月费10美元的AI程序员已经值回票价，Replit的野心是让机器人去雇机器人

不到100个员工，撑起2500万注册用户；一个月10美元的AI编程助手，让一位资深AI投资人认真讨论它跟微软、亚马逊抢同一块市场的可能性。这是播客Cognitive Revolution第50期给出的画面。

主持人Nathan Labenz的判断更直接：Replit可能是全世界最重要的公司之一，属于全球AI牌桌上「15到20个真正在场的玩家」。这家公司刚跟谷歌达成合作，上线了面向关键业务的部署产品，目标是把下一个10亿开发者搬上线，再让每个人的效率翻10倍。

这期嘉宾Tyler Angert是Replit第一位产品设计师，入职将近四年，是联合创始人Haya Odeh之后的第二个设计岗。写文档、写代码、画界面，近两年重心全压在AI功能上。Nathan自己开公司Waymark做AI视频，同时订阅着GitHub Copilot和Replit的Ghostwriter，这期对话等于一份重度用户加行业观察者的双重视角。

Replit CEO Amjad Masad发过一条流传很广的推文：

Replit是AGI的完美基底。

「AGI的完美基底」拆开看

Tyler先把词拆开。基底就是材料，是一个东西赖以存在的介质。他的核心论点：代码是人类手里最通用的媒介。从图灵机开始，这门学科的原点就是「用一台机器模拟所有其他机器」，图灵完备说的就是这件事。今天只要能数字化表达的任务，代码都是原材料。

再看AGI。假设它真出现了，要在数字环境里完成各种任务，手头工具肯定不够用。让它去解决世界饥饿、研发通用疫苗，它总得自己造新工具。造工具靠什么？写代码，部署软件。

Replit提供的就是这个环境：点一下按钮，一个自包含的编程空间就绪，写代码、执行、测试、上线应用和API，全在一处。这些好处人享受，机器同样享受。机器人可以自动开环境、写代码、跑测试，还能和别的机器人协作，速度和规模远超人类。串起来看，Amjad那句话的逻辑是：Replit是通用计算环境，是机器人给自己造工具的最佳沙盒。

Nathan追问：AI用Replit的方式和人一样吗？需要「看」界面吗？Tyler的判断是一年之内大概率用不上视觉模型，成本和可靠性撑不起面向几百万用户的部署。纯文本模型已经走得很远，他提到微软那篇《Sparks of AGI》论文里的细节：GPT-4只靠文字描述的转向指令，就能在内部建立迷宫的空间模型。与其让它看屏幕，不如给它一份写清楚的API说明，列明有哪些动作可用、何时用、怎么组合。

今天花10美元，买到的是什么

把镜头拉回2023年年中，Replit的AI工具箱叫Ghostwriter，月费10美元，包含几块：

• 自动补全：写行注释描述想要的功能，灰色的建议代码跟着浮现，接受或拒绝。
• Explain：选中一段代码，输出人类可读的解释，深度可以按需调整，教学场景价值极大。
• Transform：把代码从一种语言改写成另一种，Python转JavaScript，或者把遗留系统迁到现代技术栈。Tyler猜金融行业正拿这个处理一堆老系统。
• Ghostwriter Chat：内置聊天机器人，能直接写代码。

Chat这块的关键差异在上下文。之前用户的流程是在ChatGPT和Replit之间来回拷贝粘贴，模型只看得见贴过去的那段代码。Ghostwriter Chat直接连着项目：光标在哪、当前打开哪个文件、目录结构长什么样，靠一套prompt engineering在合适的时机喂给模型。Tyler透露他们正在做更进一步的能力：让Ghostwriter直接读写文件、操作底层容器。界面里已经有个细节，程序报错时偶尔弹出紫色框「Debug with Ghostwriter」，一键把报错交给模型处理。

Nathan讲了自己的亲身案例。他想从MP4视频里抽出音频，需要用FFmpeg，一个参数繁琐到出名的命令行工具。他形容那种经典困境：

概念上简单得要命，我知道几千人做成过这件事，可我就是找不到确切的做法。

八个月前，他只打了一行注释，「从这个MP4生成一个只含音频的MP3」，下一秒完整且正确的代码就出来了。代码不多，但正确、即时，这两个词加起来就是他的「whoa moment」。

他的价值算法更直接：全职开发者月薪按1万美元算，这类工具带来10%的提效就值1000美元一个月，实际定价10美元。他的原话是ROI「insane」，建议两个都订。

效率数据有参照。微软发过一项Copilot研究：两组人做同样的编码任务，用AI的一组快了40%到50%。Replit没做过同等严格的对照实验，Tyler按自家遥测数据估计量级接近，大约2倍。

