灵光做了一个“AI应用版GitHub”，但重点不在代码

应用与内容的边界，愈发模糊。

作者 | 陈骏达

编辑 | 漠影

过去几年，AI Coding经历了多轮演进：从类似Copilot的代码补全，到通过对话生成代码的Vibe Coding，再到可以自动完成一个相对完整的项目开发的Agentic Coding。写代码这件事，正在被快速“商品化”。

但一个反直觉的现象是，AI应用并没有因此真正爆发。问题的核心在于：代码生成变容易了，但一个应用跑起来、被别人用起来，依然很难。

这种落差，暴露了AI Coding在当前阶段的困境。一方面，这类工具仍然隐含着对用户技术能力的要求，本质仍是少数程序员的提效工具。

另一方面，它也制造了一种“能力错觉”，非技术背景的用户可以快速生成一个看似完整的应用，却难以判断其在安全性、稳定性和可维护性上的问题。一旦进入真实运行环境，这些问题往往集中暴露。

也正是在这样的背景下，越来越多产品开始意识到，仅仅解决代码生成远远不够。如何让应用真正运行起来、被使用、被传播，成为AI Coding下一阶段的关键问题。

01.

AI Coding形态升级

要从需求直达产品

事实上，这一问题已经被不少国内外产品所关注。海外如Bolt等产品，强调通过对话快速生成可用的网站、应用，让用户几乎无需手动配置即可完成一个项目的搭建。

在国内，近期进行大规模升级的灵光“闪应用”，则是这一思路的进一步演进。本质上，它是一个面向消费级用户的Coding Agent，用户只需要用自然语言描述需求，系统就可以直接生成一个可运行、可交互、可分享的完整应用，代码在这一过程中被封装在底层，已经完全对用户不可见了。

灵光生成的闪应用是在手机端侧原生运行的真实应用，它能调用摄像头、位置服务、陀螺仪、麦克风、本地存储、系统通知等能力。

比如，用户可以通过一句话生成记账、便签应用，或是通过多轮对话逐步手搓出一个复杂的互动游戏。这些应用不仅可供用户自己使用，还可以直接分享给他人体验。整体来看，它更轻量、更即时，也更接近普通用户的使用习惯。

如果把这些产品放在一起观察，会发现背后折射出两个清晰的趋势。其一是抽象层在持续上移。无论是Vibe Coding还是Agentic Coding，本质都在削弱代码本身的重要性，让用户可以通过自然语言直接表达需求，逐步回归到“意图”这一更底层的交互单位。

这也可以被理解为一种“Wish Coding（意图编程）”：用户不用处理具体的实现，而是描述自己的意图和希望达成的结果，系统负责完成中间过程。

其二是产品在明显下沉。AI Coding不再只是服务程序员的效率工具，非技术用户也能参与到应用的构建过程中来。

不过，这些新尝试仍然面临一个尚未被彻底解决的问题：即便应用可以被快速生成，它们依然缺乏有效的分发路径和生态承载，难以真正流通起来。

02 .

从“写出来”到“用起来”：

补齐AI应用生态的关键一环

在现实环境中，一个应用从生成到可用，中间隔着一整套复杂链路：环境配置、依赖管理、后端服务、数据存储、权限控制、部署上线乃至后续运维。对于没有技术背景的用户来说，这些环节几乎是不可逾越的门槛。

因此，哪怕用户通过AI生成了一段完整代码，也往往停留在“本地可运行”的阶段，很难变成一个可以被他人访问、稳定使用的产品。同时，这些AI生成的应用很难沉淀为“可复用资产”，很难被继承、修改和传播。这也解释了为什么我们看到了大量AI生成demo，却没有看到真正意义上的应用生态。

像灵光这样的产品已经意识到，如果只停留在代码生成层，AI Coding的价值是有限的；必须把“运行”这件事一起产品化。同时，还需要一个承载这些应用的“场”，让它们可以被访问、被分享、被传播。

“灵光圈”正是在这样的逻辑下出现的。它更像一个围绕AI应用构建的社区空间：用户可以直接浏览他人创建的应用，点击即用，无需下载代码自行部署。用户也可以在已有应用的基础上进行修改和再创作，将其转化为新的版本。

