Podcast Interview · AI Coding, Creative Tools & Agent Ecology

#101 明超平:YouWare 把 Coding 变成新的创作媒介

这期三小时访谈不是一篇产品发布稿,而是一位连续经历手机、短视频、Kimi、AI 音乐和 AI 编程的人,试图解释一个新产品为什么必须同时是工具、社区和创作容器。明超平从自己的失败经验出发:如果模型不稳定,产品很容易从“AI 原生”退回普通工程工具;如果只给用户一个聊天框,用户没有足够的上下文、素材和反馈去完成作品。YouWare 的赌注因此不是“让程序员写得更快”,而是把 Coding 像相机一样变成普通人的表达媒介。

#101 · YouTube 2:42:45 · 公开句级转录全文阅读 · 明超平 / 张小珺 · ASR 说话人分离不可靠,正文以对话推进而非逐句归属为准

原文讲解:从 Kimi、Noisee 到 YouWare,一场关于“创作容器”的连续追问

下面先按节目自己的顺序解释:主持人如何追问,明超平怎样把一次次产品选择连到前一段经历,哪些是经历回顾,哪些已经是他对未来的判断。结构化结论放在这一节之后。

时间原文阶段这一段在回答什么问题
00:00–00:20个人来路与“做一个会讨论的人”辩论、智能车和 ByteDance 训练了什么能力?
00:20–00:48产品直觉、数据和用户怎样在数据、体验与个人判断之间作决定?
00:48–01:13Noisee 与 Kimi一个没有共识的 AI 音乐产品为什么出现,又为什么停止?
01:13–01:37YouWare 的失败版本为什么“AI 生成网站”会被工程模板反过来统治?
01:37–02:18Coding 作为新媒介与 Agent 生态AI 编程如何改变创作者、软件和操作系统的关系?
02:18–02:42公司、全球化与个人选择怎样建立一个敢于不同、又能活下来的团队?

一、开场先解释他的“争论人格”:事实、立场和用户要分开

明超平先从自己出生于 1995 年、在武汉大学读自动化讲起。他小时候主要由外婆照顾,后来遇到一位把他拉回学习轨道的老师;这种经历让他不把“起点”理解成固定命运,而把成长理解成不断找到人、材料和方法来补自己的缺口。大学时,他参加智能车比赛,四人小组熬夜在实验室里写 C/C++、接传感器、调两辆车,最后拿到全国性奖项。对他来说,这段经历的关键不是奖项,而是第一次确认:陌生问题并不可怕,先找到会的人和能验证的材料,就能逐层学会。

他又讲到自己参加两年辩论赛的经验。比赛一周可能有七到十四场,任何议题都要在很短时间内站到正反两侧;这训练了他先区分“事实是什么”和“我对事实的看法是什么”。但他也承认,自己曾经因为连续拿到最佳辩手而变得傲慢,喜欢把所有信息和论证都压给队友,结果队伍反而输掉。后来他理解了一个对产品很重要的限制:评委只需要被一两个关键问题说服,用户也不可能吸收你认为重要的全部功能。信息堆得越多,真正被看见的重点可能越少。

因此,他把“用户大于自我”说成自己的基本纪律:不能只在脑子里觉得产品好,而要去看用户在 Discord、社区和作品里实际做了什么。主持人提醒听众,他已经是创始人,听用户意见不应变成没有判断力;明超平的回答是,产品判断仍然需要创始人的取舍,但取舍的输入必须来自用户行为和第三方视角。他喜欢把自己瞬间变成一个什么都不懂的人,重新问“第一次看到这个页面的人会怎样理解”,类似于苹果产品不要求用户先读说明书。

二、OnePlus 与 ByteDance:体验直觉怎样和数据循环相处

在 OnePlus 工作期间,他学到的不是某个手机参数,而是“体验会以非线性的方式被感知”。例如电池容量变大并不等于用户一直同样满意;电量从 95% 往上走、从 5% 往下掉时,人的心理敏感度会突然增加,体验曲线更像 S 形,而不是一条直线。这个观察让他相信,产品经理常说的“感觉”并非玄学,但它必须在长期观察、用户反馈和反复对比中形成。

到了 ByteDance,他接触到另一种极强的反馈系统:一个版本两周就能收到用户和数据反馈,而手机产品可能一年才有一次大更新。他把数据驱动还原成四步:先用已有经验形成先验判断,做一个不求完美的 MVP,迅速执行并收集用户数据,再比较结果与先验的差异,最后更新自己的直觉。数据能把普通人的下限抬高,因为它会阻止团队重复明显错误;但数据也可能压制少数真正新颖的想法,所以它更像后视镜,告诉你已经发生了什么,不应该直接替你决定远处的路。