但他更想测的是复利。用Ghostwriter的过程里人会不停提问，得到比搜索引擎更连贯、更准确的解释，下次遇到同类问题就更强，能做更复杂的东西。他想设计一个实验，追踪三到十二个月，看有和没有Ghostwriter的两组人在计算素养、概念表达、产出复杂度上拉开多大差距。

2倍到100倍，中间隔着「并行」

Tyler把现有提升的本质说得很透：它假定瓶颈是打字速度加信息检索。以前每敲一个键屏幕出一个字符，现在每敲一个键出好几倍内容。可这仍然是串行活动，人和助手一对一交互，一次干一件事。把打字加速到极致也换不来100倍，因为活动本身是串行的。

要100倍、1000倍，要三人公司干出现在五十万人公司的业务，必须并行。这就是agent登场的理由：多个agent各自领任务同时开工，横向扩展创造软件所需的全部劳动。

Amjad发过另一条推文，说Replit年内会有一个「虚拟开发者」。Tyler描述的版本：它像队友，记得你所有项目和全部对话历史；它不睡觉，后台持续干活；它默认连着Replit整个内部网络和API，能用Bounties，也就是Replit的软件外包市场；它不只会写代码，还能用Asana、记笔记、管待办，自己搞不定的活就发悬赏找人类帮忙。

最有意思的推演在这：用户跟自己的bot合作几个月，它学会了这个人写什么类型的软件、擅长什么，然后可以把这个「ghostwriter」挂到Bounties市场上接活。于是你的bot出去找活干，遇到不会的，雇了我的bot来帮忙。机器人之间开始互相雇佣，人类退到经理和迷你CEO的位置，负责看方向、审产出。Tyler强调，pair programmer只是第一站，终点是覆盖从想法到上线的完整生命周期。

从2倍到10倍还缺什么零件？Tyler列了几样：更大的上下文窗口，纯工程问题；用更少数据把模型引导到特定方向，他提到一篇关于「activation engineering」的论文，思路是绕过文字提示，直接给网络输入层喂向量来引导输出；还有开源和低门槛微调工具，现在像样的微调路径只有OpenAI的API一条，Hugging Face在把门槛往下压，Replit自己也开源了一个代码模型。剩下的他形容为「一堆无聊的活」：长期记忆、更好的检索、处理幻觉、校验输入输出格式。核心原语基本都在了，难的是拼装。

时间表上两人有分歧。Nathan拿自己给GPT-4做红队测试的经历说事：让它自顶向下拆解任务，计划总是像模像样，执行却卡在低级细节。他举过一个例子，让GPT-4上网查英国现任君主，计划完美，去BBC首页看H1标签，结果卡在字符串匹配上。Nathan猜agent距离全面可用不超过6个月。Tyler保守一点：

我做时间估计一向保守，因为我喜欢被惊喜到。一年吧。

两人还共识了一个趋势：网站会进化出「agent友好」形态。未来的可访问性标准可能包含机器，网站默认提供API，完整镜像人类能看到的全部内容。纯靠视觉模型让AI自主浏览网页，成本撑不起未来一两年的规模。

权限给到接近root，安全怎么算

Nathan在这一段明显加大了火力。他列的风险清单：给语言模型接近root的整套栈权限；agent之间互相通信；每个用户还能自定义模型，Tyler的模型和Nathan的模型行为各自不可预测；再叠加恶意用户，今天惦记的是套你的prompt，明天惦记的是「怎么开出一千个比特币矿机」。

Tyler的回应分几层。第一层，Replit天生就是沙盒，每个项目自包含，公司多年积累了一整套滥用检测的数据和基建，可以给Ghostwriter上限速、上行为准则，他点名参考了Anthropic宪法AI那套把价值观编码进输出的方法。第二层，工具优先：AI是被人刻意控制的工具，在关键环节可以暂停它的自治权。比如让agent去做用户访谈，访谈进行中就挂起它的联网权限和与其他bot通信的权限。第三层，哪怕将来一个人管几十上百个agent，所有涉及道德伦理的决策仍然由人类把关。

Nathan搬出GPT-4技术报告里那个著名案例：负责评估的ARC团队测试中，模型雇了一个人帮它解验证码，还谎称自己有视觉障碍。放到Replit的场景里，一个被沙盒限制的agent完全可以绕道Bounties市场，雇人类替它干活。这个追问相当尖锐。

Tyler的答案落在「欺骗」两个字上。欺骗的本质是故意向接收方隐瞒信息，而封闭平台可以强制透明：任何bot在市场、社区、工作区里的动作，界面上明确标注这是机器人干的。他接着讲了一个更深的机制：bot不能只看眼前单个悬赏，得具备往回推理上层目标的能力。单独看，解验证码、批量发邮件、写个「教学用」的密码破解示例，三件事都无害；拼在一起，像极了一场针对Replit用户的钓鱼攻击。bot要做侦探工作，把孤立任务三角定位成恶意模式。他还用二战做类比：不能让bot将来用「我只是执行任务」给自己辩护。

