Cursor 刷屏背后,复盘 AI Coding 的现状与发展|对谈 Gru.ai 创始人张海龙

Cursor 刷屏背后,复盘 AI Coding 的现状与发展|对谈 Gru.ai 创始人张海龙

37分钟 ·
播放数7627
·
评论数39

活动预告🥳:11 月 7 日晚,我们会请到张海龙做一场免费的线上活动,大家记得翻到 shownotes 末尾查看报名信息!

前一阵 Cursor 刷屏,也带火了有关 AI Coding 的讨论。

AI Coding 到底发展如何了,Cursor 为什么火了,他们和 Github Copilot 的区别是什么,Coding Copilot 又和 Agent 的区别是什么?其他那些 AI Coding 公司都在做什么,为什么国内的 AI Coding 似乎不温不火?带着类似的种种问题,作为一个非技术背景的人,我找来了张海龙一起来聊聊 AI Coding 这件事。

海龙无疑是国内在 Coding 领域最有发言权的人之一,他写了 20 多年程序,一直致力于做给程序员的工具,他曾经是开源中国的联合创办人和 Coding.net 的创始人,最近的一年多时间里他也又重新创业在做 AI Coding 方向。在摸索了一段时间以后,他也经历过产品转型、也踩过坑,这些都让他对 AI Coding 有了更深的理解,也对当下这个市场各个公司和类别有了更好的判断。

所以,你可以把这期播客当做一个对 AI Coding 领域的入门和了解的素材,哪怕不懂编程,听完这期你也会有更深的了解和认知。

最后,我们的 AI 私董会也在持续报名中,目前已经聚集了一批市场上最好的 AI 创始人,欢迎点击链接报名(里面也有目前已加入的成员名单,可点击查看)

人类博物馆】

导游:曲凯,42章经创始人

26 号珍藏:张海龙,Gru.ai 创始人,前 Coding.net 创始人兼 CEO、开源中国联合创办人

【时光机】

Part 1 为什么国内的 (AI) coding 没做起来

  • 1:56 Developers 是最不愿意花钱的一群人?
  • 3:37 我最新的感知是,海外比国内更卷
  • 4:33 国内 AI coding 发展现状
  • 5:31 国内是在有 PMF 之后卷,海外是在有 PMF 之前卷

Part 2 Coding Copilot vs Agent

  • 6:20 Copilot 与 Agent 的区别:Copilot 是给你一把电钻,Agent 是给你一个小弟
  • 7:43 Copilot 已经明确跑通了 PMF
    • 7:52 简评赛道老大哥 Github Copilot
    • 9:03 详评新晋顶流 Cursor:成功靠的是大胆创新,大胆到一开始很多人觉得不靠谱
  • 16:53 Agent 还没有找到 PMF
    • 17:27 Devin 等等都是有声量,无留存
    • 18:53 但为什么这个赛道还如此拥挤?

Part 3 关于 Coding Agent 的实践思考

  • 21:30 我们找到的一个好落地的场景:Unit Test
  • 24:37 Agent 会最终淘汰 Copilot 吗?
  • 25:30 我不相信「编程大众化」的未来
  • 27:44 模型会最终吃掉 Coding Agent 吗?
  • 30:50 我坚定地认为,AI 替代不了人类程序员
  • 32:44 一些硅谷观察
    • 32:52 有千奇百怪的 AI+ 项目,且能拿钱
    • 33:52 我在国内啥 SaaS 都不买,来了这啥 SaaS 都买
  • 35:27 最后的建议:多读论文多动手,获得那些微妙的体感至关重要

活动预告🥳】

11 月 7 日晚,我们会请到张海龙做一场线上活动,感兴趣的朋友欢迎点击链接或扫描下面的二维码,一起来认识&交流!

【Reference】

The gang that made this happen】

  • 制作人:陈皮、Celia
  • 剪辑:陈皮
  • Bgm:Mondo Bongo - Joe Strummer & The Mescaleros
展开Show Notes
Evarle
Evarle
2024.10.29
这个大佬讲得太好了
26:47 说得太对了,🤣我一个产品都不想写代码,何况其他消费用户
曲凯
曲凯
2024.10.26
这次是免费的线上活动,之前没机会参加的欢迎 shownotes 报名。