他对张一鸣的尊重也来自这种“亲手做事”的气质:创始人不应只在会议室里评价结果,而要接触用户、产品和具体问题。与此同时,他提醒听众,平台型公司会把个人能力藏在组织与资源后面,职业选择本身也会改变能否看清自己的能力。因此他把早期进入一个产品、在关键阶段选择 Kimi,以及现在从公司出来创业,都看成是对时间窗口的下注。

三、Kimi 与 Noisee:先从十小时谈话开始,再从用户的“对口型时刻”开始

明超平回忆,自己和杨植麟有过一次约十小时的谈话,前面聊音乐、艺术和人生,后面才进入 Token Prediction、压缩智能等模型问题。这个顺序很重要:他并不是先拿着一张产品路线图去找一个模型团队,而是在确认彼此对智能、创作和人的关系有共同兴趣后,加入 2023 年 9 月的 Kimi。之后他在 Kimi 参与插件、Agent 和 Computer Use 等探索。

Noisee 的故事从 Sora 预览和 Suno 用户社区开始。他观察到音乐创作者确实能用 Suno 生成歌曲,却缺少与歌曲匹配的完整 MV;Sora 最初展示的短片只有几秒,但用户真正想要的是能够和整首音乐配起来的连续视觉作品。团队一开始甚至由两名实习生手工剪辑,后来得到 Discord 管理员等社区成员的帮助,再把生成和拼接流程产品化。用户对“完整 MV”而不是单个炫技片段的反应,让他看见了一个明确的需求瞬间。

但 Noisee 最后没有继续。Kimi 当时需要集中资源,Noisee 也没有形成足够强的非共识,继续做下去会把团队和注意力分开。明超平事后有点后悔:有些产品即使当时看起来有用户喜欢,也需要问它是不是只有“对口型”,是否真的拥有能独立活下来的价值。他把这段经历当成一个停止的训练,而不是把“做过”本身包装成成功。

四、YouWare 的第一次教训:模型不稳定时,AI 原生产品会退化成工程产品

离开 Kimi 后,他在 2024 年 10 月 10 日创立 YouWare,国内公司名为新演,海外产品名为 YouWare,后来也以 Arco 作为公司/品牌表达。最早的想法是做一个社区和创作平台:用户让 AI 生成网站、小游戏和交互作品,然后发布、分享、互相启发。但早期模型经常犯错、上下文不稳定、结果不可复现。为了让产品至少能上线,团队不得不加入大量模板、框架和确定性的工程流程。

结果是,原本设想的“80% 由 AI 自主完成、20% 由工程护栏保证”的产品,慢慢变成“80% 靠工程模板、20% 才是 AI”。明超平在发布前主动停掉了这个版本,因为它已经不是想做的 AI 原生体验。这个决定也带出本期最重要的反思:AI 产品不能把模型错误全部用传统软件的固定分支包住,否则模型升级时产品不会获得复利,团队只是维护一套越来越复杂的旧系统。另一方面,完全不做护栏也会让用户不断撞墙,因此真正的难点是让护栏随模型能力上升而退场,而不是永久替代模型。

他还重新定义了“token 消耗”这个指标。最开始团队把速度和总量看成能力,认为单位时间能处理更多 token 就说明 Agent 更强;后来发现一百万 token 如果只是重复阅读、生成不能交付的代码,消耗越快越浪费。更合理的指标是每个 token 带来了多少有效产出、多少可验证进步和多少用户价值。速度仍然重要,但必须在有效率之后才有意义。

五、YouWare 的第二次定义:Coding 像相机一样成为普通人的创作媒介

YouWare 的真正起点不是一场宏大的行业预测,而是他看到人们用 Grok、DeepSeek 和 ChatGPT 写小游戏、做网页,然后把代码贴到社交媒体上。问题在于,代码通常停在本地 localhost,别人很难直接打开、修改和继续创作。一次深夜十点到凌晨一两点的尝试中,他做出了把一段 HTML 变成网站的粗糙版本,这成为 YouWare 的最初形态。

明超平用相机作比喻:相机出现后,摄影不再只是专业摄影师的职业,普通人也能记录生活;AI 编程也可能让一批原本不会写代码的人进入“Vibe Coder”或网页创作者群体。这里的重点不是把普通人训练成专业软件工程师,而是把 Coding 当成一种可以快速试错、表达和分享的媒介,就像拍照不要求每个人都理解镜头和感光元件。

