（1）
不久前，瑞典AI编程初创公司 Lovable宣布，A轮融资2亿美金，估值达18亿美金，公司一跃成为欧洲最新的独角兽公司。
而这家新晋独角兽公司创立于2023年，非常年轻的一家公司，其产品至今推出仅仅9个月时间，已经实现1亿美金ARR，平台活跃用户230万，付费用户超过18万，这个增长速度是非常惊人的。
Lovable是干啥的呢？Lovable是 一款以聊天交互为核心的无代码AI Coding平台，用户通过自然语言描述需求（如「开发宠物电商APP，集成PayPal支付」），平台即可自动生成React Native 应用代码并完成部署，其用户中非技术人员占比高达 82%——这与其用户定位基本相符 ：占全球人口99%的非技术背景用户。
简单一点说，你如果想构建一个应用程序或网站，你只需要通过对话式的自然语言跟Lovable表达清楚你的需求，Lovable便能即时生成包含前端、后端和数据库在内的完整应用，并提供一键部署功能。这种「开箱即用」的体验，极大的降低非技术用户的使用门槛。
因此，可以看到Lovable的界面与诸如Cursor、Windsuf、Trae等AI Coding工具的不同，它的初始界面只有一个简单的对话框：
国内与此类似的是美团NoCode：
在对话框中输入你的需求描述，随后就是等着应用或网站开发成功。过程中，不需要你使用Cursor之类工具时所做的那样，要一步一步的做代码的生成和调试、一部分一部分的做代码的集成。整个项目的代码，Lovable可以一键生成。
Vibe Coding/AI Coding的发展速度太快了，前两个月还在吭哧吭哧的研究诸如Cursor、Windsurf、Trae之类的工具，还没有上手做几款产品出来，现在看着似乎这些工具所代表的Vibe Coding 1.0时代就要过去了，新时代的Vibe Coding 2.0就开始了？
（2）
以Cursor为代表的Vibe Coding/AI Coding工具，其形态仍旧以代码开发IDE的形态为主，甚至多数产品的界面都以开源Visual Studio Code为基础做二次开发，这也意味着这类工具更多是为专业编码运动员服务的，至少是有一定基础的业余编码运动员服务的。没有编码基础、没有技术基础的人员使用这些工具，其实是有些门槛的。
前些时候，我想开发一个小网站，汇总网络上收集的各种小工具，形成一个工具集。我的需求是：开发一个网站，首页按照类别对各种Web小工具以卡片的形式进行展示，点开某个小工具卡片，进入到详情页面，可以使用这个小工具，使用小工具需要注册登录等。
我使用Cursor开发这个网站，从一开始需求分析，到技术选型，到架构设计，再到代码实现，最后是测试和Bug调试，一步一步的搞下来，发现能够顺利的搞出来一套可运行的网站代码并不容易。
难点有几个：其一是每一部分的代码生成都没有问题，把各部分整合到一块对不熟悉相关技术的人来说有一定的挑战，例如集成注册和登录的功能、集成付费支付的功能等；其二是调试会很痛苦，因为不懂相关的技术栈，出现的错误，自己也不清楚具体是什么，接近于无脑的与AI大模型不断地对话，让大模型自己修复Bug，经常性的聊了N多轮，同样的问题反复出现。
我还算是有一定开发基础的，也懂得一些编码语言。但使用未知的技术栈，用AI Coding/Vibe Coding实现某个需求的开发，也还是有一定的困难的。可以想象，对那些完全不懂代码，只有需求和想法的人来说，想要通过AI Coding/Vibe Coding的方式开发自己的产品，其挑战是非常大的。
Lovable这类平台，要解决的问题就是在「某些领域」里，让编码这件事变得几乎没有门槛。他们真的做到了么？
我在Lovable的主页里，把上面提到的需求输入到对话框当中，回车之后，Lovable开始进行开发。它会把我的需求做拆解，制定出一系列的开发步骤，并根据既定的步骤，逐步的实现每一个功能，最后整合成完成的网站代码。
前后大概十分钟不到的样子，一个相对来说界面比较美观的网站原型就出来了，基本上就是我想象中的网站的样子，有示例的图片、有模拟的功能等，后续只需要稍微修改下，更换示例图片、实现模拟功能，网站就可以上线运行使用了。而且修改的过程，也可以在Lovable中进行，可谓是一键式项目开发，一键式项目修改。
