摘要：5 月 6 日，AI 编程黑马 Cursor 的母公司 Anysphere 完成了一轮 9 亿美元（约合人民币约 65 亿元）融资，估值增长两倍多，达到约 90 亿美元（约合人民币约 654 亿元）。这款全球增长最快的 AI 代码编辑器，推出仅两年便达到了 3

5 月 6 日，AI 编程黑马 Cursor 的母公司 Anysphere 完成了一轮 9 亿美元（约合人民币约 65 亿元）融资，估值增长两倍多，达到约 90 亿美元（约合人民币约 654 亿元）。这款全球增长最快的 AI 代码编辑器，推出仅两年便达到了 3 亿美元的年经常性收入，其背后成功的秘诀是什么？

最近，Anysphere 的联合创始人兼首席执行官 Michael Truell 在播客节目中，与主持人 Lenny 详细回忆了 Cursor 构建过程中的经验教训，团队搭建的心得，以及如何为即将到来的 AI 未来做好准备的建议。基于该播客视频，InfoQ 进行了部分增删。

核心观点如下：

未来工程师将更多地像是逻辑设计师，真正的工作将是明确表达你对软件如何运作的意图。

成功的关键在于持续的焦虑和对改进的不断追求。

在模型开发过程中，不要集中精力在基础模型已表现优秀的地方，而是要聚焦于它们的弱点，并思考如何补充它们。

软件的需求超出现有技术，未来工程师的需求将更大。

L enny：Cursor 正在改变人们构建产品的方式、职业生涯、行业等等，这一切是如何开始的呢？初期有没有什么难忘的时刻？

Michael： 最初，两个关键时刻让我们对 AI 产品充满兴奋。其一是在使用 Copilot 测试版时，我们感受到 AI 从虚拟演示转变为了真正实用的工具。另一个是 OpenAI 发布的关于技术扩展的研究论文，表明了 AI 可以通过简单手段持续提升，如扩大模型规模和增加输入数据量等。

到了 2021 年底，我们对 AI 技术的未来充满期待，认为它将变得更加成熟。我们意识到，尽管许多人在构建模型，但很少有人思考 AI 如何改变知识工作领域。于是，我们开始思考：随着技术的成熟，哪些领域会变化？工作状态如何？工具与模型如何演变？

我们最开始的时候认为编程领域已被充分探索，AI 将改变这一领域，但大家依然在关注。因此，我们把目光放在了一个较为冷门且发展缓慢的领域——机械工程。然而，最终我们意识到这并非我们的兴趣所在。尽管编程领域已有积累，但变化不大。许多人未能意识到新模型将如何改变软件开发方式，这促使我们开始构建 Cursor。

Lenny： 有时候人们会建议你进入一个“无聊”的行业，因为没有人关注，反而有机会。这个方法有时确实有效，但我更喜欢你后来提出的想法：“实际上，我们应该追求最热门、最受关注的领域，比如 AI 编程和应用构建。”这最终带来了成功。你提到，你没有看到足够的雄心，觉得很多事情还没有完成。这似乎是一个有趣的教训。即使某个领域看起来已经被占领，例如 GitHub、Copilot 等产品已经出现，如果你发现这些产品缺乏雄心，或者它们的方式存在某些问题，你依然可以看到巨大的机会。

Michael： 我认为 AI 的令人兴奋之处在于，它在许多领域依然有巨大的潜力，技术上限非常高。拥有一个有如此高上限的空间，在是软件领域的独特之处。

Lenny：各大公司也在走不同的路线。一个是为工程师构建一个 IDE，并为其添加 AI 魔法；另一个是完全以 AI Agent 为基础开发产品；还有一个则是专注于构建最优秀的编码模型。那么是什么让你们决定选择 IDE 路径，并认为这是最佳选择呢？

Michael： 从一开始，专注于只做模型的团队是在追求端到端的自动化编程，而我们关心的是让人类掌控他们构建的最终工具中的所有决策。那些团队倾向于设想一个 AI 主导的未来，而我们更倾向于保持现实主义态度。