他描述的产品阶段不是先写出一套完整的 AI 社交网络,而是先做工具和社区,观察用户创造了什么,再从作品和反馈中找出最强的内容类别与痛点。所谓“对口型时刻”,就是用户第一次看到产品时,马上明白它能帮自己完成什么,而且愿意把结果分享给别人。这个时刻可以带来传播,但不自动等于留存;团队仍然要观察用户是否会回来、是否会继续改作品、是否会围绕作品形成关系。

他把 YouWare 定义为通用创作/编程 Agent,同时承认早期最容易形成心智的可能是创作者和网页开发者。产品既要提高效率,也要保留像 Lego 一样的乐趣:用户不是提交一张需求单,等待系统交付,而是在一个可见、可修改、可分享的环境里逐渐把想法搭出来。这里的“容器”比“模型调用”更重要,因为容器决定了用户会不会留下状态、作品和社会反馈。

六、从聊天框到操作系统:通用 Agent 和垂直 Agent 不是简单的二选一

节目中一个反复出现的比喻是:如果聊天机器人只是一个输入框,它就把复杂的任务责任推回给用户;真正的产品需要有上下文、工具、记忆、可执行环境和结果反馈。明超平把这样的产品叫作 shell——不是外壳的视觉装饰,而是一个能改变用户行为的容器。Midjourney 早期在 Discord 里用别人生成的图和 prompt 教会用户递归学习,就是一个例子:社区本身成为产品界面的一部分。

关于 Agent 生态,他在“中央操作系统”和“分布式垂直 Agent”之间来回讨论。ChatGPT 这样的通用入口可能像操作系统,负责承接广泛需求;设计、编程、研究等垂直产品拥有更深的工具、状态和领域经验,可能被通用 Agent 调用,也可能直接形成自己的用户入口。他用新加坡与美国的关系作类比:一个擅长把上限推高,一个擅长提供更广的下限和生态;但这只是帮助理解不同层次,并不是说未来一定按照这个国家类比组织。

他甚至提出“AgentRank”可能替代 PageRank 的想象:未来不是网页之间互相链接,而是 Agent 之间根据能力、信誉、上下文权限和结果质量互相调用。但他同时承认,身份、信任、隐私、上下文共享和责任归属都还没有成熟。所有 2C 产品最后都被平台收编成 2B 能力,也会引发用户和创作者的反抗;更可能出现多层结构,而不是一个系统吞掉一切。

更远的未来里,他想象操作系统不再只是固定图标和窗口,而是根据当前人、任务、设备和环境动态生成界面;用户提出一个目标,系统用代码即时造出可操作 UI。这个变化可能需要十到二十年,手机仍会存在,但会更多承担传感、身份和现实入口,而不是唯一的屏幕。明超平把这些视为方向性猜想,不是 YouWare 已经完成的功能。

七、最后回到公司:全球化、反对意见和高死亡率基线

他认为自己作为 CEO 大约一半时间仍在做产品,剩下时间要招人、融资、处理组织情绪和给团队提供心理价值。YouWare 早期约二十人,主体是工程,只有少量产品、运营和人力。明超平强调自己不喜欢攻击性很强的管理风格,但这不等于回避冲突:重要决策要主动找反对意见,逼自己把自尊从判断中拿掉。投资人有时像一面镜子,指出产品叙事里创始人自己看不见的地方。

他把全球化理解成“产品天然全球,内容可以本地化”:如果产品解决的是普遍的创作或编程问题,就不应先把它限制在单一国家;但社区内容、支付、合规和传播仍然需要本地适配。产品出海并不是把国内叙事翻译成英文,而是确认产品本身是否真的跨文化成立。

结尾处他用围棋和 Free Solo 的比喻收束竞争观:围棋的关键不只是看最终棋盘,而是理解每一步为什么在那个时刻落下;攀岩者也只看下一块可以踩住的石头。创业者不能直接复制别人的终局,因为别人走过的顺序、环境和资源已经不同。对 YouWare,他愿意下注的是“Coding 会成为一种创作媒介”,以及由此产生的新人口、新作品和新的操作系统形态;但他也明确承认,创业本来就是 99% 甚至 99.9% 的失败基线。

原文讲解到这里。下面才进入结构化判断、证据分层与独立分析。

核心判断:YouWare 押注的不是“AI 写代码”,而是“可执行的创作容器”

