这两年我用 AI 写代码，心态上其实一直有点跌宕起伏。

最开始看到一句话的指挥就可以生成还比较像样的结果，会叫人特别兴奋。Cursor、Claude Code、Codex 这些工具出来之后，也在尝试地做一些东西。

不过一段时间后，兴奋感会下降。因为在很多细节的地方，如果不是自己手搓的话，依然会面临想改但无从下手的时刻。尤其是在遇到疑难杂症 bug 的时候，代码不是自己写的，改起来会非常痛苦。常常是花一两天时间把基础框架都写好了，但是要花两个星期去优化细节和修改 bug。

再回头看，当然还是一直有兴奋感的。像我自己也做了两个自己用起来挺开心的 APP。

然而我一直觉得，当 coding 的门槛不断降低之后，它的意义不在于代替程序员写代码，或者让独立开发者成本更低的开发产品，而是对于很多愿意动手的人来说，可以自己通过 coding 解决很多个性化的问题。

就像是手机刚出现的时候，大家都会觉得只有做生意的人才需要用手机。等到手机足够普及、大家也都在用手机通话和发短信之后，大家又会觉得，只有专业的媒体人才需要用手机创作内容。而很快，大家就都开始发朋友圈、发微博、发小红书了。

写代码这件事也在经历类似的变化。

过去代码是一种职业技能，而现在模型能力以及围绕模型能力搭建的产品体验，可以让代码变成普通人能调用的能力。当我们使用这个模型，做一些轻量的脚本和程序的时候，并不是要把它们正式发布或者上线，而是就是属于自己的一个小工具、小网页。

在之前，能够满足这样基础使用体验的模型，基本都是海外的。现在，豆包 2.1 Pro 真的达到了一个阈值：可以放心给大家推荐，值得每个人都试用一下了。

按照字节跳动 Seed 团队公开发布的信息，Seed 2.1 Pro 这次重点强化的就是 Coding Agent 的端到端交付能力，也就是从需求理解、功能实现、Bug 修复、运行环境搭建到结果验证的完整链路，而不是只看一段代码能不能写对。

当然跟海外最强的模型比还有一定差距，但是它真正进入了一个可以认真比较的阶段，上了牌桌了。

再加上火山引擎公开的价格是每百万 Tokens 输入 6 元、输出 30 元、缓存命中 1.2 元，官方称综合使用成本较 Claude Opus 4.6 降低近 80%，这就让它不只是一个能跑分的模型，而开始变成一个普通用户和开发者都可以、也大概率会高频尝试的 Coding 工具。

我今天随手做了几个小玩具，大家可以感受一下。

我是在 TRAE Work 上试用的。

1

先讲一个比较好玩的：半拿铁歇后语扭蛋机。

这个需求说起来很简单。我想做一个网页扭蛋机，每次点击按钮之后，掉出一个歇后语。歇后语最需要是半拿铁节目里常出现的那些歇后语。

做出来的效果大概是这样的。

第一版出来之后，是一个霓虹赛博风的娃娃机。深紫色背景、粉色机器、霓虹灯边框、金币雨、粒子爆炸，很热闹。不过说实话，还是有点丑的。

所以我让他改了一个版本，整体上更加素雅。

它变成了一个日式ガチャガチャ风格的拟物扭蛋机。背景从深紫霓虹改成米灰色渐变，机器主体是奶白色塑料质感，玻璃球罩里堆着马卡龙色扭蛋，投币口有金属凹槽，旋钮点击时会真实旋转，扭蛋掉到取物口时有弹性回弹。

这个当然也有优化空间，但是比刚才的版本来说，要好看太太太太多了。

这个过程里面，如果只是简单跟它说，好看一点，效果其实并不好，需要详细跟它说怎么改。

所以这就要求，当我们想要做一个东西出来的时候，内心里得有一个大概的「画面」。这件事特别关键。

而 AI coding 的模型的意义就在于把这些画面实现出来。现在我们不需要再用复杂的方式，还要找设计师和程序员去完成。

2

第二个例子是：智能文件整理工具。

这个需求想必很多朋友都有。

我自己的电脑里总有一个特别混乱的下载文件夹。里面有 PDF、截图、录音、视频、压缩包、合同、发票、临时文件、播客素材。理论上可以手动整理，每次手动整理都会非常烦躁，懒得整理。每次系统空间不足了，得花大半天时间去折腾。这个文件夹可以称之为信息沼泽。

