人工智能应用构建初创公司Softr Platforms GmbH今日推出一个平台,让用户无需编写任何代码即可为企业构建运营软件。
通过引入该公司的AI协作构建器,商业团队可以用功能完整的应用程序替代电子表格和手动工作,包括内部工具、客户门户、合作伙伴平台和其他系统。
"AI首次让'我可以自己构建某些东西'这一想法在数百万人中成为主流——但大多数AI应用构建器都停留在华而不实的演示阶段,"Softr联合创始人兼首席执行官Mariam Hakobyan表示。
新的协作构建器系统为用户提供了两种混合方式,提供提示和可视化流程图以及无代码应用设计构建器。协作构建器可以立即迭代应用程序,添加新功能、用户角色和自定义工作流程。例如,当点击批准按钮时,它还可以向管理员发送电子邮件。
在更复杂的集成情况下,协作构建器将连接到第三方工具的集成并构建主要节点和模块。然后它会要求用户对这些工具进行身份验证,例如Google Workspace、Salesforce或Slack,以便它能够继续后续步骤。
Hakobyan告诉SiliconANGLE,Softr与目前市场上大多数氛围编码应用根本不同,因为它旨在开箱即用地生产完整的应用程序。氛围编码推动用户持续提示;而Softr协作构建器旨在第一次就生产出功能产品,然后在此基础上进行迭代。
"当你要求'客户门户来管理项目和请求'时,你得到的不仅仅是屏幕——你得到的是界面、数据库、用户认证、工作流自动化、权限和第三方集成,"Hakobyan解释道。"从第一天起一切都连接起来并正常工作。我们解决了'第二天'问题。"
本质上,Hakobyan说,协作构建器旨在让用户准确写出他们需要的东西,它将帮助他们"启动并运行"。从起跑线开始,他们就将拥有一个可以立即开始使用的工作应用程序。
协作构建器还允许用户维护和向应用程序添加功能。用户需要做的就是将应用程序带回平台,使用可视化构建器或自然语言描述他们想要的内容,它将设计和集成新功能。
"软件的未来不是编写出来的——而是创造出来的,"Hakobyan补充道。"下一代软件将由每个人构建——不是因为我们简化了代码,而是因为我们简化了创造——让构建困难的事情变得容易。"
Q&A
Q1:Softr的AI协作构建器是什么?
A:AI协作构建器是Softr公司推出的无代码应用构建平台,它让用户无需编写任何代码即可构建功能完整的商业软件,包括内部工具、客户门户、合作伙伴平台等系统。
Q2:Softr与其他无代码平台有什么不同?
A:Softr与市场上大多数氛围编码应用根本不同,它旨在开箱即用地生产完整应用程序,第一次就能生产出功能产品然后迭代,而不是让用户持续提示。用户得到的是完整的界面、数据库、用户认证、工作流自动化等。
Q3:AI协作构建器如何处理复杂的第三方集成?
A:在复杂集成情况下,协作构建器会连接到第三方工具并构建主要节点和模块,然后要求用户对Google Workspace、Salesforce或Slack等工具进行身份验证,以便继续后续步骤和功能集成。
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。