杀疯了,这个 App 把命令行都干掉了.

点击上方蓝字关注我，加个🌟标不迷路。

各位小伙伴们大家好，我是 cxuan。

北京时间 10 月 8 日 02:05 ，OpenAI 正式发布了 GPT-6 和 Intelligent UI（智能界面）。

GPT-6 大家并不陌生，值得一提的是 Intelligent UI 。官方对 Intelligent UI 的定义是

intelligent ui is a bet on model intelligence （让模型自己决定在画布上放什么组件）

简单来说就是 ChatGPT 现在不再只会干巴巴的打字回复了，它能根据你的需求，主动搭配画面、交互工具和完整方案。

在视频中给出了几个例子：可以点开每个部件的自行车结构图、多人聚餐分账工具、一句话生成的小游戏。

这让我想起了 10 月 1 号 Chesky（Airbnb 创始人）在 TechCrunch 的访谈提到的（访谈链接在文末）：

Chesky 说他尝试通过 Muse、Instinct 来使用 Airbnb，体验很差，连订酒店都不太顺利，民宿体验更差。所以他认为，目前行业还没有把消费级 AI 做好。他认为要解决这个问题，需要从更底层的架构入手，将 Agent 转化为 App ；同时所有 App 都应演变为 Agent，彼此互联互通，并具备更加丰富的用户界面。

为什么刚步入 10 月，大家的讨论度都放在可交互性的用户界面这件事情上了？再结合我前两天发的关于 Muse、Dots 之类助手的观点，我认为

我们或许不需要 Muse、Dots 之类 7 * 24 小时待机的助手，而是需要一个可交互的 App。

简而言之就是 AI 的终点或许并不是一个更加聪明的命令行，而是图形化的 Personal Agent。

这和我之前听到过的“我们未来或许不再需要 App ”的观点不谋而合。每个 Agent 其实就是一个 App ，而每个 App 其实是一个图形化 Agent 。

基于这个逻辑和观点，我了解到了一个产品 --- Eazo。

大家看一张照片，这是一个真实发生的场景。

照片中一个家长说他家娃小时候电视看多了，现在一岁半了还不会说话，于是通过 Eazo 做了一个 App 来教他家宝宝学讲话。

我觉得这是一个非常有意义的场景，这张照片对我的启发也很大，因为我也已为人父，家里有一个不到 1 岁的男娃。

因为对于一个一岁半的宝宝来说，任何 Agent 对他来说都是失效的，他不会说话，不会打字，更不懂 Personal Agent 是什么，任何基于命令行的 Agent 对他来说都没用。

他目前对这个世界的基本认知只有爸爸妈妈和基本的数字、字母和动物。

他能做的动作只局限于点点点，拿起来东西然后放下，扔东西等。

所以一个图形化的 Agent 对他来说就要比聪明的命令行管用。

而 Eazo 干的就是这个事情。

简单点来说就是 Eazo 是以定制 App 为中心的 Personal Agent。 别的 Agent 替你操作别人的 App；Eazo 为你造一个只属于你的 App。你用自然语言把需求说一次，之后每天只需要点一点就可以了。

