8个月打造700万个应用：Emergent如何构建面向非程序员的平台

阿拉斯加的一位临床心理学家，同时也是马术运动员的教练，她想要一款将运动心理学与马术相结合的应用程序。但她找不到。新斯科舍省的开发公司给她报出了天价。于是，她自己在 Emergent 上构建了这款应用，现在它已在 App Store 上线，拥有数百名用户。 这就是关键： 那些确切知道要构建什么产品的领域专家，终于可以自己动手构建了，而且不会有任何偏差。

从测试代理到 SWE-bench 世界第一

Mukund 和 Madhav Jha 是一对双胞胎兄弟，他们 12 岁时在印度开始学习编程。 Mukund 从博士学位退学后加入了 Google，然后创立了 Dunzo（一家本地配送公司，在印度几乎成了“一个动词”，管理着 300 名工程师）。 Madhav 在亚马逊建立了深度学习团队。

他们的最初洞察力来自于 Mukund 运营大型工程团队的经验：软件测试是快速交付的最大瓶颈。 他们在 2023 年底向 YC 提出了自动化软件测试的想法。 风险投资家认为这太疯狂了。

在构建测试代理的过程中，他们发现了一个更深层的真相： 如果你能解决验证问题（知道代码是否有效），你就可以自动化所有的软件工程。 验证是让代理长时间运行的循环。 这成为了 Emergent 的基础。

他们把四个人锁在一个房间里，并开始挑战 SWE-bench 基准测试，这是当时衡量编码代理的标准。 两个月后，他们成为了世界第一。 在此过程中，他们发明了多代理系统、记忆、代理间通信和测试时计算扩展。 许多这些技术在三个月后出现在学术论文中。

“我们就像是 Claude Code，只不过比 Claude Code 更早出现。”

没人预料到的转型

拥有了世界上最强大的编码代理后，显而易见的做法是企业销售。 他们花了 2-3 个月的时间尝试。 进展太慢了。

与此同时，他们正在内部使用 Emergent 来构建自己的工具。 他们注意到 Lovable 和 Bolt 在非技术用户中的增长非常迅速。 于是他们问： 如果我们将我们的强大工具打包给那些不会编码的人会怎么样？

Beta 版于 2025 年 6 月发布。 结果一炮而红。 八个月后： 构建了 700 万个应用程序，每 45 天翻一番。 80% 的用户没有任何编程知识。

与竞争对手的关键区别在于： Emergent 从工程深度入手并简化了用户体验，而 Lovable 和 Bolt 从用户体验入手并试图增加工程能力。 这在架构上很重要。 Emergent 构建了自己的 Kubernetes 基础设施、自己的容器堆栈、自己的部署管道。 洞察力是： 如果你在构建时和部署时为代理提供相同的基础设施，部署问题就会消失。 并且拥有基础设施意味着代理可以获得更快的反馈循环。

为什么后动者在人工智能领域获胜

每一代新的模型都提供了一个重新构想产品的机会。 当 Emergent 刚开始时，GPT-4 是前沿模型，而行业面临的最大挑战是 JSON 解析。 他们故意选择不解决下一个模型可以处理的问题。

这种理念延伸到他们目前的想法： Opus 4.5 能够实现极长期的任务和多代理协调。 Claude 擅长后端调试； Gemini 在前端方面表现出色。 Emergent 将不同的任务路由到不同的模型，通过其编排工具提取 20-30% 的性能提升。

人工智能领域的后动优势是真实存在的，因为：

1. 你可以从当前竞争对手的不足之处中学习
2. 你从根本不同的角度出发； 你的想象力更大
3. 真正的用户需求变得更加清晰： 人们想要交付生产软件，而不仅仅是前端原型

不断积累的架构

Emergent 的技术堆栈是经过刻意设计的非常规： Python 后端服务器 + React 前端，一种支持后台作业、异步处理和全栈应用程序的客户端-服务器架构。 大多数竞争对手都选择了针对快速原型设计的 Node 重型堆栈。

多代理编排： 主要驱动代理处理主要例程，将任务（测试、设计搜索、API 集成）委派给专门的子代理。 这使得上下文管理非常精简。

跨会话记忆： 代理不仅从你当前的会话中学习，还从所有会话中学习。 轨迹被聚合，通过 CI/CD 管道处理，并作为“技能”添加到长期记忆中。 如果代理在三周前在日历集成方面遇到困难，那么今天它就不再遇到困难了。 这是一种持续学习的形式，值得注意的是，它无法通过从代理本身生成技能来复制； 它们必须来自真实的轨迹。

代理体验 (AX)： 团队创造了“代理体验”作为一个指标，类似于用户体验。 他们衡量代理在平台上的“感觉”、它获得的反馈、它在什么约束下运行。 随着模型变得越来越强大，关键是给予它们更多的自主权，放松束缚。 最初控制非常严格； 现在，更多的自主权带来了更好的性能。