前后两个开发过程相对比，我还是稍稍被Lovable所惊艳。一键傻瓜式项目开发，着实能够释放人们的创造力。你不需要懂任何技术，只要你有想法，你都可以很快做出属于你自己的产品，并快速开展你的业务。这大概就是Lovable能带给普通非技术用户的想象。
接下来的问题是，Lovable是怎么做到这种一键生成整个项目的？它真的就比Cursor之类的工具更强么？
（3）
先来探讨第一个问题：Lovable是怎么做到一键生成整个项目的？
前文提到，Lovable服务的客户群体是占全球人口99%的非技术背景用户，为他们提供想法和创意的一键式代码实现。这看起来是一件很大的事情，而很有意思的是，Lovable做这件大事的第一步是把事情做小。
什么叫把事情做小呢？
Lovable首先限定了开发的领域，主要是Web APP的开发；其次是限定了技术栈，采用React、Tailwind 和Vite构建前端，集成 Supabase 作为后端数据库和身份验证服务。因此，用户不需要自己理解复杂的基础设施配置，也不用自己集成各种不同的服务，只需要专注于自己想要实现的业务逻辑即可，其他的各种技术问题Lovable帮你搞定。
本质上来说，Lovable「仅仅」是提供了特定领域「Web APP」的「编码模版」，例如前后端的集成、身份验证、支付功能的集成，大体上都是固定的一套或几套代码模版，只需要根据不同用户的需要，做部分的参数修改即可，而其中的业务逻辑代码部分，才是主要由AI Coding Agent来生成的部分。
以上文提到的「开发宠物电商APP，集成PayPal支付」为例，一个电商的Web APP可以拆解成相对通用的若干个部分，加上一些个性化的部分。通用的部分，例如首页面、频道页面、产品详情页面、用户登录页面、购物车页面、支付页面、订单页面等等，这些都可以有相对固定且通用的模版可参考，这些模版的代码是类似的。你可能有自己的一些业务需求，例如整个宠物的血统家谱之类，这些则是AI Coding Agent主要生成的部分，相比而言，这部分的代码量未必比通用的模版代码量大。这样的话，开发一个宠物电商APP的需求，AI Coding工具要做的事情难度其实不大，无非就是调用大量现成的模版，个性的业务需求的代码用大模型来实现。
当然，Lovable还有其他一些创新，例如Lovable 独特的可视化编辑能力让用户可以选择应用或网页的特定部分，并要求 AI 对这些部分进行有针对性的修改，这种精细化的控制能力是其他平台较少具备的。
与Lovable类似的，还有Base44这款AI Coding平台。它也是通过代码模板化的方式，降低AI Coding的技术门槛，也在短时间内快速崛起，并被Wix以8000万美元的高价收购。Base44被收购时，只有一名创始人Maor Shlomo，以及8个员工。也因此，创始人Maor Shlomo被看成超级个体、个人公司的新时代代表人物。
无论Lovable亦或者Base44，它们虽然都是限制在某个特定的应用领域，但因为有大量的通用模版，能够极大的降低非技术人员的使用门槛，这对非技术人员实现自身创意或想法已经足够了。一下子让许多非技术人员似乎拥有了一个实现想法的「魔法棒」，让人眼前一亮，自然能够快速的积累起大量的用户。
这就是Lovable的策略之一，把事情做小。在专业编码人员来看，把事情做小，只能实现一些单一领域的简单功能，似乎价值不大，但对广大的「非编码」人员或者非技术人员来说，这样的虽然「小」的功能，能够帮助他们「不求人」的实现自己的想法，价值非常巨大的。因此，面向广大市场，把事情做小，其实是一个非常牛的策略。
当然，这只是一开始起步或者切入的策略。可以想象，如果在Web APP领域可以一键生成整个项目，那么在原生iOS APP领域也可以一键生成，在原生Android APP也可以。一个一个的领域都可以一键搞定整个项目的话，那么也就可以实现全领域上的一键代码生成了。这样的策略，可以描述成：把事情做小，把事情做大！
（4）
再来探讨第二个问题：Lovable，真的就比Cursor之类的工具更强么？从前文的论述来看，答案显然是否定的。