我们一直强调“自我使用”，作为最终用户参与其中，使我们对当前技术有了更为现实的认知，也促使我们相信人类应该掌控一切，AI 不能做到所有事情。我们希望赋予人类这种控制权，因此我们避开了单纯做模型的公司和没有人类控制的端到端自动化方式。

至于为何选择做 IDE 而非插件，我们认为编程将在这些模型的推动下发生巨大变化，而现有编码环境的可扩展性极其有限。如果你认为 UI 和编程方式将有重大变化，就必须对整个应用程序拥有控制权。

Lenny：我很好奇，你认为未来会有“AI 工程师”在 Slack 里为你做事吗？这是 Cursor 未来的一部分吗？

Michael： 我认为，未来你需要能够在不同工作方式之间轻松切换。有时候，可能希望让 AI 独立运行一段时间，然后再将其工作拉入并快速处理，之后可能再次让它独立运行。因此，后台与前台的工作方式应该在同一平台上顺畅运作。后台工作特别适合那些可以明确指定需求、且对正确性要求不高的编程任务，例如修复 bug，但这并不是编程的全部。

因此，我认为 IDE 的定义会随着时间的推移发生变化，我们选择自己的编辑器方式也是基于这个前提：它必须不断发展。这包括可以从不同平台（如 Slack、问题跟踪器等）启动任务，同时，界面也会发生很大的变化。目前，我们主要将 IDE 视为构建软件的地方。

Lenny：我觉得，人们在谈论 Agent 和这些 AI 工程师会为你做所有事情时，往往没有充分讨论的一点是，我们实际上都在变成工程经理，管理着很多不那么聪明的员工，需要做大量的审核、批准和指定。你对此有什么看法？有没有什么方法可以让这一过程变得更轻松？

Michael： 我们发现最成功的客户在使用 AI 时其实比较保守，他们非常注重缩小交给 AI 处理的任务范围。无论是来自 Agent 还是整体 AI，对于需要审查的代码有两种模式：第一种是，你在前期指定任务，AI 完成后你再审查工作；另一种是，将任务拆分成多个小部分，先指定一些内容，AI 写一些代码并审查，接着继续指定，AI 继续写和审查，自动补全通常是在这种模式下进行的。我们看到最成功的用户往往采取拆分任务并保持灵活性的方法。

Lenny：回到你们第一次构建 Cursor 的时候，你们是在哪个时刻意识到这个产品已经准备好了？觉得现在是时候发布它了？

Michael： 当我们开始构建 Cursor 时，我们对推向市场持谨慎态度，避免过早发布。最初，我们从零开始构建原型，并没有以 VS Code 为基础。我们必须自己开发许多现代代码编辑器所需的功能，包括多语言支持、语言间导航、错误追踪等，还需要集成命令行和远程服务器功能。

我们迅速投入到开发工作中，五周后开始完全使用自己的编辑器，放弃了之前的工具。当我们发现它有用时，就让其他人试用，并进行了短期测试。几个月后，我们将其推向市场，大约是在写出第一行代码后的三个月。那时我们的心态是：“让我们尽快发布这个产品，公开构建。”

令我们惊讶的是，我们本以为会长时间为几百个用户开发，但一开始就收到了大量兴趣和反馈，这些反馈非常有帮助，并促使我们从手工构建的编辑器转向基于 VS Code 的版本。从那时起，我们就开始在公开环境中进行迭代。

Lenny：我觉得你们从零到一亿的年经常性收入（ARR）只用了大约一年到一年半的时间，这真是历史性的成就。你认为你们成功的秘诀是什么？

Michael： 三个月的版本其实并不太好，所以我认为成功的关键在于持续的焦虑和对改进的不断追求。我们始终意识到，产品有许多改进的空间。我们的最终目标是发明一种全新的编程方式，自动化大部分当前的编码工作。尽管 Cursor 已经取得了一些进展，我们仍然觉得离这个目标很远，仍有大量工作需要完成。