为生产而构建，而不是为原型而构建

现场演示展示了几个生产应用程序：

• 伊利诺伊州的 AV 设置业务： 一位非编码人员构建了一个用于音频/视频安装的全栈潜在客户生成应用程序，取代了电子表格和电话
• 挪威律师的 CRM： 一位“业务开发人员”（他的说法）将他之前的公司出售给了私募股权公司，并构建了一个法律 CRM，因为他非常了解律师的痛点
• 内部 Asana 克隆： Emergent 自己的 QA 工程师从“克隆 Jira”开始，并不断迭代，直到他们拥有了一个自定义的项目管理工具，每月节省 3-4 千美元的 SaaS 订阅费用，并符合他们每天三次的交付节奏

设计质量是经过刻意考虑的。 早期，在设计和功能之间存在着艰难的权衡。 他们投入了大量资金来解决这个问题： 以一种既能产生良好的设计又能产生有效后端的方式共享上下文。

对于非技术用户，他们完全隐藏了 VS Code 编辑器和代码差异。 “即使是我们相当技术型的 PM 也会被 JSON 吓到。” 代理在构建之前会提出澄清问题，用户可以提供自己的 API 密钥，或者直接说“使用 Emergent 的 LLM 密钥”。

一个 20 人的团队完成数百人的工作

Emergent 大约有 12 名工程师在运营，他们主要在班加罗尔。 他们的招聘理念是： 注重解决问题的能力和主人翁意识。 他们痴迷于招募印度理工学院排名前 100 的学生（印度最具竞争力的工程考试）。 他们的部署系统与 Vercel 类似，由两个人构建。 他们的记忆系统是多家初创公司试图解决的问题，由一个人构建。

公司里的每个人都做客户支持，每周与客户交谈 1-2 次。 对于一个 12 人的团队来说，这是一个痛苦的决定（让你们最好的工程师停止交付去处理支持工单），但它从一开始就建立了客户同理心。 在他们发布时，Mukund 花了整整五天的时间只做客户支持，其中大部分是通过 AI 翻译成法语和德语。

团队结构本身也在不断发展： PM 正在“氛围编码”内部工具，角色正在合并。 一个人完成 PM、设计师和工程师的工作。 这反映了他们在平台上看到的情况： 五人团队正在合并成一个构建者。

花费 50 万美元的应用，现在只需 5 千美元

核心用户画像： 在电子邮件、WhatsApp 和电子表格上运营业务的中小型企业主。 他们本会去找开发公司定制软件，花费 50 万美元。 在 Emergent 上，他们自己构建，只需 5 千美元。

价值不仅仅在于成本。 还在于意图的保真度。 正如挪威律师 CRM 构建者解释的那样： “我是我团队中唯一的构建者。 我不引入其他人，因为我确切地知道要构建什么。 没有什么会在翻译中丢失。”

这些数字令人震惊： 已经有人在一个完全基于 Emergent 构建的产品上筹集了 400 万美元。 正在构建的应用程序中有 20% 是代理的，将 Emergent 自己的代理嵌入到用户应用程序中，以支持自动化工作流程。

SaaS 已死？

Jha 兄弟看到了传统 SaaS 的两个不利因素：

1. 代理消费： 越来越多的 SaaS 工作流程将被代理消费。 除非 SaaS 公司转向代理优先，否则生存将变得困难。
2. 个性化软件： 人们将越来越多地构建自定义工具（如 Emergent 的内部 Asana 替代品），而不是适应通用的 SaaS 产品。

但是，将“SaaS 已死”作为框架会错过更大的故事。 这不是关于破坏； 而是关于创造。 这种对话将人工智能的影响从取代工作岗位重新定义为增强个人能力。 拥有领域专业知识和商业想法，但没有编码能力的人，现在可以构建生产软件并开展业务。

一些想法

• 软件的杰文斯悖论： 随着工具变得越来越强大，人们不会构建得更少； 他们会构建得更多。 软件工程职位发布正在增加，而不是减少。 YC 内部看到每周更多的工作、更多的想法、更多的产出。 这是享乐适应： “哦，这更强大了，现在我可以做更多的事情了。”

• 利基中的利基： 在软件有限的世界中，将临床心理学与马术相结合的应用程序永远不会存在。 在软件无限的世界中，它确实存在，并找到了数百名用户。 这是 PG 从 IBM 职业生涯到创业再到在他们独特兴趣的交汇处进行独立构建的漫长历程。

• 模型将商品化； 了解客户不会： Mukund 的观点是，基础模型的能力和价格将趋于一致，开源模型将落后 3-6 个月。 持久的优势属于最了解用户需求并最贴近用户需求进行构建的人。 编码本身只占工作的 20%。

• 验证是元洞察： 将一切联系起来的线索，从 SWE-bench 的主导地位到生产可靠性再到代理集群，都是验证。 你能自动确认工作是否正确完成吗？ 这就是实现长期代理工作的原因，也是 Emergent 正在投资定制微调验证模型的地方。