它做了 Muse 、Dots 之类 Personal Agent 没有做到的地方。

说到 Eazo 的创始人，是谢扬。谢扬的外婆确诊了阿尔茨海默病，医生建议用舒尔特方格做注意力和认知训练。

之后谢扬花了大约半小时，通过 Eazo 做了一款专门为外婆设计的训练 App。

这个 App 的第一个用户就是外婆。它是一个外孙专门为家人做的训练工具，最初只为一个人存在。

我觉得这是 AI 向善的一个最美好的场景。

出于好奇，我也上手玩了一把 Eazo。

Eazo 实测

首先打开 Eazo 的官网，我发现这个主页还挺有设计感的。

不过我看了一下，目前没有 Mac 和 Windows 系统桌面端，手机上支持 ios 和 android 操作系统。

登录之后，左侧的 For You 相当于个性化给你推荐的一些 app 。

而 Explore 这块是其他小伙伴做好的成品 App ，随便翻了一下，设计感满分。在外观这块还是能把人拿捏住的。

我随机选取了一个 App ，给大家看一下它的实际效果。

这是一个电子抓娃娃机 App 。上下左右控制夹子的移动，点击下方的 COIN 投币使用，点击 DROP 实现抓取。

它的游戏特色如下

上面是别的小伙伴做的 App ，下面我们自己来体验下。

按照 Coding Agent 的方式，如果要实现上面的效果，你得先和大模型进行多轮的 Chat ，才有可能拿到满意的 Prompt ，即便这样的 Prompt 交给大模型，生成的最终效果也不保证，而 Eazo 不一样，你完全可以说一句模糊的需求，它能够直接给你完美的成品。

比如现在我想做一个 3D 地球仪，但我不知道具体的 Prompt ，我就可以直接和 Eazo 说我想做一个地球仪。

Eazo 会围绕同一需求生成 6+ 个设计方向，并且从用户体验和视觉审美两个维度出发，涵盖排版、构图、色彩、图像语言、动效、到材质与氛围探索不同表达。

在生成不同方案之后，我们可以选择一个方案继续深入。

给大家看一下完整的效果。

还有之前跟牛皮藓广告似的一群小人往前跑的小游戏，这个游戏也可以复刻下。

把这个 prompt 发给 Eazo ，它也会为你生成 6 种不同视觉风格的游戏。

还有其他的，比如 klifur 这款攀岩小游戏大家应该略有耳闻。

这次我就以它为例来复刻一下。

其中最后一个路线卡通关流程挺有意思，它的背景是真实的攀岩场景。

我们选中一个设计方案后，可以让 Eazo 直接按照这个方案生成完整的 App 。

App 做完了，直接部署了一个公网地址，可以直接开玩儿（链接我放在了文末）。

我录了一个开玩的视频。

同时你也可以 Remix 他人的作品来实现二创。

比如我们遇到一个喜欢的 App ，我们可以点击右下角的 Remix 来一键复刻。

通过 Remix 的方式，可以站在前人的肩膀上继续打磨。

在 Eazo，每个作品从诞生的那一刻起，就会直接进入社区的 Feed 流。用户打开 Eazo，不一定是为了写代码，甚至可以像刷短视频一样，单纯去逛逛今天别人又做出了什么好玩的造物，很有意思。

所以做完上线不是终点，而是起点。

在这个社区，创意会发挥它的最大化价值。

真正面向小白化的全栈开发方式

很多朋友可能会好奇：市面上现在有那么多 Coding Agent，Eazo 的优势到底在哪？

一句话概括：市面上绝大多数 AI 编程工具，都在默认你是一个懂技术的产品经理。

比如说你脑子里有个 App 的点子，但一打开这些工具就卡住了：它要你把需求拆解得明明白白、规划架构、选技术栈、配环境变量、填 API Key、选数据库、然后一遍遍在对话框里改 Prompt，最后折腾半天，结果可能还是个半成品。

而 Eazo 完全是反过来做的：你只需要随口说一句模糊的大白话，剩下的全部交给 Eazo 自动想清楚、做完整。

那么，Eazo 到底适合谁？

按照官方的界定，Eazo 的核心受众被称为 全球 Vibe Coder，也就是所有想用 AI 把脑海中的想法变成真实可用作品的人，无论你会不会写代码。

为了方便大家更直观地理解，我也整理了一张完整的对比图：

Eazo Benchmark 测评

让我没想到的是，在 Eazo 内部的 Benchmark 测评中，Eazo 的综合评分比 Codex 还高。

Eazo Benchmark 是一套面向创作 Agent 的评估体系，源自 Eazo 团队多年的代码工程经验以及结合 Eazo 产品特性而成。

这个体系评价的标准是看它能不能把一个人的想法真正做成能用、能发、能 Remix 的作品。

他们内部的 v3.0 共有 147 个题目入口，并且每个题目都附带真实的素材，比如 3D 模型、视频、数据库、字体和 Figma，并且来自真实的多轮创作过程。

在 Eazo Benchmark 测评上，Eazo 的综合评分以 88 分超越 Codex 的 84.4分，

Eazo 相比 Codex CLI 在三个维度领先，这三个维度题目最多，共 75 道。横切能力（-2.7），但这两个维度一共只有 4 道题，且对 Eazo 的创作能力影响极其有限。

