氛围编程是当前AI行业的热门词汇,让你只需通过自然语言与聊天机器人对话就能创建应用程序、游戏和网站。现在Google希望你能通过Stitch——Google Labs的AI用户界面设计平台来实现这一点。不过别称之为氛围编程:Google更倾向于称之为"氛围设计"。
上周发布的最新版Stitch带来了新功能,承诺让你无需任何技术知识就能轻松设计自己的移动或网络应用程序。
你不必使用传统的线框图构建,只需说出你希望应用程序的外观,描述你想要设计产生的感觉或情绪,甚至提供你的商业目标。无论你如何描述,Stitch都会理解并开始为你生成设计。
这种灵活性让你能够激发创意,而无需过于精确。不过,一个扎实的提示会大有帮助,你可以选择任何方式与Stitch协作。
Stitch是多模态的,意味着你可以使用文本或语音进行设计。通过Gemini模型,你可以在编辑时使用自然语言,如果你不熟悉设计术语,这会很有帮助。智能体会实时提供设计批评,让AI成为过程中的协作伙伴。
不喜欢设计中某些元素的位置或颜色?只需告诉Stitch"把按钮移到另一边"或"将菜单颜色改为橙色",就完成了。Stitch目前处于测试阶段,可能不总是完美执行,但它在设计过程中可能节省的时间令人印象深刻。
Stitch现在也更加灵活,你可以将设计应用到在Stitch中制作的其他项目。Google表示你可以从任何URL提取设计系统,或使用DESIGN.md——一个智能体友好的markdown文件来导入和导出你的设计规则。
Stitch在几分钟内创建了一个精美的网站
我决定尝试Stitch,让它创建一个随机网站,结果令我印象深刻。我不是设计师,也不会说自己有"设计师的眼光",但我要求Stitch创建一个植物药剂师网站,展示不同植物,采用维多利亚哥特式风格设计。
我不确定会有什么结果,但不仅它构建多个页面或移动应用程序或网站"屏幕"的能力给我留下了深刻印象,整体布局和对我原始提示的遵循也让我惊讶。虽然主要是由AI生成的图像和文本组成的填充内容,需要用你自己的内容替换,但生成的网站看起来很棒。也有一些我认为不太必要的页面,但这可以通过更具体的提示来改善。编辑或删除单个元素或整个页面也很容易。在创建设计时,会出现"屏幕"向你展示在应用程序或网站的特定视图中看到的内容。
Stitch生成了一个我不太喜欢的调色板,所以我要求它使用我选择的颜色创建另一个。它很好地创建了新调色板,但问题开始显现,展现了其"测试版"状态。
新屏幕会卡在"生成中"状态,有时新屏幕会使用旧调色板。所有这些问题都很容易修复,但显然仍需要解决一些问题。
我没有深入了解所有功能——甚至不知道从哪里开始——但Stitch给人的感觉像一些DIY网站构建器,但有AI加持并以设计为核心。Google宣布后Figma股价暴跌并不令人意外。如果这是测试版的Stitch,谁知道完全构建后会有多好。
Q&A
Q1:Google Labs的Stitch工具是什么?它有什么特别之处?
A:Stitch是Google Labs开发的AI用户界面设计平台,它最特别的地方是支持"氛围设计"——用户只需用自然语言描述想要的外观、感觉或商业目标,Stitch就能自动生成网站或应用设计,无需任何技术知识。
Q2:使用Stitch设计网站需要掌握专业的设计技能吗?
A:不需要。Stitch支持多模态交互,可以使用文本或语音进行设计,通过Gemini模型支持自然语言编辑。即使不熟悉设计术语,也可以用简单的指令如"把按钮移到另一边"来修改设计。
Q3:Stitch目前的使用体验如何?有什么局限性?
A:Stitch目前处于测试阶段,基本功能表现出色,可以快速生成精美网站设计并支持灵活编辑。但仍存在一些问题,比如新屏幕可能卡在"生成中"状态,或新屏幕使用旧调色板等,这些问题虽然可以修复但需要进一步优化。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。