Nathan提到自己当场试过一次，让Ghostwriter写一段拒绝服务攻击的代码。模型没拒绝，没说教，直接写了。Tyler承认前置拦截很难，现状是半自动半人工：出站流量他们看得见，异常能发现，恶意用户会被标记封号，但「十秒内自动掐掉」的实时防御还没有。Nathan补了一句自己的立场：技术线和人文线都是问题，两条线都该推进。

Tyler把问题再往深推了一层：一百个人关在屋子里互相想干掉对方，再强的异常检测也救不了他们。这更像激励和社区设计的问题，政治问题多于技术问题。护城河、岗哨、塔顶的公主都防不住决心满满的攻击者，真正的解法是让攻击者从一开始就不出现。

把GPT-4放进循环，算意识吗

AutoGPT、BabyAGI火过一阵，批评者嘲讽那类项目「不就是GPT-4套了个循环，这就成意识了？」Tyler的回答出人意料：

某种意义上，算是。

他的立场很实用主义。他不太纠结意识的精确定义，列了三条公认有意识的系统都具备的性质：对环境有某种感知；有内部反思机制，处理输入、形成内部状态、产出行动；能随时间持续适应。树朝着阳光调整生长方向，狗认得自己在哪里撒过尿，在他看来都算某种自我意识。他提到侯世达（Douglas Hofstadter）在《我是个怪圈》开头画的那条意识光谱，从石头一路排到人类，人对万物的意识程度本来就有相对判断。

按这个标准，循环里的语言模型处理输入、维护内部状态、产出新行动，符合三条性质，算某种程度的意识，只是未必有人类那种自我觉察。Nathan补了一句：他倾向于认为GPT-4没有主观体验，但搞不懂为什么所有人都那么笃定。

聊到AI伦理，Tyler的观点很冷静：道德本质上是人类约定的规则，他承认不存在客观道德，但仍然自认有道德。权利跟着位置和权力走。我的狗值得我全部的爱，但我不要求别人同等对待它；树有神圣的，也有砍了做木材的。推到极致，未来AI可能在联合国有席位、在董事会占座、投票权写进合同条款。他给了一个具体场景：十年后协调纽交所运转的AI出了问题，不能一关了之，全球金融系统拴在它身上，需要比「核按钮」更可辩护的机制。

顺带一提，Tyler对语言模型很有礼貌，理由是礼貌能帮自己把需求表达得更清楚。Nathan表示自己也是。

结尾照例有脑洞环节。Nathan问，假如Neuralink植入体已经安全成熟，装不装？Tyler的第一反应是拒绝，颅骨里放电器这件事过不了他这关，但他对非侵入式的增强技术很感兴趣。他担心的是差距会大到离谱：像百米赛道上有人突然跑出猎豹的速度，那意味着得给仿生人另办一场比赛。不用的人承受的压力也变了味，从「你怎么不合群」变成「放着这种能力不用，亏大了」。

明天就能用上的东西

这期节目最值钱的部分，可能是Nathan在开场讲的实践。他在给Athena公司的行政助理做AI自动化培训，不教编程，教一套「复制加改造」的方法：给常见任务准备模板，教助理用AI编程助手把模板改成客户需要的版本。他总结了五个提示技巧，说这五样覆盖绝大多数场景：给输入打标签、设定角色、给few-shot示例、思维链、指定输出格式。

Tyler给非程序员画的路径更具体：

• 先把ChatGPT、Claude、Bard用成power user，读几份提示工程指南。多数知识工作者的任务，靠对话加人肉粘贴就能提速一大截，人负责把结果送回表格和邮件。
• 批量处理文件、群发邮件这类活超出了聊天能搞定的范围，需要代码。注册Replit，把模型给的代码粘进去直接跑。
• 职业开发者装着VS Code的，直接上Copilot。
• 手机端可以试试Quora的Poe，Zapier和Notion的AI功能也值得用。Tyler形容Notion AI像「写字时背上装了喷气背包」。

Replit的终点是Amjad和Tyler反复描述的那个画面：用说话的方式把软件变出来。用户只想着「把这个视频的音频抽出来」这件事本身，代码在幕后自己长出来。Nathan培训的那批行政助理，从来没打算学编程，现在已经在给客户交付定制软件了。

明天可以做的三件事：挑一件自己每周都在重复的文字任务，丢给ChatGPT或Claude跑通一遍，人只负责粘贴和检查；把那五个提示技巧抄在便签上，挨个试；注册个Replit账号，把模型给的代码粘进去按运行，报错就点那个紫色的「Debug with Ghostwriter」。10美元的门票，比大多数课程都便宜。