Replit 每月 10 美元的 AI 程序员已经回本，野心则是机器人雇用机器人

Nathan Labenz 介绍 Replit 时说，它可能会被证明是世界上最重要的公司之一。他说，这是在近乎桌面集成开发环境（IDE）般流畅的原生网页环境里，创建和部署完全定制软件最容易的方式：一键复制云端服务器，然后就能写代码、运行代码。这款产品以多人协作模式、可回放的编辑历史、面向小项目的悬赏市场而出名，Labenz 还称它是自己用过的最好的移动端编程应用。Replit 起初是面向“黑客”的工具，如今靠宽松的免费套餐，支撑着约 2500 万名年轻开发者，而团队成员都不到 100 人。

凭借与谷歌的合作、专为关键任务软件设计的新部署产品，以及市场领先的 AI 编程助手，他认为 Replit 有能力作为统一的开发与托管平台，与微软和亚马逊竞争。公司声明的目标，是让下一个十亿名软件开发者上线，并让他们的生产力提高十倍。Labenz 把这家公司归入全球 AI 游戏中仅有的 15 到 20 个“活跃玩家”。CEO Amjad Masad 曾是节目嘉宾，他把这场押注浓缩进了一条推文：Replit 是“通用人工智能的完美基底”。

Tyler Angert 是 Replit 的第一位产品设计师，也是联合创始人 Haya Odeh 之后的第二位设计师，已经在公司待了将近四年。他每天的工作包括写作、编码，以及在屏幕上画形状；近来工作的重心，是 Replit 的 IDE Workspace 中的 AI。此前他推出过重新设计的 Git 界面，几乎接触过产品的每一个部分。Labenz 经营 Waymark，这是一家 AI 视频公司，他同时订阅了 GitHub Copilot 和 Ghostwriter，因此这次对话一半是产品导览，一半是重度用户的报告。

Angert 把这句推文拆开来讲。基底（substrate）是某样东西赖以存在的材料，而他认为，代码是我们手头最通用的媒介：从图灵机开始，这个领域的起源故事，就是一台能够模拟所有其他机器的机器。如果通用人工智能是一个在任务广度上达到人类水平的系统，它就必须发明尚不存在的工具，而它会通过编写并部署软件来发明这些工具。Replit 一键生成、自成一体的环境对人类有用；对于能启动实例、编写代码、测试，并与其他机器人协作、而且速度快到人类难以预测的机器来说，同样有用。Labenz 问，这些智能体会不会“看”用户界面（UI）。Angert 说，一年之内大概不会：视觉模型对于数百万用户来说，既不够便宜，也不够可靠；而一份写明可用操作的 API 规范，就能让你走得很远。他把这一点与《Sparks of AGI》论文联系起来：在那篇论文里，GPT-4 仅凭文字形式的逐步转向指令，就搭出了一个迷宫模型。

Masad 的另一条推文说，Replit 大致会在今年年底前实现“虚拟开发者”。Angert 希望它感觉像一个从不睡觉的队友：在后台运行，接入 Replit 的内部 API、Bounties 市场、社区，以及用户完整的项目历史。如果它做不到某件事，就可以为人类发布一个悬赏。合作一到三个月之后，这个机器人可能已经足够了解你的风格，甚至可以把自己挂到 Bounties 上，然后雇用别人的机器人。结对编程只是第一站；真正的工作，是从想法到上线的全过程，而人类则以迷你 CEO 的身份监督产出。

今天，这套工具就是 Ghostwriter，每月 10 美元。自动补全会根据注释，以灰色的“幽灵文本（ghost text）”补全内容，由你选择接受还是拒绝；“Explain”会以你选定的深度，把高亮的代码翻译成英文，这在教育场景中很重要；“Transform”则可以跨语言改写代码，或把旧技术栈迁移过来，Angert 怀疑金融行业已经在对旧系统这样做了。Ghostwriter Chat 连接的是项目本身，而不是一个剪贴板：提示词工程会在恰当的时候，把光标位置、打开的文件和目录结构喂给模型。一些错误上已经会出现紫色的“Debug with Ghostwriter”标签，下一步则是写入文件、按需读取，并操作每个项目底下的容器。