把整期访谈串起来,明超平真正关心的是用户能否从一个模糊想法走到可见、可运行、可分享的作品。模型只是其中一层;产品还要负责承接上下文、提供工具、保存状态、允许修改、让作品进入社区反馈。否则 AI 编程只是一次性生成代码,既没有创作媒介的连续性,也没有社区的复利。

工具

把自然语言、代码、网页和 Agent 行动接起来,缩短从想法到第一次可运行结果的时间。

容器

保存上下文、作品、修改历史和可执行环境,让一次生成变成连续创作。

社区

通过作品展示、模仿、复用和反馈,让用户学习 prompt、发现类别并形成传播。

本文的独立抽象AI 原生产品的核心单位不是一次回答,而是一个能反复进入、可观察、可修改、可评价的状态空间。模型能力上升时,系统应减少护栏摩擦;用户能力上升时,系统应暴露更多控制;两者都不能被一个固定模板永久替代。

证据账本:经历、产品愿景和预测要分开阅读

节目内容证据层级本文使用方式
OnePlus 的电池体验、ByteDance 的数据反馈、辩论与智能车经历。个人回忆 / 经验解释用于理解产品判断的来源,不当作组织全貌或可重复实验。
Noisee 因 Sora/Suno 需求出现,后因资源和非共识不足停止。创业者口述 + 产品史叙述可说明“对口型时刻”与停止纪律,不能证明真实市场规模。
YouWare 早期版本从 AI 原生退化成模板/工程产品。创始人复盘作为设计教训;没有公开代码和用户数据来独立量化 80%/20%。
Coding 像相机、Vibe Coder、AgentRank、动态 OS。类比 / 预测作为可检验方向,不写成已经发生的行业事实。
公司名称、新产品时间、团队规模、估值等。节目口述,部分 ASR 数字可能有误保留时间边界;金额和公司事实需以公司披露为准。

本期公开 ASR 的说话人标签不可靠,且长访谈中存在同音误识别。本文只依据主持人追问和回答的连续语义安排章节,不把每一条转录句子强行标给明超平或张小珺。

深度分析:这期访谈真正提出了三个产品命题

第一,AI 产品的“原生性”取决于护栏能否随模型升级而退场

早期工程模板能降低错误率,却也可能把模型固定在旧能力上。判断一个产品是否 AI 原生,不是看页面上有没有一个 AI 按钮,而是看模型变强后,产品是否能释放新的行为空间;如果每次模型升级都要重写大量静态分支,增长会被维护成本吃掉。反过来,完全放任模型也无法交付,所以更合理的路线是把护栏设计成可观测、可替换、可逐步撤掉的层。

第二,创作社区不是分发渠道,而是产品的训练环境

社区里的作品、模仿、评论和复用,提供了比 prompt 日志更接近结果价值的反馈。用户不是只告诉系统“我喜欢哪句话”,而是用作品展示什么被完成、什么被修改、什么值得传播。如果平台能把这些行为转成任务类别、成功案例和失败样本,社区就不只是增长部门,而是产品定义和模型/工具迭代的环境。

第三,通用 Agent 与垂直 Agent 的竞争核心是状态和责任

通用入口可以拥有流量,但垂直产品可能拥有领域状态、工具权限、评价标准和交付责任。设计、编程、研究任务的价值,不只在生成文本,还在于系统能否继续执行、记住约束、解释修改、承担结果。未来 Agent 的调用排名如果存在,也不能只按点击或 token 统计,而应包含成功率、可恢复性、隐私边界和用户是否愿意把关键状态交给它。

时间边界节目讨论的是 2025 年 YouWare 早期产品与 AI Agent 语境。本文不把后续 YouWare 的功能、融资、用户规模或行业结果倒灌回访谈当时的判断;官方产品页面只用来核对公开定位。

把访谈转成可执行的产品检查表

后续怎样证伪或修正这套判断

证据边界与资料索引

正文以 #101 YouTube 节目和公开 Scripod 句级转录为主;公司名称、产品时间、团队规模、估值、模型能力和未来预测均按访谈口述或嘉宾判断处理。YouWare 官方页面只用于核对产品公开定位,不用来证明节目中未披露的用户规模、收入或长期结果。

证据顺序:节目原始材料 → 公司/产品一手页面 → 本文分析。本文提供面向未读原文读者的连续讲解,不复刻整期逐字稿。

回到顶部 ↑