8 個月 50 億產值，非程序員用秒噠賺瘋了？秒噠如何解決后端難、token 貴、屎山煩

作者 | 褚杏娟

“行業現在最有價值的一桶金就在 AI Coding。”秒噠產品負責人朱廣翔直言。

這款發布僅 8 個月的無代碼工具，已在全球范圍內被廣泛使用，生成的應用累計服務超 1000 萬人，日均近 10 萬人用其解決問題，在變現工具、業務軟件、AI 應用三大場景中累積創造超 50 億元產值。

朱廣翔指出，Coding 貫穿研產供銷服全鏈路，是核心生產力環節，能創造全新需求價值。而當前行業格局清晰：Chatbot 領域已卷至瓶頸，各家差異甚微，但 AI Coding 賽道的技術差距依然顯著，正是破局關鍵。而秒噠的底氣，源于其長期構建的技術體系：需求、代碼、UI 三大模型構成的自我進化數據飛輪，疊加海量優質數據資產，更依托百度智能云的全棧 AI 能力，獲得 Agentic 數據庫、高性能沙盒與海量云工具的強力支撐。

從“模糊想法”到“清晰需求”

數據顯示，81% 的秒噠用戶為非程序員用戶，主要集中在職場人群與高校群體。對非技術人員來說，有時候很難清晰表達自己在構建應用時的復雜需求。對此，秒噠團隊進行了專門思考與設計，并由此形成了與國內外同類 Vibe Coding 產品的顯著差異。

不同于“一句話生成代碼”的直接路徑，秒噠引入了強化“需求溝通階段”。

比如用戶拋出“把超市搬到線上”這類原始需求后，“產品經理智能體”會主動介入，通過多輪對話深入挖掘、梳理和確認需求，將非專業描述轉化為含功能清單的結構化產品文檔，再交付“研發智能體”落地。

朱廣翔解釋，團隊在分析海量用戶請求時就發現，大量初始需求極其原始和模糊，

因此“產品經理智能體”被訓練來承擔需求轉化與定義的工作。“它不只是簡單應答，更會提供多種方案幫用戶想清楚需求。”朱廣翔表示，這種設計大幅降低表達門檻，避免因需求模糊導致的反復返工。

另外，相比服務專業開發者，面向大眾的 Vibe Coding 更難實現標準化。

專業開發者是一個定義清晰、行為模式相對固定的群體，經過數十年的發展，其工作習慣和工具需求已高度固化，因此標準化路徑相對明確。而“小白”用戶則是一個極其多元、尚未被準確定義的群體。他們來自千行百業，知識背景、能力象限、所從事的業務以及關注的核心痛點截然不同。

因此，秒噠目前的策略是：現階段優先打造和夯實通用的能力底座，確保基礎體驗的流暢與強大。未來，團隊計劃在通用底座之上，向具體的場景和業務端深入，從而延伸出更貼合細分需求的垂直版本。

另外，針對專業、復雜的業務需求，秒噠提供深度研究模式，智能體可聯網調研匯總業務知識，支持通過對話、可視化界面、截圖定位三種方式靈活修改應用。秒噠可無縫集成千帆、Coze 等主流智能體平臺的能力，并將其轉化為即插即用的插件。同時，依托百度智能云，確保應用的高可用、高性能，并支持源碼導出、權限管理等企業級需求。

后端難題攻堅

當前智能體前端能力已獲廣泛認可，但后端仍是行業痛點，這也催生了 BaaS（后端即服務）概念。作為全球 BaaS 領域的領軍者，Supabase 在其新云平臺首批合作伙伴中選擇了秒噠海外版 Medo，使其躋身前三，也成為其中唯一的中國企業。其余兩家合作方均為來自歐洲和美國的明星公司，這一選擇也標志著中國 AI 產品開始獲得全球頂級 BaaS 產品線的認可。

朱廣翔表示，秒噠的解決方案與 Supabase 有相似之處，雙方一直保持頻繁溝通和互相學習。據悉，秒噠團隊今年上半年，就在集中力量攻克后端能力的構建三大核心挑戰。

首先，如何讓數據庫在云端穩定、高效地運行。傳統數據庫往往數量少但體量大（存儲 TB/PB 級數據），而 Agent 驅動的應用則呈現海量、微小、輕量的特點。秒噠平臺上每天生成無數此類應用，每個都需要獨立的后端支持，導致數據庫實例數量激增、規模卻很小。比如上線首周的數據庫實例數就超百度智能云團隊過去七年企業服務總和，應對這種“小而多”的格局需云原生技術突破，保障彈性與高并發。

其次，實現 AI 與數據庫的深度融合。傳統數據庫服務于人，由程序員通過 SQL 等代碼進行操作和部署，而新一代數據庫需面向 AI，讓大模型能夠理解并操作數據庫。AI 需要通過 MCP、工具調用等方式，經過“思考”來理解數據庫的結構與用途。如何設計讓 AI 高效理解與適配的數據庫交互策略極具挑戰，這正是許多團隊在“數據庫與 AI 結合”這一關鍵環節遲遲難以取得突破的原因所在。