我跟豆包2.1 Pro 说的是：扫描一个文件夹，自动识别里面的文档、图片、音频、视频、压缩包，但不只是按后缀名分，而是尽量读取文件名、文件类型、路径、元数据、文档内容，判断它更像播客资料、商务合同、发票票据、图片素材、临时下载，还是可删除大文件。最后用一个视觉清晰漂亮的页面展示出来。

当然，只说这个需求的话，大家可能会提到有一些空间整理的软件了。但是这里我可以给出非常个性化的要求，比如像刚刚提到的，对音频的处理、对播客素材的处理，我会给的更细。肯定不会有人做专门给播客主播的整理软件的。

每个人的文件夹混乱方式不同，每个人的整理规则也不同。

豆包 2.1 Pro 的实现方式是多层检测。

它不只是看后缀名，而是读取文件头 16 字节做 Magic Bytes 检测，用来识别 JPG、PNG、GIF、ZIP、RAR、7Z、PDF 等真实文件类型；再结合浏览器 File API 的 MIME 类型，判断 audio、video、image、application 这些大类；然后再根据后缀名、文件名关键词、所在路径、文档内容前 4KB 做进一步判断。

分类上，它做了一个加权评分机制。比如文件名里有“合同”“协议”“甲方”“乙方”，就提高商务合同分类的分数；内容里出现“增值税”“发票”“报销”，就提高发票票据分类的分数；路径在“下载”“临时”“缓存”里，就提高临时下载的分数；超过 100MB 的大文件，又会进入可删除大文件的判断。

页面上，它不是给一个简单列表，而是做了统计面板、分类图表、筛选标签、搜索框、排序功能、文件预览和报告导出。点击某个文件，可以看到大小、类型、修改时间、分类标签，以及分类匹配分数。图片还能直接预览。所有分析都在浏览器网页里本地进行，不需要把文件上传到服务器，这一点也很重要。

像截图里这些功能，都不是根据我给出对非常详细的页面设计要求而做出来的，而是在我表达的要求相对清晰的情况下，它自动理解识别并且设计出来的。

并且，这里面的每个模块我都可以针对性的再做调整。

顺便说一句，这个动画效果还挺解压的。

3

接下来我做了一个简单的互动纪录片式的网页 demo，用来呈现诺基亚从崛起到衰落的过程。

是一个横向滚动的长页面。时间从 1992 年到 2016 年，每个阶段要有关键产品、市场份额、人物、战略决策。重大节点，比如 iPhone 发布、Symbian 衰落、Elop 的「燃烧的平台」、微软收购，都要有强视觉反馈。

可以快速生成这样一个网页，不管是自己学习了解，还是用来教学和分享，都远比简单的思维导图有效果得多。

长远看，在表达呈现上的方式都可以变得更加多样，不管是个人网站，还是某个主题的宣传页面，都有更多可能性了。

接下来我尝试了一下，做一个动态播客播放页面。

我给的提示词是这样的：

我想做一个 HTML、CSS、JavaScript 的播客动态封面 demo。用户上传 mp3 或 wav，播放后页面根据音量生成动态波形、粒子和背景节奏。中间保留节目标题和封面区域。画面要像高级播客 App 的动态封面，不要像普通音乐播放器。还要支持播放、暂停、进度条、音量变化实时响应。

第一版是紫粉渐变的深色主题。它用了三层 Canvas：背景光球、粒子网络、封面底部波形。音频处理用 Web Audio API 做频谱分析，也实现了播放、暂停、进度条、音量滑块、键盘快捷键和触控操作。功能上，它已经比较完整。还是挺超预期的。

不过还是觉得这个霓虹的效果没有那么理想，所以做了一些调整。

反馈说要 Apple 的设计风格，拟物的效果。就变成了这样的，一下就觉得舒服多了。有一些细节还需要调，不过就两次操作得到这样的一个网页程序，已经非常超预期了。

4

前面说的这些主要以炫技或者测验为主，接下来做的这个是对我来说非常重要的生产力：半拿铁·周刊选题系统。

这是我跟搭档肖磊在做的周更（有概率）节目。为了做这个节目，就需要经常找各种各样的新闻。以前主要靠人肉，重复又耗时。

所以我其实有很多个选题系统，这次我也用豆包测试了一下，完成度非常高。

提示词的一部分是这样的：

我想做一个选题准备系统。它要维护一批媒体来源，自动抓取最近一到两周的新闻，做历史去重，清洗掉低质量内容，再把同一事件的多篇报道聚合起来，最后按照半拿铁的选题标准输出 10 条推荐选题和 30 条备选选题。还要生成 Markdown 报告、全量新闻索引和机器可读 JSON。