Lenny： 你们构建了一个自己作为工程师非常喜欢的优秀产品，然后发布出去，人们喜欢它，再纷纷告诉别人。

Michael： 我们也确实花时间做了很多其他工作，比如组建团队和支持轮换等。但一些通常在公司早期阶段需要关注的问题，我们选择让它们在一段时间内处于“燃烧状态”，尤其是在销售和市场营销方面。我们专注于产品，先打造一个自己和团队都喜欢的产品，然后再根据用户反馈进行调整。听起来简单，但实际上要做得好非常难。

有很多方向和路径可以选择，专注于正确的事物并有效排序优先级是非常具有挑战性的。在这个领域的另一个难点是，这种产品构建方式非常跨学科——我们既不是普通的软件公司，也不是基础模型公司，因为我们要为数百万用户开发产品。在保证产品质量的同时，还需要在合适的地方做更多的科学研究和模型开发。因此，如何在这方面做到平衡，一直是一个挑战。

Lenny：到目前为止，你在构建 Cursor 和其他 AI 产品过程中，做过的最违背直觉的事情是什么？

Michael： 最违背直觉的一点是，刚开始时我们完全没想到会进行自己的模型开发。进入这个领域时，已有公司专注于从零开始训练模型，我们也计算过训练成本，知道这对我们来说难以实现。外面已经有很多优秀的模型，尤其是在预训练方面，我们认为不必重复做别人已经完成的工作。

然而随着发展，我们进行了大量模型开发，并专门招聘了一个优秀的团队。到目前为止，Cursor 中的每个“魔法时刻”都与自定义模型相关，这个过程是逐步发展的。最初，我们训练自己的模型是因为没有合适的大型基础模型可用，结果非常成功。在模型开发过程中，一个有帮助的策略是精心选择合适的领域，不要集中精力在基础模型已表现优秀的地方，而是要聚焦于它们的弱点，并思考如何补充它们。

Lenny：很多人听到你们有自己的模型时会感到惊讶。人们谈论 Cursor 和这个领域的其他公司时，会认为它们只是建立在 ChatGPT 或 Sonnet 之上。能谈谈你们的模型背后技术堆栈的情况吗？

Michael： 我们确实在多个场景中使用了最大的基础模型，它们是 Cursor 体验的重要组成部分。我们自己开发模型的地方，通常是为了处理一些基础模型因成本或速度原因无法满足的用例。例如，自动完成功能。在编码中，有时你可以完全预测接下来的一段工作，就像写作时的自动补全一样。不同的是，编码时，下一步修改的内容通常可以从之前的代码中预测出来。

Cursor 的核心功能之一就是针对自动完成功能的优化，能够预测你在多个文件或同一文件多个位置上的操作。要让模型在这个用例中表现出色，首先需要解决速度问题，模型必须在 300 毫秒内提供自动补全，并且要控制成本，因为每次按键时都需要运行大量模型并不断调整预测。另一个特殊用例是代码差异的自动补全。我们训练了专门的模型，使其能够精准地预测代码库中的变化，包括删除和添加部分。

此外，我们还使用自有模型来辅助像 Sonnet、Gemini 或 GPT 这样的基础模型，作用于输入和输出端。在输入端，我们的模型遍历整个代码库，找出与大模型相关的部分，像一个专门的小型搜索引擎；在输出端，我们获取大模型的修改建议，并通过我们自己的模型填补细节。这样，我们能够将高层次的修改转化为完整的代码差异，极大地提升了产品的质量和速度。

Lenny：我之前在播客上采访了 OpenAI 的首席产品官 Kevin Weil，他称之为“模型集成”，就是以这种方式运作——利用每个模型的最佳特性，并且如你所说，使用成本更低的模型带来的优势。其他模型是指基于 Llama 之类的开源模型吗？

Michael： 是的。我们从现有的最优秀的预训练模型开始，通常是开源的，有时也会与这些大模型提供商合作，尽管他们并不公开分享模型的权重，因为我们最关心的不是逐行读取权重矩阵来获得特定的输出。我们更关心的是能够训练这些模型，并进行后训练。

