Scaling 一下：当写代码成为基本能力¶

原文发布于 知乎想法，2025-02-13

最近在 Product Hunt 上看到了 2024 年度产品榜单。给不了解的简单介绍：Product Hunt 是一个追踪科技领域最新软件的网站。纵观过去几年的榜单，能明显看到趋势从低代码等平台逐渐转向 GenAI 相关软件。作为深度使用者，我简单思考下今年几款获奖产品对我工作带来的影响。

年度产品¶

年度冠军毫无疑问是 Cursor，这款产品创下了最快从 1M 到 100M ARR 的记录。之前我推荐它时，很多人觉得它和 Copilot 差不多，虽然 Copilot 在逐步对齐 Cursor 的功能，但就使用流畅度和集成度而言，Cursor 仍然保持领先。从生产效率角度，我从最开始喜欢使用全自动的 agent / composer 模式转向了半自动的 chat/行内询问模式，发现复杂需求的落地最终还是需要人工监督。

Supabase 是一个开源的后端即服务平台。它的最大优势是便捷性，让我能专注于实现产品创意，而非后端基础建设。在 AI 时代，它特别适配 AI 快速创建产品原型并投入市场验证。当然也有局限：免费版的数据表容量较小，自己部署比较麻烦，超出其能力范围的需求会变得复杂，且国内访问受限。但考虑到它与 AI 的高度适配性，我认为这仍是一个值得纳入技术栈的工具。

最后是 o1，虽然后来的 deepseek r1 等都很优秀，但 o1 无疑开创了 LLM 的新思路。它更适合解决复杂问题，这也让我的工作流更清晰：用 Claude 等模型做文字/多模态增强，用 o1/r1 处理复杂的架构设计、编码。期待 25 年能在 AI 模型榜单上看到 R1。

AI 的应用现状¶

结合 Anthropic 发布的经济指数来看，AI 目前主要在编程相关任务中成为主流。在相当长的一段时间内，LLM 可能主要用于辅助而非自动化编程和设计。从历年的年度产品来看，效率工具一直备受青睐，同时数据也显示不同行业间仍存在 AI 应用差距。

核心竞争力的转移¶