本文基于斯坦福大学公开课 CS146S: The Modern Software Developer 第十一讲内容撰写。该课程由 Mihail Eric 主讲，课程主页：themodernsoftware.dev。

开场白：今天我们来”Vibe Coding”

Mihail Eric 在课程开头就打趣说：这门课不是教你 Vibe Coding 的——”除了今天”。

这句话点出了这一讲的主题：Automated UI and App Building（自动化UI与应用构建）。在AI Agent 大行其道的今天，”用自然语言写一个App”已经不再是科幻，而是正在发生的现实。

回顾”旧世界”：Web 开发的技术栈演变

在进入 AI 新世界之前，Mihail 先带我们回顾了过去二十多年 Web 应用开发的演变历程。

经典技术栈

过去的 SaaS 开发围绕以下几代技术栈展开：

• LAMP：Linux + Apache + MySQL + PHP，互联网早期的黄金组合
• MERN：MongoDB + Express + React + Node.js，前后端 JavaScript 一把梭
• JAM：JavaScript + APIs + Markup，前后端分离、CDN 驱动的静态站点架构
• Serverless：无服务器架构，Lambda 函数 + API Gateway + DynamoDB，按需计费

架构越来越复杂

Slides 中用三张架构图展示了这一演变：

• 最简单的三层架构：React 前端 → Express 后端 → MongoDB 数据库，清晰明了。

• JAMstack 架构图：前端框架、Headless CMS、静态站点生成器、CDN（Fastly/Akamai/Netlify）、云函数认证（Google Cloud/AWS/Azure），已经相当复杂了。

• AWS 全家桶架构图：CloudFront、WAF、API Gateway、Lambda、Cognito、DynamoDB、CloudFormation、S3、CloudWatch……一个”简单”的 Web 应用背后，牵涉十几个 AWS 服务。

这就是现实：哪怕你只是想做一个看起来不复杂的应用，底层的基础设施也能让人头皮发麻。

对于我们这些在云基础设施里摸爬滚打过的工程师来说，这些架构图再熟悉不过了。但对于一个有好点子的非技术人员，或者一个想快速验证想法的创业者来说，这堵技术高墙曾经是不可逾越的。

第一次尝试：可视化 Low-code/No-code

在 AI 之前，业界的第一次尝试是可视化的低代码/无代码平台：

• Wix：拖拖拽拽就能建站
• Squarespace：漂亮的模板，适合设计导向的用户
• Webflow：设计师的最爱，可视化 CSS 控制

这些工具确实降低了门槛，但它们本质上还是在”设计”层面做文章。你还是需要理解页面布局、组件逻辑、响应式设计等概念。做一个漂亮的营销页面可以，但想做一个真正有后端逻辑的应用？远远不够。

AI 新世界：Prompt 一下，App 就来了

然后，AI 时代来了。Mihail 列出了当前最具代表性的 AI 应用构建工具：

• Lovable：用自然语言描述你的 App，AI 自动生成前端（React + Tailwind）、后端（Supabase）、数据库，一键部署。据报道，Lovable 在展示惊人增长后完成了 1500 万美元融资，已有超过百万个项目在其平台上构建。
• Replit：从在线 IDE 进化成了 AI 开发平台，内置 AI 助手 Ghostwriter，支持实时协作和云端部署。
• Vercel v0：面向前端开发者，用自然语言生成精美的 Tailwind 风格 React 组件，并与 Vercel 项目直接集成。
• Base44：被 Wix 收购的 AI 应用生成器，内置数据库、认证和托管，全栈一体，无需连接外部数据库服务。
• Cursor / Claude Code / etc.：更偏向”AI 增强的工程师工具”，在 IDE 中用 AI 辅助写代码、重构、调试。

这些工具代表了不同的定位——从纯粹的”对话式生成应用”到”AI 辅助的专业开发”，覆盖了从完全不懂代码的用户到资深工程师的全谱。

到底发生了什么变化？

Mihail 总结了三个核心变化：

1. Prompt 驱动的全栈应用生成

你可以用自然语言描述需求，AI 帮你生成一个完整的、可运行的应用。不是模型，不是线框图，是真正可用的 App。

2. 工程师正在变得更”全能”

在 AI 的加持下，工程师的边界在扩展。过去需要设计师出图、产品经理写 PRD、前端写页面、后端写接口，现在一个工程师借助 AI 工具，可以覆盖设计、产品管理和全栈开发。角色在融合，效率在飞升。

3. 人人都能造 App

这不是 Wix/Squarespace 那一代的”人人都能建站”。这一代工具比第一代 No-code 平台更友好、更强大。你不需要理解 CSS Grid、Flexbox 或者数据库 Schema——你只需要用人话说清楚你想要什么。