Lenny：这引出了一个很多 AI 创始人和投资者总是思考的，那就是护城河（moats）和 AI 领域的防御能力。你如何看待定制模型的长期防御能力，特别是知道有其他公司，不断发布新产品，试图抢占你的市场份额？

Michael： 我们处于一个必须不断努力构建最好产品的领域，这对我们和整个行业都是如此。天花板非常高，无论构建什么样的壁垒，都有可能被超越。尤其是在搜索领域，增加分发渠道能帮助改进产品，因为可以根据用户反馈调整算法和学习方式。

我认为，这种动态同样适用于我们的市场。虽然这对我们公司来说可能是令人沮丧的事实，但对世界而言却是令人兴奋的，那就是：有许多可以超越的机会，还有更多有用的东西等待被构建。我们离能够在未来 5 到 10 年内完全竞争还有很长的路要走，而我们的责任就是保持这个进步。

Lenny： 持续做到最好，让人们一直使用你的产品，而不是通过创建“锁定”机制之类的方式来留住用户，像 Salesforce 通过与整个公司签订合同，迫使他们使用你的产品。

Michael： 我认为，如果你所在的领域很快就会耗尽创新机会，那就不太适合。但如果你处在一个需要大量投资，并且通过让更多优秀的人在正确的路径上工作来不断创造价值的领域，你就能获得研发规模的经济效益，并推动技术朝着正确方向发展，最终形成竞争壁垒。尽管如此，我相信最关键的还是要打造出最好的产品。

关于未来是否会有主导者，我认为这个市场非常庞大。我们面临的挑战是自动化大量繁琐的知识工作，真正提升各领域的效率和生产力，远远超出了为开发者提供构建工具的市场规模。我相信会有多个不同的解决方案出现，最终会有一家公司构建一个通用工具，能够构建几乎所有软件。但同时，市场中也会有细分领域，你可以为特定市场或开发生命周期中的特定环节提供解决方案。总体来看，编程将从单纯的编程语言转向更高层次的工作，最终会有一个主导者，这将是一个巨大的商业机会。

Lenny：沿着这个思路，微软实际上最早站在了这一切的中心，推出了一个令人惊叹的产品，拥有出色的分发渠道。然而，微软似乎并没有赢得这场竞争，反而感觉有些落后了。你觉得这是怎么回事？

Michael： 我认为，Copilot 没有完全达到一些人预期的原因，既有市场问题，也有特定的历史原因。首先，微软显然是我们工作的一个重要灵感来源，通常他们做了很多出色的工作，我们也是许多微软产品的用户，但我认为这个市场对现有公司（incumbent）并不友好。

对现有公司友好的市场通常是那些有一定局限并很快商品化的市场，你可以将产品捆绑销售，且不同产品之间的投资回报率差异不大。在这种情况下，可能并不值得购买创新的解决方案，而是选择与其他产品捆绑的东西。

另一个有利于现有公司的市场是那种一开始就将所有内容集中在一个地方，且转换成本非常高的市场，无论是好是坏。而在我们的情况下，你可以尝试不同的工具，决定哪个产品更好。所以，这对现有公司并不友好，反而是对那些拥有创新产品的公司更有利。

至于历史原因，参与 Copilot 第一版开发的团队大多已经转向其他项目。我认为，协调涉及这个项目的不同部门和团队一直存在一些困难。

Lenny：如果你可以坐在每个第一次使用 Cursor 的新用户旁边，悄悄告诉他们一两个成功的秘诀，让他们能更好地使用 Cursor，你会说什么？

Michael： 成功使用 Cursor 的关键之一是了解模型的能力。用户需要明白模型能处理的任务复杂度，了解需要多大程度上指定任务给模型，同时也要认识到模型的质量、局限性以及它能做什么和不能做什么。