这足以解释 Eazo 令人眼前一亮的创作能力。

技术架构

说完测评榜单，我们聊一下 Eazo 的技术架构。

按照上面这张图，Eazo 的架构从上到下分了四层：创作界面、Agent 协作、创作工具，以及运行平台。

最上面这一层，也就是我们刚刚一直在用的，就是 Eazo Creator UI。你说想做什么，界面展示实时预览，同时给出下一步建议。用户围绕作品提出修改意见，背后的执行过程由 Agent 来负责展开。

第二层是它自研的 Agent 核心。Execution Agent 负责理解需求、决定怎么做、调用工具执行，再验证结果。旁边还有一个 Proactive Agent，根据当前上下文快照给出下一步建议；上下文更新后，过时的建议会被丢弃、重新生成。

这一层还有个细节，叫 Cache-First Context。稳定的内容在前，动态信息持续往里面 Append 即可，sub-agent 之间尽量复用已有上下文。这样反复修改同一个 App 时，就能更多地利用缓存，减少重复处理上下文的开销。

第三层是具体的创作能力。图里列出了 15 个核心工具和 invoke_skill，包括主体抠图、精灵图处理、3D 生成、场景整合，以及浏览器验证。前面看到的六种设计方向，就对应着多个子 Agent 并行探索不同方案。素材生成、代码实现之后，还要在浏览器里检查页面显示和交互效果。

最下面一层，是负责让这些东西真正跑起来 Container Workspace。Container Workspace 里有项目文件、命令行、开发服务和浏览器，你可以把它理解成一台云端开发电脑。另一边的 Platform APIs 提供模型服务、媒体生成、数据库和部署能力，创作工具通过受控的 API 调用使用这些服务。

再拿刚才的地球仪举例，按这个架构来理解：一句需求进入创作界面，Agent 探索不同设计方案；选定方向后，再调用工具完成素材和代码，在工作区运行、验证，最后通过平台部署。

最后

回到文章开头提到的 Brian Chesky 那段访谈。

Chesky 敏锐地看到了问题所在：纯对话框式的 Agent 体验太糙了，消费级 AI 根本没有做好；未来的每个 App 都必须演化为 Agent，而 Agent 必须拥有丰富的图形界面。

但他给出的路径，依然是大厂惯常的中心化思路，各大巨头各建一套封闭生态，把 App Store 的老路再走一遍。

而 Eazo 和谢扬给出的，是一个完全不同的答案：

通用软件的时代正在结束，下一个平台不是超级 App，而是一亿个小 App。

“Your app doesn't need an app store. It needs a repost.”

你只要跟电工交代一次，把开关装在床头；往后的每一个夜晚，伸手一按就好。市面上那些所谓的 Agent，逼着你每天晚上必须对着它喊一句关灯，这其中的本质上不过是一个稍微聪明点的命令行。

而人类每天看到的是有颜色、有声音、有动效的大千世界，文字只是描述它的压缩形态。人机交互从命令行走向图形界面再走向触控屏，历史从来不会倒退回黑底白字。AI 的终点绝不该是命令行，Personal Agent 势必会迎来它的图形化界面时刻。

下一种内容形态正在被定义，而我们正站在这座数字博物馆的门前。

如果这篇文章你觉得还不错，谢谢你的三连，也希望可以转发给同样关注 AI / 科技 / 开发效率的朋友。 我是 cxuan，我们下期再见。