这个任务的确就复杂多了，这不是一个单文件页面，而是一套脚本和流程。需要 sources 配置、 RSS 抓取，还有 RSSHub 路由，还需要历史 ID 持久化，也要时间范围过滤。后面的步骤得做标题和摘要清洗、聚类、评分、报告生成。对于新闻的要求，也需要通过了解半拿铁·周刊的选题规则，才能更好地筛选和评分。

豆包 2.1 Pro 对这个任务做了几层拆解。

第一，抓取层负责从 36 氪、虎嗅、钛媒体、爱范儿、量子位、界面、IT之家、少数派，以及 RSSHub 里的知乎热榜、财新、中国新闻周刊、南方周末、澎湃等来源获取内容。

第二，处理层负责过滤标题过短、纯行情、普通融资财报、软文、低信息量快讯、猎奇新闻、海外无中国连接的内容。

第三，聚类层负责把同一事件合并成一个选题。

第四，评分层则根据历史背景、商业机制、人物冲突、日常生活关联、长期变化代表性、证据丰富度、新鲜度这些维度进行排序。

产出的结果是这多个文件。

给出的选题报告大概是这样的。

我看了一下，可用性还是不错的。这 30 个聚合的主题里面，我能找到至少 5 个是可以做半拿铁·周刊的选题的。

另外，我去查了它的任务细节，发现有很多地方都用非常巧妙的方法解决了问题。比如我的要求是同样主题的新闻需要聚合在一块，而用简单的 BFS 连通分量会出现链式错误。大量的副词重叠，会让不相关的内容聚合在一块。

这个问题是豆包自己在执行过程中发现的。

所以它就改用了更保守的单遍聚类算法。每篇文章与现有簇比较，要求与簇内最近几篇共享足够的核心关键词，TF-IDF 也更多基于标题计算，同时扩大停用词表，把“中国”“美国”“公司”“市场”这类特别常见的泛词去掉。

这整个过程当中，是他针对我的任务要求做的调整，而不是去哪儿采用的现成的解决方案。这个让我特别意外。

所以还是前面说的，AI Coding 的意义并不只在于做出一个产品上线。

像我这样的一个做内容的创作者，在选题方面就可以不断迭代自己最趁手的个人工具，可以不断迭代优化。现在我的选题花费的时间成本是之前的 1/10。

这个过程当中，对于大家来说，只需要把需求表达清楚，不需要有多么深厚的产品经理功底。

5

结合这些案例和我个人的体验，就回到我对豆包 2.1 Pro 的评价了。它的确不只是能做一个简单的炫技的 Demo。而是可以完成中等复杂度的前端页面、本地工具、自动化脚本。能够自行解决很多 bug、优化很多细节。

这就是我说的基础体验门槛。

我们现在讨论模型，经常喜欢讨论上限，以及上限可能带来的未来远景。而对于很多普通用户来说，模型的下限更加重要。一个模型如果偶尔特别惊艳，可以用来作为噱头，但用起来大部分场景下无法解决问题，那也是没有意义的。

豆包 2.1 Pro 作为国产模型的价值是，对很多用户来说，可以更低门槛、更快的上手，真正解决自己日常工作里的问题。而不只是作为一个搜索引擎和生活小能手来使用。

计算机的发展，一直是在把原本属于专业人士、小圈子发烧友的能力，慢慢扩展到普通人手里。

早期电脑需要懂命令行，后来图形界面让普通人能用电脑。早期做海报需要设计师，后来 Canva、Photoshop、美图秀秀、各种模板工具让普通人也能做图。早期剪视频需要专业软件和学习成本，后来剪映这类工具让大量普通人开始做短视频。早期建网站需要程序员，后来博客、微博、公众号、小红书、播客，让普通人也有自己的内容创作平台。

代码看起来也是离普通人距离很远的，但现在有很大的变化了。就像手机摄影，不需要理解CMOS、镜头结构、色彩科学、编码格式，也能凭感觉拍出一张还不错的照片了。大家会跟胡彦斌一样，作为外行，顺手就能做出一些基础的工具。

之前我大概表达过一个感受，未来 Coding 会变成很多人的日常。

豆包 2.1 Pro 这次让我看到的，就是这个开端。