为了帮助用户培养这种“taste”，我有两个建议。第一个是避免一开始就直接对模型说：“嘿，做这个任务”，然后看输出结果，结果要么失望，要么直接接受。我建议将任务拆分成小块，分步指定，这样可以逐步获得反馈，而不是一次性给出一个大任务。这样做能更有效地利用模型，避免可能的负面效果。

第二个建议更适合副项目，而非正式工作。我鼓励开发者，尤其是那些习惯传统开发流程的人，尝试“跌倒”，在安全环境下探索模型的极限。大胆地使用 AI，很多人低估了 AI 的能力，所以在安全环境中进行大胆尝试，你可能会惊讶于模型的表现。

Lenny：要培养对模型能做什么的直觉，了解它能带领一个想法走多远，而不是只是引导它走一段路。我敢打赌，每当有新的模型发布时，你就需要重新建立这种直觉，譬如当 4.0 版本发布时，你就得重新做一次。这种说法对吗？

Michael： 是的。过去几年，这个问题并不像人们第一次接触一些大型模型时那样显著。这也是我们希望能更好地解决的问题，减轻用户的负担。

Lenny：人们总是会争论，像 Cursor 这样的工具对初级工程师更有帮助，还是对高级工程师更有帮助？你认为今天谁从 Cursor 中受益最大？

Michael： 这两类人群都从 Cursor 中受益匪浅，很难确切说哪个群体更受益。

初级工程师往往有点过度依赖 AI，几乎依赖它做所有事情，而目前我们还没有达到能够在专业工具中完全依赖 AI、与数十人、数百人合作并且在长期维护的代码库中工作的阶段。至于高级工程师，我认为平均而言，高级工程师往往低估了 AI 对他们的帮助，仍然坚持他们现有的工作流程。因此，比较这两者的相对受益是有些困难的，我认为他们都陷入了不同的反面做法。

Lenny： 这就像是光谱的两端——一端期待过多，另一端则期望不足。

Michael： 是的，也许是处于两者中间地带的高级工程师受益更大。

Lenny：如果你可以见到刚开始做 Cursor 时的 Michael，你会给他什么建议？

Michael： 许多宝贵的知识往往是潜在的，且难以用语言表达。生活中的一个遗憾是，在某些领域，你确实需要“跌倒”才能学到正确的东西，或者需要身边有一个在某一领域非常出色的榜样。

对我们来说，能够组建一支世界级的工程师和研究团队来共同打造 Cursor 至关重要。引入合适的人才，可能是我们最为关注的事之一, 我们因此等了很长时间才扩展团队。我认为许多成功的公司都面临“招聘过快”的问题，而我们一开始确实招聘得太慢了。我们在招聘过程中经历了许多关于如何找到合适的候选人、如何判断他们是否符合团队条件、伟大是什么样子的，以及如何激发他们兴趣的教训。

Lenny：哪些是你们的经验教训？有什么是你们错过或学到的？

Michael： 一开始，我们在招聘时过于偏向寻找“名校毕业、非常年轻、在名校环境中做过高认可项目”的典型人选。实际上，我们运气很好，在早期找到了愿意和我们一起做这件事的非常出色的人，他们已经有了一定的职业经验。我们花了很多时间寻找那些可能不完全符合我们需求的候选人，部分原因是资历问题，另一部分则是兴趣和经验问题。

另外，我们的面试流程逐步演化，现在我们有一套自定义的面试问题，核心环节是让候选人到现场待两天，和我们一起做工作测试项目。这种方法非常有效，我们也越来越倾向于这种方式。此外，我们在了解候选人真正兴趣方面也做得越来越好，我们学会了如何展示机会并展开对话。

Lenny：你有没有一个最喜欢的面试问题？

Michael： 我们最初认为这两天的工作测试无法扩展到更多人参与，但它却出乎意料地有效。它让候选人完成从头到尾的真实项目工作，而不是使用现成的项目清单。这种方式也不需要占用其他团队太多时间，你可以将原本需要半天或一天的面试安排，分散到两天内，给候选人足够的时间展示工作成果，帮助面试流程扩展。