技术底座：WebContainer

Slides 中提到了一个关键的技术概念——WebContainer。

这是让 AI 应用构建器能在浏览器中实时运行和预览应用的核心技术。WebContainer 是一种在浏览器中运行 Node.js 的技术（由 StackBlitz 首创），它允许 AI 生成的代码在用户的浏览器中直接编译、运行和渲染，无需后端服务器。

这意味着：AI 生成代码 → WebContainer 在浏览器中执行 → 用户实时看到效果 → 继续用 Prompt 迭代。整个循环都在浏览器里闭环，速度极快。

系统提示词：AI App Builder 的”灵魂”

Mihail 特别提到了 App Builder System Prompt，这其实是整个 AI 应用构建器的核心秘密。

这些 AI 工具背后的 LLM，并不是通用的聊天机器人。它们被精心调教过——通过复杂的系统提示词（System Prompt），告诉 LLM：你应该生成什么框架的代码、遵循什么设计规范、如何处理数据库 Schema、如何组织文件结构、如何处理错误……

可以说，System Prompt 的质量决定了 AI App Builder 的上限。这对于我们做 Agent AI 开发的人来说，是一个非常重要的启示：Agent 的表现，很大程度上取决于你给它的 Prompt 工程有多好。

局限性：清醒地看待 AI 应用构建

Mihail 在最后非常诚实地列出了当前的局限：

“一切正常时很美好，但一旦出错就回到原点”

AI 生成的代码，在 Happy Path 上表现惊艳。但一旦遇到 Bug、边界情况或者复杂的业务逻辑，用户往往束手无策。因为你不理解底层代码，你就无法有效地调试。用户经常描述为了修复同一个问题而反复消耗 Credits 的痛苦——AI 坚称问题已解决，但实际上并没有。

我最近就碰到一个类似的bug，claude code反反复复迭代了10几次对话， 最终在我把全栈日志都贴给他后，才算找到bug的原因。

Prompt 只是”建议”，不是”命令”

不是每个用户都理解这一点。你说”做一个类似 Pinterest 的书签应用”，AI 会给你一个它理解的版本——但那不一定是你心里想的。Prompt 到产品之间，存在一个巨大的”意图鸿沟”。

安全问题

AI 生成的代码可能存在安全漏洞。认证逻辑是否正确？数据库权限是否合理？API 密钥是否暴露？这些问题在快速生成的兴奋中很容易被忽略。

千篇一律的设计

当所有人都用同样的 AI 工具、同样的 Tailwind + shadcn/ui 模板、同样的设计范式，App 们开始长得越来越像。差异化从何而来？

复杂度天花板

简单的 CRUD 应用、Landing Page、Dashboard？没问题。但如果你需要复杂的实时数据处理、多用户协作、复杂的权限模型、或者高性能的数据管道——AI App Builder 目前还力不从心。正如一位 AI 工程师在测试后坦言：想要仅靠 Prompt 复制一个真正的全功能应用是不可能的，最终还是需要工程师介入。

对 Agent AI 开发者的启示

作为 Agent AI 开发者，这一讲有几个值得深思的点：

第一，AI 应用构建器本身就是一种 Agent。 它接收用户的自然语言指令，规划任务（生成数据库 Schema、前端组件、后端逻辑），执行操作（生成代码、安装依赖），并呈现结果。这是一个完整的 Agent Loop。

第二，System Prompt 是 Agent 的灵魂。 这些 App Builder 的核心竞争力，不在于它们用了多先进的模型，而在于它们的 System Prompt 有多精细、多全面。这对我们设计 Agent Skill 有直接的指导意义。

第三，人机协作的边界在哪里？ AI 可以生成 80% 的代码，但最后 20% 的调试、优化和定制，往往还是需要人类工程师。如何设计一个 Agent 系统，让这个交接过程尽可能顺滑？这是一个值得深入探索的方向。

第四，”Vibe Coding” 不等于”没有标准”。 即使是用 AI 生成应用，代码质量、安全性、可维护性仍然重要。如何在快速生成和工程规范之间找到平衡，是这个领域的长期挑战。

小结

斯坦福 CS146S 第十一讲给我们展示了一个正在发生的范式转移：Web 应用的构建方式，正从”写代码”转向”说人话”。Lovable、Replit、v0、Base44 等工具代表了这个方向的先锋。

但正如 Mihail 所强调的，这不是终点。当前的 AI App Builder 在简单应用上表现出色，但面对真实世界的复杂性——安全、性能、可维护性、差异化——仍有很长的路要走。

对于我们 Agent AI 开发者来说，这既是机遇也是挑战。机遇在于：这个领域正在快速增长，需要更好的 Agent 架构、更精细的 Skill 设计、更智能的 Prompt 工程。挑战在于：如何让 AI 不只是”看起来能用”，而是真正”可靠地工作”。

这可能是未来几年最值得投入的方向之一。

本文是基于 CS146S 公开课的系列博客之一。课程内容仅供学习参考，如有兴趣请访问 themodernsoftware.dev 获取更多信息。