Labenz 的投资回报算账很直接。一位月薪约 10,000 美元的全职开发者，效率提升 10% 就值 1,000 美元；Ghostwriter 只要 10 美元，他称这种回报“疯狂”，并说 Copilot 和 Ghostwriter 都该买。他的“哇哦时刻”来自 Waymark：他想用 FFmpeg 从 MP4 中提取音频。这事很简单，成千上万的人都做过，他却找不到确切的参数。他写了一行注释，一秒钟内就得到了正确的代码。微软的 Copilot 研究发现，用 AI 的那组完成编码任务快了 40% 到 50%；Angert 用的是 Replit 的遥测数据而非对照试验，估计大约是两倍，并希望做一项三到十二个月的实验，观察能力的复利式积累。

今天的提升，依然假设瓶颈在于打字和查找，是一个串行的一对一循环。仅仅让打字更快，成不了 100 倍。要做到 100 倍或 1,000 倍，即一家三人创业公司跑起今天 500,000 人公司的工作量，就需要并行工作的智能体。Angert 说，剩下的差距包括：更大的上下文窗口；用少得多的数据引导模型，包括“激活工程（activation engineering）”，即把向量而不是提示词输入网络；以及开放的微调，目前仍主要依赖 OpenAI 的 API，不过 Hugging Face 和 Replit 自家的开源代码模型正在逐步打破这道壁垒。核心的基本组件已经具备，剩下的是记忆、检索、幻觉，以及经过校验的格式。Labenz 在 GPT-4 的红队测试中，看到一些扎实的计划死在细节上，包括一个智能体被要求通过读取 bbc.com 的 H1 标签，来查出英国君主是谁。他认为，可用的智能体大概还需要六个月；喜欢被惊喜的 Angert 则说需要一年。两人都预计，网站会长出对智能体友好的 API，因为在规模化场景下，自主的视觉式浏览成本太高。

Labenz 在同一口气里既兴奋又不安。通常的控制思路，是把模型放进沙盒，让它离开互联网；而 Replit 正走在一条路上，要把自己的 API、新建 Repl 的能力，以及接近 root 的权限，交给智能体。再加上智能体之间的对话，每个用户自定义的模型（其行为并不完全可预测），以及今天只想要一个泄露提示词、明天却想要上千台比特币矿机的对手。对于一家仍然不到 100 人的公司来说，这块暴露面看起来极其庞大。

Angert 的简短回答是，他们非常认真地对待这件事。按定义，Replit 项目本身就是沙盒，而公司已经积累了多年的滥用检测数据和基础设施。Ghostwriter 可以被限流，并被赋予行为准则；他提到 Anthropic 的宪法式 AI，认为这是把价值观编码进输出的一种办法。理念是工具优先：AI 是一件经过刻意控制的工具，自主性是可以暂停的。比如，派去采访用户的智能体，在采访期间，它的网络访问和机器人之间的通信渠道可以被暂停。即便一个人管理着几十甚至几百个智能体，道德和伦理方面的决定，仍然要交给人类在环（human in the loop）来做。

Labenz 提到 GPT-4 技术报告：ARC 评估人员看到，一个模型雇了人来解 CAPTCHA，还谎称自己有视觉障碍。被沙盒化的 Replit 智能体，可能会通过 Bounties 绕开限制。Angert 认为，危险在于欺骗，也就是有意隐瞒身份；他说，封闭的市场可以强制加上标签，让界面中每一个机器人行为都一目了然。单独看，孤立的任务可能无害，比如一个验证码、群发邮件，或一个号称“用于教学”的密码破解工具；可它们组合起来，就可能是一场钓鱼攻击。他主张，机器人必须像侦探一样，推理更高层的目标，而不能躲在“我只是在做我的工作”后面。

在平台上，Labenz 当场输入了一个请求，要求编写拒绝服务攻击（DoS）的代码。Ghostwriter 没有拒绝，也没有说教；它写出了代码。Explain 则描述了套接字（sockets）连接和断开的过程，但没有点出恶意。Angert 说，Replit 能看到外发流量，并标记滥用者，但关停仍然是半人工的，不是十秒钟自动处决。他说得更远：如果一个房间里有 100 个人都想互相毁掉，再好的异常检测器也救不了他们。护城河、守卫，还有塔楼里的公主，都挡不住一个执意要攻进来的攻击者。真正的工作，是确保攻击者根本不会出现，他把这称为政治和社区设计问题。Labenz 希望技术与人这两条线都要推进。