这个测试还帮助验证你是否愿意和这个人一起工作，因为你们将共同度过两天，甚至共享几顿饭。我们原本没想到这会持续下去，但它在我们的价值观和流程中变得非常重要，尤其是在公司早期阶段。当时，产品还不成熟，用户也不多，唯一能吸引人的就是团队成员。通过这两天的相处，我们给候选人机会了解我们。这个做法出乎意料，更像是一次前置面试，而不是传统的面试问题。

Lenny：你给候选人安排一个任务，比如“在我们的实际代码库中构建这个功能，并和团队一起编码、发布”？

Michael： 对的，在我们的代码库中，我们会给候选人安排一个真实的小型两天项目。基本上，候选人会被单独安排，当然也有协作的部分。而且，我们公司是一个相对封闭的公司，几乎所有的情况都是候选人实际坐在办公室里和我们一起工作。

Lenny：你们现在有多少人？

Michael： 我们现在大约有 60 人。

Lenny：对于如今的规模和影响力来说，60 人还是很少的。我猜工程师占了最大比例吧？

Michael： 是的。未来我们的一大任务是组建一个更大、更出色的团队，继续改进产品和提升我们提供给客户的服务。但这个数字目前较小的部分原因是，我们公司内工程、研究和设计的比例非常高。许多软件公司，如果有大约 40 名工程师，通常员工总数会超过 100 人，因为有很多运营工作，且通常从一开始就非常依赖销售。而我们从产品驱动、非常精简的起点出发，现如今已经服务了大量的市场客户，并且在不断扩大团队。

Lenny：AI 领域每天都有新的东西发布，作为一家位于风暴中心的公司，如何帮助你的团队保持专注，低头做事，而不被这些闪亮的新事物分心？

Michael： 如果你能招到心态正确的人，许多问题都能迎刃而解。我们在这方面做得不错。我们注重招聘那些专注于高质量工作、保持冷静的人，他们情绪波动小，有助于保持专注。此外，更多讨论这个，并通过以身作则非常重要。我们见证着 AI 领域技术的兴起与消逝，形成了免疫机制，知道哪些事件会真正影响我们。

Lenny：你认为人们在理解 AI 的发展方向时，最常误解或没有完全掌握的是什么？尤其是在构建和改变世界的过程中

Michael： 我认为人们对技术变革的看法有些偏激，要么觉得一切会发生得非常快，要么觉得这只是炒作。我认为我们正处于一个深远的技术变革中，这场变革将比互联网和任何自计算机出现以来的技术变革都要重要。这是一个跨越几十年的过程，许多不同群体将推动这一进程。

为了实现计算机能做更多事情的目标，仍有许多问题需要解决，其中一些与科学相关，如如何让模型理解不同类型的数据，使其更快、更便宜、更智能，能在现实中行动。另一些则与人与计算机的交互、如何控制技术有关。

我相信，这将是几十年的长期过程。特别重要的是，那些致力于自动化和增强特定知识领域的公司，它们不仅要为该领域构建底层技术，还要整合各方最佳技术，并创造相应的产品体验。这些公司，特别是在软件领域，将变得极为重要。它们不仅能为用户提供价值，还将推动技术进步，创造庞大的企业。

Lenny：我知道你们现在在招聘。你们目前在寻找哪些职位？有没有特别急需填补的职位？如果有人感兴趣，他们应该了解什么？

Michael： 我们团队还没有完全准备好做所有事情。首先，如果你觉得某个职位没有开设，可能应该主动联系我们，实际上我们可能还没有意识到需要这个职位。

总的来说，今年我们最重要的目标是：拥有行业最好的产品，并将其发展壮大。我们现在处于“领土争夺”阶段，全球许多人还没有使用像我们这样的工具，或者正在使用发展较慢的工具。所以，扩展 Cursor 是一个重要目标。我们尤其需要优秀的工程师、设计师和研究员，同时也需要各个业务领域的人才。