现在，如果你打开最新的灵光App，就可以在灵光圈看到这样的生态。大量闪应用以信息流的形式在灵光圈里呈现，用户可以像刷社交媒体一样查看，发现感兴趣的即可上手体验。

用户可以在评论区讨论应用的功能，给开发者反馈，甚至还可以在“改一下”的功能中，通过自然语言对应用进行修改，使其更符合自身的需求。

▲灵光闪应用“改一下”界面

这种机制本质上类似于开源社区中的Fork，但被复用的对象不再是代码本身，而是更上层的“意图”和应用结构，以及创作者对需求和应用场景的理解。

举一个例子：某用户在灵光圈中发布了一个“家庭水吧”闪应用，另一个用户觉得功能有用但想新增一个预约功能，于是通过“改一下”描述了修改意图，系统基于原应用的意图结构重新生成了一个带有预约功能的新版本。整个过程没有接触一行代码，也不需要理解原应用的实现逻辑。

▲灵光闪应用“改一下”修改结果

值得一提的是，灵光内部保留了从意图到应用的完整生成链路，比如用户结构化的意图描述、功能模块的拆解、组件间的关系。每次Fork本质是在意图层面重新编排后完整重新生成。

换句话说，传统Fork就像复印一份手稿然后涂改，容易越改越乱；灵光的Fork更像是保留原始构思，重新组织语言和结构，写出一篇全新的、完整的文章。这保证了接力链条上每一个新版本的质量和完成度，也为生态内的应用版本管理和质量追溯提供了技术基础。

这种机制带来了几个明显变化。首先，应用的开发路径明显缩短，用户可以基于已有应用进行改造；再者是协同方式的变化，应用的迭代可以通过“接力创作”的形式实现，不同用户可以围绕同一个基础形态不断叠加功能。

更重要的是，这种形态开始让灵光圈具备类似开源社区的活力。当应用可以被快速复制、修改并再次发布时，就会形成一种自发的扩散机制：好的想法会被不断放大，简单的应用也可以在多轮演化中逐渐完善。

03.

多模态Coding Agent

正在模糊应用与内容的边界

从更底层的技术视角来看，灵光背后值得关注的，还有其多模态原生智能的演进方向。大部分AI产品目前仍然停留在文本层面的理解与生成，而多模态能力的引入，让它们能够同时处理图像、语音、音频乃至代码等多种信息形式。

灵光从发布之初就将多模态作为核心能力之一。在闪应用功能中，用户可以通过自然语言生成应用，并在应用中嵌入多种交互方式。

普通用户不像专业开发者那样习惯用纯文本或代码表达需求，他们更倾向于通过图像、语音、草图等多模态方式描述想法。灵光的多模态能力让用户可以用最自然的方式输入，而非被迫学习一套新的表达语言，从而真正降低了应用创造的门槛。这些能力的整合，让灵光能以更接近真实世界的方式，与用户协作并创造应用，与其消费级Coding Agent的定位契合。

当然，从实际体验出发，这一能力仍然处在早期阶段。一方面，灵光当前生成的应用在界面设计和交互细节上还相对粗糙；另一方面，在复杂任务或多步骤场景中，灵光并不总是能稳定地交付用户想要的结果。

但如果把视角从单一产品拉回到整体生态，会看到一个更具潜力的变化正在发生：AI应用正演变为一种可以被消费、传播甚至二次创作的内容形态。

在灵光圈以及闪应用的体系中，用户不仅可以使用一个应用，还可以像编辑一篇文章一样直接干预应用的底层逻辑和界面呈现，并在使用过程中随时对其进行二次创作。

在这一过程中，用户既是消费者，也是创作者，甚至是协作者。AI应用不再只是承载功能的工具，而开始成为一种可以被传播、被表达、被持续改造的媒介，一种可以不断演化、持续流动的开放作品。

如果这一趋势成立，那么AI应用生态的竞争逻辑，可能不完全取决于单个应用的技术深度，而更多取决于社区的创作活跃度、分发效率和迭代速度，这与内容平台的逻辑有着相似之处。

从这个角度看，灵光这样的消费级Coding Agent，正在推动AI应用从“软件”走向“媒介”，并重塑信息的组织方式与交互方式。

04.

结语：当“造应用”这件事被重新定义

回看软件发展的历史，会发现一个清晰的主线：人类始终在用更接近自然思维的方式，与计算机进行交互。从早期的机器语言，到高级编程语言，再到今天的自然语言驱动，每一次抽象层的提升，都会带来生产方式的重构。而多模态与Coding Agent的结合，正在把这种演进推向新的阶段。

AI Coding领域如今并不缺代码生成能力，真正稀缺的，是让AI应用从生成走向运行、从运行走向分发、再从分发走向协作的链路跑通。

当应用的生成、运行与分发被重新组织，软件的生产与消费方式都将随之改变。灵光所做的，正是这一进程中的一次前置探索。也许在不久的将来，分享并修改一个AI应用，会像今天转发一篇文章、发送一条语音一样自然。到那时，应用本身，或许就是一种媒介。