Cursor之类的工具，是全编码领域的工具，不限制领域、不限制技术栈、不限制编码语言，它们的能力是非常强的。
如果把Lovable比作水果刀，那Cursor之类的工具就可以看做是瑞士军刀。如果只是削个水果，水果刀更加简单直接快，更加适用。但是如果用在复杂的场景里，例如开发一个复杂的大型系统的话，Cursor之类的专业AI Coding IDE工具更加适用。
但是，正因为Cursor功能更强大、更加专业，使用的门槛也高，对普通的非技术人员来说，想把Cursor使用好，也是有一定困难的。如此，实际上也限制了Cursor之类的专业AI Coding工具的用户范围。
我们也看到，一些Cursor之类的工具开始拓展类Lovable的功能，以覆盖更广阔的用户范围。例如Trae推出了SOLO模式。
（5）
最后，探讨下AI Coding/Vibe Coding的未来发展。
AI Coding的工具，去年开始雄起，今年算是蓬勃发展，各类工具层出不穷，热度甚嚣尘上，算是今年最火热的赛道之一。
更加关键的是，AI Coding领域，不仅仅是AI Coding工具的发展，各大主流的大模型也都在提升各自的代码生成能力，甚至为此训练了专门的代码生成的模型。
为何各大大模型厂家都竞相在代码生成领域加大投入并提升代码生成能力呢？
一个可以想象的未来是，当大模型的代码生成趋于成熟时，大模型在感知周围环境变化时，对变化产生智能应对，并生成对应的代码，这些代码可以操控相关的工具执行响应的动作，反过来影响周围的环境。
这么说有些抽象，你可以想象下，如果把大模型装到机器人的脑袋里，它就是机器人的大脑。当它感知周围的环境，用视觉看到周边的图像，因麦克听到周围的声音，用传感器周遭的温度，它做出响应的反应，生成了对应的代码，下发到各个关节器官当中，指挥关节器官进行活动。这样，就完全不用事先对机器人的动作做设计和编码，机器人可以做到根据自己遇到的场景自己做出响应的响应。
代码生成的能力，有些类似人类大脑的神经信号的生成能力，会是未来大模型与物理世界进行自主交互的关键能力。
如此，AI Coding/Vibe Coding未来会怎么发展呢？其Coding的能力一定是大模型本身的能力，会是大模型厂家重点发展的能力；至于相关的辅助工具，也许不同的领域会各有不同的专属工具。
参考国外一篇文章对AI Coding工具的分级如下——
借鉴自动驾驶的分级体系，AI Coding工具也可以从L1到L5进行划分，每个等级代表了不同程度的自动化能力和技术成熟度。
-
L1、代码「快捷键」专家 ：核心技能是代码补全，帮你快速输入常见片段。Tabnine、Kite 就是代表，它们作为IDE插件已经相当成熟了；
-
L2、你的编程小搭档 ：这一层主打任务自动化，用自然语言告诉AI「写段代码」或「修个bug」，它就能干活。ChatGPT、Claude 是典型代表——你只需在输入框里描述需求或粘贴代码，它就会生成答案。不过，你还得手动把生成的代码搬回IDE运行；
-
L2.5、原生AI IDE，更聪明的搭档 ；当L2的能力直接融入IDE（VS Code安装Cursor），体验就升级了；生成的代码可以直接运行，AI还能借助上下文更懂你，写出更贴合的代码；像Trae这种IDE本身就内置大模型，不用额外装插件，堪称「原生AI IDE」；
-
L3、项目级「自动导航」： 目标是项目自动化！它能从需求文档直接生成初步代码骨架，还能连接项目管理工具和代码平台，部分实现需求到部署的自动化流程。目前Claude Code在这个领域比较领先；
-
L4 & L5、未来可期 ：这两个级别还在萌芽阶段。相关产品要么在内测（普通人想用？得排遥遥无期的等候名单），要么还停留在概念或论文里（比如MetaGPT）；
若是按照这个分级体系来看，AI Coding/Vibe Coding领域的空间还是蛮大的。只不过，到了L4或者L5，那会儿应该称作什么呢？Vibe Coding 4.0或者5.0？
- 20250907，文章第二版修改稿;
- 20250825，文章第一版修改稿；
- 20250727，文章初稿；