Lenny：“AI 会写我们的所有代码”，但是大家还是在疯狂招聘工程师。你认为工程师职位会在某个临界点上开始放缓吗？工程师的需求会越来越大，还是最终会有很多像 Cursor 这样的 Agent 为我们构建代码？

Michael： 这个过程是漫长而复杂的，不会立刻跳跃到把所有工作交给工程团队完成。我们希望编程方式逐步演变，人类始终主导，即使在最终阶段，专业人士仍需控制软件的方向。我曾为生物技术公司构建内部工具，现有工具无法满足需求，远超我能完成的工作。尽管计算机性能强大，但当前仍有许多摩擦。我认为对软件的需求超出现有技术，未来工程师的需求将更大。

Lenny： 你提到过一个非常有趣的概念——“代码之后（what comes after code）”，你对从代码到其他东西的转变有什么愿景？

Michael： 当前社会中存在几种不同的愿景。一些人认为未来的软件构建将与现在类似，依然是文本编辑和正式的编程语言，如 TypeScript、Go、C 和 Rust。另一种观点认为，未来的软件构建将是与聊天机器人进行对话式编程，你可以让它帮你构建一些东西，之后再要求它修改你正在构建的内容。

我们认为这两种愿景都有一定问题。我们想象的“代码之后”的世界，是一个能够以更接近自然语言的方式来表示软件逻辑的世界，写下的软件逻辑可以以类似伪代码的形式展示，也可以在高层次上进行编辑和指引。那时，软件不再是几百万行难以理解的代码，而是更加简洁、易于理解的内容。我们正在朝着这个目标努力，使得那些复杂且难以理解的符号逐渐发展成更具可读性和可编辑性的形式，让软件构建过程变得更加人性化。

Lenny： 也就是说，你所设想的是人们将摆脱直接用代码编程，取而代之的是一种抽象的形式——本质上是伪代码，用英语句子描述代码执行的功能。

Michael： 我们认为最终会发展成这样，而且我们坚信这个过程肯定是以人为主导，人在整个软件构建中依然拥有极大的控制权。同时，人类也将具备快速做出改变的能力，能够在短时间内进行调整，而不是依赖后台运行的缓慢系统，花费数周时间才完成工作。

Lenny：对于那些目前是工程师、考虑成为工程师、设计师或产品经理的人来说，在“代码之后”的世界里，哪些技能将变得越来越有价值？

Michael： 我认为“taste（品味）”将变得越来越有价值。当人们谈到软件领域的“taste”时，往往会想到视觉效果，诸如流畅的动画、色彩搭配、UI、UX 等设计方面，但定义软件的另一半是它的逻辑和功能。我们目前拥有出色的工具来定义软件的视觉效果，但一旦涉及到软件如何运作的逻辑，实际上，代码是目前最好的表现方式。

因此，我认为未来工程师将更多地会像逻辑设计师，真正的工作将是明确表达你对软件如何运作的意图。这将更多是关于“做什么”，而不那么关心“如何实现”。

Lenny：这让我想到了“vibe coding（氛围编码）”，你是指不必过多关注细节，而是更倾向于顺其自然，跟着感觉走的那种方式吗？

Michael： 我觉得“vibe coding”正好描述了这种创造状态。这种状态比较有争议，虽然你在生成大量代码，但并没有真正理解细节。这种创造状态会带来很多问题，因为如果你不了解代码背后的细节，你很快就会遇到限制，创造出一些大到无法修改的东西。

因此，我们正在探索的一个问题是：人们如何在不理解代码的情况下，依然能够持续控制所有细节。这对于现在从事 vibe coding 的人来说是非常关键的。

Lenny：你说的“taste”具体指什么？

Michael： 我指的是拥有正确的构建理念。未来，用户将会更容易地把“想要构建的内容、希望一切如何运作、希望它看起来如何”这些想法无缝转化为现实。有了构建的蓝图后，用户能够在计算机上轻松实现这一点，不再需要艰苦地将其转化为计算机可以理解和执行的格式

来源：商财洞察君