第三，如何高效管理底層資源，根據運行與開發的不同需求，靈活調度底層計算、存儲等資源，實現資源的最佳匹配與云化部署，確保數據庫服務在不同場景下的穩定與成本效益。

此外，如何最終將技術轉化為用戶可輕松理解、便捷使用的產品體驗，同樣具有難度。

他對比了行業頭部產品 Lovable 的體驗：其第一版集成數據庫需要用戶跳轉至 Supabase 自行配置后再返回，經秒噠團隊邀請大量新手用戶模擬測試，僅約 50% 的人能在反復嘗試后走通流程，且目前最快仍需兩次對話完成集成。

因此，將專業的數據庫能力封裝成極簡的產品化體驗，讓小白用戶也能無障礙使用，是產品設計的核心難點。朱廣翔指出，秒噠在上線首日即實現了“一次對話”完成對接，無需跳轉其他平臺配置，一步即可完成，這在產品體驗上是一個重要優勢。

朱廣翔強調，國內 Vibe Coding 領域表現較好的廠商需同時具備三個關鍵特質：一是擁有強大的云服務能力；二是自身具備 AI 與大模型技術，深諳云與 AI 的結合之道；三是擁有豐富的 C 端業務經驗，能將復雜技術轉化為優秀的用戶體驗。而像百度這樣的公司同時具備這些條件。

精細化策略降本，

拒絕“代碼屎山”

秒噠團隊當前聚焦的核心方向是如何極致提升效率，讓每個 Token 發揮更大價值。

代碼生成模型的成本顯著高于普通對話模型，因為其輸出量巨大，構建一個應用可能意味著生成數十萬行代碼。為降低成本，團隊正從多個層面進行系統性優化。

首先，在智能體層面，核心是優化規劃與減少交互輪次。朱廣翔解釋，早期的智能體處理任務時，往往需要多輪反復“思考”和“反思”，流程冗長。團隊現在致力于為其設計更佳的規劃能力，制定更優的“標準作業程序（SOP）”。經驗豐富的開發者能用更簡潔的路徑實現目標。“我們現在就是在‘教’智能體運用更優秀的 SOP，用更少的 Token 完成相同的任務。”

其次，模型層面，由于模型尺寸直接關聯計算成本，團隊持續利用數據飛輪迭代訓練，并不斷訓練更小、更快的專用模型，以用更低的成本解決同樣復雜的問題。

再次，在任務調度層面，實行精細化的模型分工。朱廣翔介紹，團隊將開發流程拆解為不同階段，并為每個階段匹配最恰當的模型。例如，在需求溝通階段無需調用昂貴的代碼生成模型，在測試或工具選擇階段則使用針對性強的專業小模型。這種“專業的人做專業的事”的精細調度策略，在提升整體效果的同時，也有效控制了成本。

除了效率優化，朱廣翔著重強調了智能體開發中另一個關鍵挑戰：代碼質量維護與防止“代碼屎山”。他指出，如果智能體設計不當，會無節制地堆砌冗余代碼，最終形成結構混沌、難以維護的“屎山”。

他分享了一條重要的實踐心得：引入“克制性添加”與代碼歷史審查機制。“最理想的方案是，每次添加新功能前都保持克制，非必要不增加。先仔細審查（Review）已有代碼，力求‘加一行，減兩行’，甚至只減不增。”朱廣翔解釋道，訓練智能體在編寫新代碼前，系統性地回顧和理解已有代碼結構，能極大改善代碼質量，避免無序堆砌。

針對“審查歷史代碼本身也會消耗 Token”的成本疑慮，朱廣翔承認這確實是一種平衡，但是很有必要的。他分析道，“如果編寫時不做任何思考，盲目堆砌，很容易快速形成‘屎山’，導致后期迭代成本急劇上升，甚至完全無法修改。”

他透露，秒噠在八月版本曾經歷過類似教訓，有些項目在經過幾十輪迭代后變得難以動彈。正是這些經驗促使團隊將“定期回顧與重構”作為智能體工作流的重要環節。目前，已有用戶項目在經歷數百甚至上千輪迭代后，仍能通過這種機制保持代碼庫的清晰與可維護性。

結束語

朱廣翔坦言，國內在 Vibe Coding 的建設起步平均比國外晚了 1-2 年，但核心競爭力差距正在縮小。

他特別強調，Vibe Coding 產品的核心競爭力在于兩點：一是底層的代碼生成能力，這取決于模型與智能體策略，二是最終面向用戶的產品體驗。在產品體驗層面，中國團隊不僅沒有落后，反而往往具備顯著優勢。

“百度不追求通用代碼能力全面超越，而是讓場景化應用能力超越國際水平。”朱廣翔表示，綜合模型與體驗來看，國內外產品的差距本質上只是時間問題。今年看國產應用已經基本追平，預期明年中國產品的迭代速度會更快。

聲明：本文為 AI前線整理，不代表平臺觀點，未經許可禁止轉載。

AI 重塑組織的浪潮已至，Agentic 企業時代正式開啟！當 AI 不再是單純的輔助工具，而是深度融入業務核心、驅動組織形態與運作邏輯全面革新的核心力量。

把握行業變革關鍵節點，12 月 19 日 - 20 日，AICon 全球人工智能開發與應用大會（北京站） 即將重磅啟幕！本屆大會精準錨定行業前沿，聚焦大模型訓練與推理、AI Agent、研發新范式與組織革新，邀您共同深入探討：如何構建起可信賴、可規模化、可商業化的 Agentic 操作系統，讓 AI 真正成為企業降本增效、突破增長天花板的核心引擎。

今日薦文

你也「在看」嗎？