另外这次尝试给大家分享下本期内容中包含的英文小课堂,希望对大家有帮助(希望后续继续的可以点赞)。

- Coding.net:提供一站式研发管理平台及云原生开发工具
- Dall-E:由 OpenAI 开发的一种人工智能模型,能够根据文本描述生成图像。
- DevOps:是一组过程、方法与系统的统称,结合开发(Dev) 和 IT 运维(Ops)的文化与实践,以加快软件交付速度,提高质量。
- PLG(Product-Led Growth):一种增长策略,利用产品自身的功能和体验来吸引和保留用户。
- ISV(Independent Software Vendor):独立软件供应商,专注开发特定软件产品的公司,通常提供特定业务或行业的解决方案。
- GitHub Copilot:GitHub 与 OpenAI 合作推出的 AI 编程助手,利用 GPT 模型为开发者自动补全代码。
- Cody:Sourcegraph 推出的 AI agent,帮助开发者搜索和理解大型代码库。
- Sourcegraph:代码搜索和导航工具,使开发团队能够轻松查找、查看和理解代码。
- Codeium:AI 代码补全工具,帮助开发者快速生成代码,提高编程效率。
- Augment:AI 初创公司,提供一系列工具和解决方案,致力于增强人类能力,提升工作效率。
- IDE(Integrated Development Environment):集成开发环境,开发者编写、测试和调试代码的工具组合,如VS Code、IntelliJ等。
- VS Code(Visual Studio Code):由微软推出的免费开源代码编辑器,支持多种编程语言和扩展。
- Bolt.new:新兴的 AI 编程工具,可能提供快速代码生成或协作功能。
- Replit:在线开发平台,支持多种编程语言,方便团队协作和快速原型开发。
- Devin:AI coding agent,致力于加速编程流程。
- Magic.diff:帮助开发者分析代码差异并生成改进建议的工具。
- Poolside:AI 驱动的开发协作平台,可能提供项目管理和代码审查功能。
- RAG(Retrieval-Augmented Generation):检索增强生成,一种技术,通过检索外部信息来辅助生成内容,提升准确性。
- Fine-tuning:微调,在已有模型上训练新数据,以使其在特定任务上表现更佳。
- Code Review:代码审查,开发团队互相检查代码,确保质量和符合项目标准。
- Refactor:重构,用来优化代码结构,提升可读性、可维护性和效率。
- Sandbox:指一个安全的环境,用于测试和验证AI编程工具和代码。
- Superhuman:一个高级电子邮件客户端,提供更快的邮件处理功能。
- Synthetic data:合成数据。
- Regression:回归,这里指软件功能退化。
产品经理魏同学:哇这次居然线上啦🥰
JASting
JASting
2024.10.28
16:21 PMF有两层,Agent目前都没跑通。1️⃣product market fit(Agent在什么场景下,以什么样形式存在,如何与人交互,怎么定价)2️⃣tech product fit(Agent 什么模型出现,什么模型需要什么能力使得Agent能work)
Justineo
Justineo
2024.10.29
Copilot 也不光有补全的,Copilot Chat 特别是 inline chat 其实和 Cursor 对应功能差不多,我用下来 Cursor 除了补全交互和 Claude Sonnet 模型以外,其它和 Copilot 比没有什么不一样。但是对于大厂来说插件体验优化一定是跑不过魔改版本的,因为 1. 这是一个跨部门跨团队的协作,2. Copilot 是作为插件存在,而插件有一层公共抽象,需要稳定化设计以后才能实施。(不过 VS Code 有对 Copilot 提供私有接口支持,比如 inline chat 其它插件是实现不了的)
树杨
树杨
2024.10.27
嘉宾说真话,靠谱!
28:57 哈哈,好棒的总结: 不要老想科幻片,多想想商业片细节
白大米
白大米
2024.10.28
18:28 这就听着很爽,和之前听 Albert 那一期一样的感觉来了🤩
paperadio
paperadio
5天前
26:42 “甚至他连跟一个程序员说话都觉得累”,哈哈哈哈哈哈,过于真实,容易笑死🤣🤣🤣
四十不获
四十不获
2024.11.03
26:27 太赞了,根本就没有低代码无代码这个需求。
夏日妍妍
夏日妍妍
2024.10.30
这期太棒了,靠谱,说底层逻辑
击石
击石
2024.10.28
观点鲜明,赞
嘉宾很专业,讲的很好
Emilien
Emilien
2024.10.27
这个unit test很像国内测试工程师做的事,如果有这个工具,又可以减少一些测试人员了
HD640753c:听着确实像干掉QA
tlx777:qa已经是了
Never_B1aL
Never_B1aL
2024.10.28
说的太好了
paperadio
paperadio
5天前
30:22 业务上下文,工程上下文。非常准确👍
paperadio:再多说一点,其实当我们意识到业务上下文和工程上下文是实现一个coding labor的阻碍的时候,这个问题本身就已经有解了,只是还需要很多很多工作才能实现。每个公司的业务上下文和工程上下文之所以不一样,除了由于他们的领域和业务性质不一样以外,也和人类员工数量、公司开展业务的时长有关。公司成立年头越多、员工数量越多的公司,业务上下文和工程上下文被打散地越稀碎,而且这些上下文所生成的场合正是人类同事之间无数次地讨论/交谈/会议/决策,难以集中归档。而随着AI在coding场合当中用的越来越广泛,这些上下文所生成的场合正在慢慢向那个聊天输入框转移,所有曾经进入过那个聊天输入框的内容,都是下一次那个coding labor干活时所能掌握的上下文信息。以上这些不是幻想,因为不少人现在已经在这么用了,这种苗头和趋势已经出现了,只不过小荷才露尖尖角。
小米魔女
小米魔女
2024.10.27
之前也在想是否会有全民编程的那一天,后来在想自己到底有多少时间点有这样的需求,答案是没有… 同意嘉宾说的大家其实都不知道自己有什么需求.agent可以辅助人类工作。提高效率还是一个机会
11:02 这么不靠谱的项目都能跑出来,哈哈哈。真正的创新中即使80%是已经存在的,但20%是一定要表达的。
某聰
某聰
10天前
35:10 我是试了各种邮箱,最后发现还是网易比较趁手hh
想请教海龙老师跟曲老师:在 LLM 作为变量的当下,对开发工具链的格局,会有什么影响?最后可能会是怎样的终局?AI 编程工具,能从什么角度做出差异化定位,构建产品护城河(比如专注某种编程语言、或某种研发场景比如嵌入式)?或做出怎样的飞轮?

目前粗浅的认知是,各家都没有摆脱工具属性,能力上你追我赶,最后的格局大概也是相对分散,跟过去没太大变化,只是具体公司可能会变化。