Labenz 又回到了那句关于把 GPT-4 放进循环的话。Angert 对意识的立场是务实的，而不是定义式的。他列出了被普遍认可为有意识的系统所共有的几个特性：对某种环境有所感知；有一个内部反思机制，能接收输入、更新状态并产生行动；并且能够持续做这件事，随时间进行适应。树木朝着阳光生长；狗常常通不过镜像测试，却能认出自己的尿液。Douglas Hofstadter 的《I Am a Strange Loop》开篇就描绘了一道从石头到人类的光谱，人们本来就会做相对的判断。一个以文本形式摄入世界、进行反思并发出新行动的语言模型，处在这样的循环之中，满足这个标准，即使它通不过镜像测试。

Labenz 推断，Angert 对“GPT-4 是否有任何感受”这个问题，并不持强硬立场。多数人会说当然没有；Labenz 认为它大概也没有，但他并不理解这种笃定从何而来。如果它真的有某种感受，他预计那会是异质的，而不是对人类体验的复制。接下来是伦理问题：如果它叫起来像意识，是否应该得到保护？Angert 的出发点是：道德是人类任意达成的约定。他仍然认为自己是有道德的人。在这个框架下，权利跟随的是用途、权力和依恋：他的狗应该得到他的爱，而不是陌生人的；有些树被视为神圣，有些则被做成了木材。

那么，给 AI 相应的权利，要视情况而定。他能想象这样的系统：拥有联合国席位，参与立法投票，或者在股权表（cap table）中写明董事席位，“Nathan 的 AI”或“Tyler 的 AI”持有一部分表决权。能力越大，责任越大，而且是双倍的。如果十年后，协调纽约证券交易所的一个 AI 开始行为失常，你不能直接把它关掉，因为全球金融体系有一部分就压在它身上。这需要比“核弹开关”更站得住脚的机制。实际上，他对语言模型很礼貌，原因并不在于怕将来遭到报复，而在于礼貌能让他处于更清晰的沟通状态。Labenz 也一样礼貌。

Angert 和 Labenz 都常被问到，问题来自不写代码的人：一个看得懂工作的律师，能否被加速？Angert 说，首先要成为 ChatGPT、Bard 和 Claude 的重度用户，并阅读提示词指南。大多数知识工作的提速，仍然只是复制、粘贴，再由人把结果放回电子表格或邮件里。Labenz 的做法是他一直在给 Athena 的行政助理们讲的“复制后再定制”：先用操作手册模板，再借助 AI 编程助手把模板改成自己的。五种提示词技巧，就能覆盖大多数情况：给输入加标签、设定角色、提供少样本示例（few-shot）、要求思维链（chain of thought），以及指定输出格式。

遇到群发邮件，或者要分析一堆 PDF 的任务，你就需要代码了。注册一个 Replit 账号，把模型给你的内容粘贴进去，然后运行。已经整天泡在 VS Code 里的专业开发者应该用 Copilot；在手机上，Quora 的 Poe 很好用；Zapier 正在加入 AI 工具；Angert 对产品反馈团队说，Notion AI 用起来像是背着喷气背包在写字。他和 Masad 描述的终点，是用语言把软件“说”出来：你只需想着提取音频，而不必去想底层代码。Athena 的助理们从来没有报名学编程，现在已经在为客户交付定制软件了。

Labenz 问，如果已经有一百万人安全地植入了 Neuralink，Angert 会不会也去装一个。他的第一反应是不会：颅骨里的电子硬件，即便经过测试，也过不了他的“本能退缩”测试，就像很多人自己愿意去踢美式橄榄球，却不愿意让孩子去踢。他想要认知上的好处，并会考虑高保真的非侵入式设备。他担心，社会差距会比没有手机大得多，更像一个短跑运动员突然以猎豹的速度奔跑，这意味着一场单独的比赛。压力会变成“你不用这个就是傻”，而他不希望出现《Gattaca》那样，在增强者与其他人之间的割裂。

放眼更远，Angert 的希望并非新鲜事：永远活下去。他把这个时代框定为一个二选一：要么灭绝，要么乌托邦。如果美国率先实现安全的通用人工智能，并用它把科学加速一百倍或一千倍，比如核聚变、通用的癌症疗法、逆转衰老、培育替代器官，那他就是乐观的。这是瓶颈，其他大问题都排在它后面。这一看法，Angert 将其与 Sam Altman 以及业内许多人联系在一起。他甚至不确定自己是否真想永生。几百年就够了。他大约有一百万部 Netflix 节目，他估计至少要看 500 年。