客户自己构建的目标作比较。

被问到如何预判变化时，Masad 说，他会主动作预测并修正判断。他提到 Ray Kurzweil 和长期算力增长的视角对自己的影响；Graham 则指出，对特定领域的经验也影响创始人能够注意到什么。

Masad 说，在看到 GPT-2 之后，他曾推想到聊天、智能体和个人助手。他认为，认真对待指数变化帮助他接受计算机可能越来越多地完成自己工作的一部分，并据此构建产品。这些是事后回顾和预测，并不能证明每种趋势都会无限持续。

Graham 最后认为，在工具和实践快速变化的时期，预期快速变化的人可能更容易适应。Masad 同意这种时刻符合他对适应的偏好。对话以长期准备和愿意修正假设如何影响创始人的反应作结。