Anton Osika 谈 Lovable、创造性软件与不断变化的构建工作

Anton Osika 设想，未来人们将有更多自由选择自己想要解决的问题。Joel Hellermark 介绍他是 Sana 的第一位员工，并问他的教育经历如何影响其思考方式。

Osika 说，他一直对事物如何运作感到好奇。鼓励好奇心的学校环境引导他走向物理学；在大学里，他学习了物理、计算机科学和神经科学，当时深度学习和强化学习开始显示出潜力。

他对神经科学的兴趣引出了一个问题：机器能否重现类似人脑的智能？在 Sana 早期，他和同事用神经网络研究学生学习。除了研究，他也喜欢将想法变成现实。

对构建的兴趣与 Lovable 联系在一起。Osika 将其描述为一种新界面，面向此前无法创造软件的人。他希望有想法和领域知识的创始人及员工，无须成为开发者也能解决商业问题或创办公司。

Hellermark 问平台如何从 GPT Engineer 演变而来。Osika 说，新模型更通用的推理能力让他确信软件工程会迅速改变。为了证明这一点，他构建了一个开源工具，可以根据终端指令生成并运行贪吃蛇游戏。

他决定创办公司，是因为看到开发者工具只服务于世界上很小一部分人。Osika 想为其他人提供界面。他举了一位正在创建 ShiftNext 的朋友为例，说明不会编程的人如何把产品当作技术联合创始人使用。

Osika 说，随着团队开发智能体运行的工具环境、在语言模型之间作选择，以及模型本身不断改进，产品也发生了变化。Hellermark 接着问，为什么 Lovable 选择快速生成应用初版，而不是先收集大量需求。

团队尝试过多种方法，包括收集需求和让智能体提出计划。他们发现，有具体东西可以回应时，人们更能有效贡献想法：第一个版本可能让他们看到自己不想要什么，或认识到自己原本想表达什么。

Osika 说，缩短从不完美的想法到可见结果的时间，是产品推出的关键。他表示，已有 4000 万人在平台上构建。Hellermark 认为这可能意味着博学者的回归：人们可以跨越过去专业化的角色，构建、推出并营销产品。

被问到哪些技能重要时，Osika 说，实现和执行所需的时间正在压缩。识别值得解决的需求，并运用创造性判断塑造解决方案，正变得更有价值。人们可以通过尝试解决商业、科学或其他现实问题来学习这两者。

Osika 还希望构建者思考产品带给人的情绪，以及自己能与先进系统共同创造什么独特价值。他相信，人们选择问题可能会更自由。Hellermark 问，软件创造是否仍会像许多创作者经济一样集中在少数人手中。

Osika 说，未来可能有多种，但他希望 Lovable 帮助人们更有意识地消费软件和内容。他描述了促进人类自我实现和创造力的使命，并表示即使有利可图，也会避免通过让人上瘾的注意力赚钱。

他认为，当朋友、家人或更广泛的受众能够尝试人们的作品时，人们可能会更有创造力。Hellermark 问，有没有某种资源变得充裕的历史类比。

Osika 将认知劳动的可获得性与工业革命时期能源可获得性的扩大相比较。在他看来，更廉价的能力可以让人们解决过去需要太多金钱或时间的问题，也可能促成人和机构新的组织方式。

对话转向所谓的 SaaS 末日，以及公司是否会构建自己的软件。Osika 说，首席执行官、财务负责人和 CIO 希望控制安全、数据和运行的代码，也希望能够快速修改软件、连接不同系统的信息。

他介绍了一家拥有数百个网站和 8 万名经纪人的全球房地产企业。Osika 说，一位营销负责人使用 Lovable 帮助重建旧网站平台并替换聊天机器人，节省了 200 万美元，并将学习新东西所需的时间从约一年缩短到几天或一周。

Osika 说，CIO 也在用由实际使用者参与开发、并可持续修改的系统，替换彼此不相连的内部工具。他认为，除了 Lovable，能跨应用连接客户数据并解决新问题的企业也有机会。

被问到会看好哪些软件公司时，Osika 说，他看好愿意创新、贴近客户并理解客户问题的领导者。他强调的是经营公司的人及其持续适应的意愿，而不是某个固定的软件类别。

Hellermark 问，未来的软件会由个人生成、为组织定制，还是基于模板。Osika 预计三者都会存在。他说，人喜欢调整周围的环境，企业也常常希望软件适合反复进行的工作流程。

他认为，随着功能更容易实现，使用软件时的情绪体验变得更加重要。模板仍然能帮助人们快速起步，但之后他们可能希望修改经过验证的基础。具体的组合取决于用户、企业和问题。

Osika 说，最大的变化是定制软件所需的时间不断缩短：团队可以与客户反复迭代，确定合适的解决方案，然后在满足功能、合规和安全要求的同时将其构建出来。

被问到如果明天成为财富 500 强公司的 CIO 会怎么做，Osika 说，现在每个员工都可以参与改善技术系统。他建议在掌握员工构建和连接情况的同时向他们开放工具，再尝试黑客松或其他共同实验。

Hellermark 问，未来会是一个占主导地位的智能体，还是许多专业智能体。Osika 预计，人们会继续试验多个智能体和模型。他说，在对话时，Lovable 在生产中针对不同情况使用四个模型，包括公司训练的模型和领先实验室的模型。

被问到谁负责 Lovable 的提示词时，Osika 说，实际上不存在唯一的提示词：不同情况下会向智能体提供不同信息。目标是给予有用的背景，而不是让信息过载。最终由人类开发者决定系统应如何交流和行动。

开发者会利用数据比较不同版本，包括多少用户成功、多少人受挫以及他们在哪里卡住。团队还会衡量更具体的任务，例如添加用户要求的登录功能需要多长时间、尝试多少次，以便从更少的样本中学习。

Osika 区分了两种工程挑战。他说，从头开始构建并推出产品正在变得迅速；修改拥有大量用户的复杂产品则更难，就像发动机运转时更换汽车零件。工程师必须系统地处理取舍和风险。

他说，对于复杂的现有系统，AI 需要足够了解可能出错的情况。他最希望模型改善的是重新规划能力：系统卡在循环中时，应退一步重新评估。更好的上下文提供和检索方法，将与这种能力相互促进。

谈到预测时，Osika 希望政治家更认真地讨论 AI，并加强外交关系。他设想，如果人类能够妥善应对这场转型，未来可能更加富足、合作。被问到最近最喜欢的回忆时，他选择了与同事并肩处理产品发布和生产事故。