不写一行代码，他用AI在手机上做出完整iPhone应用

最反直觉的一幕出现了：一款可以直接上架思考的移动应用，竟然从一段语音开始。没有IDE、没有代码，甚至一开始只在手机上完成。这条视频展示的不是“玩具Demo”，而是一条正在成型的全新App生产链。

真正炸裂的不是AI写代码，而是你根本不用碰代码

很多人已经习惯了“AI帮我写代码”，但 Riley Brown 这条视频做的是更激进的一步：把“写代码”这件事整体移出第一阶段。在 Vibe Code 里，你只是点一个“+”，然后用语音把需求讲清楚——菜单有哪些配料、价格如何变化、点了配料图片要实时叠加在披萨上。AI 不仅生成逻辑，还顺手把 logo、图标、配图一并设计好。

这一步最反直觉的地方在于：产品形态先于技术实现。传统流程是先想数据结构、再想页面、最后补视觉；而这里是先看到一个“能用、能点、能结账”的 App，然后再决定要不要动技术细节。对很多 AI 从业者来说，这是第一次直观感受到：App 的“第一性问题”正在从“怎么实现”变成“你到底想要什么体验”。

从“胡椒片太大了”开始，AI进入真实的产品迭代

真正有意思的，不是第一次生成，而是第二次修改。当 Riley 点了香肠、蘑菇、辣椒碎，马上就发现问题：辣椒碎背景没抠干净、配料大小不统一。这不是技术演示里的“完美输出”，而是非常真实的产品吐槽。

接下来他直接对 AI 说：把辣椒碎换成橄榄，再加两种配料，图片规则保持一致，顺便把 App 名字改成 Riley’s Pies。几分钟后，新版本下载完成，价格联动、图片叠加、结账流程全部还在。

这里有个容易被忽略的信号：AI 已经开始承担“低风险产品经理”的角色。你不是在调函数，而是在提需求、做取舍、看结果。这种交互方式，决定了未来会有大量“非工程师但懂业务的人”直接参与到 App 生产里。

真正的分水岭：一键下载源码，AI不再是黑箱

如果故事停在 Vibe Code，它只是一个强大的“无代码工具”。但视频里真正拉开与同类产品差距的一步，是：整个项目可以被完整下载。

长按项目，复制下载链接，在电脑端打开，直接得到一个 zip 源码包。Riley 把它拖进 Cursor，用 bun 启动开发服务器，再通过 tunnel 扫码回到手机端实时预览。此时，AI 生成的项目不再是黑箱，而是你可以重构、调样式、改布局的真实代码库。

这一步对 AI 从业者意义很大：它把“AI 生成”与“传统工程体系”接上了轨道。你可以先用 AI 极快地探索产品，再在熟悉的编辑器里做精修，而不是二选一。

多模态的终局形态：截图→ChatGPT→Canva→代码

最后一个细节，几乎是未来工作流的缩影。Riley 想在结账页加一个 logo：他截图、丢进 ChatGPT（GPT-4o），用自然语言描述“卡通风格、拿披萨盒、红色上衣、白帽子、写着 Riley’s Pies”。生成后进 Canva 调尺寸、去背景，导出透明 PNG。

然后把图片丢进 assets 文件夹，对 Cursor 说一句：把这个 logo 放到收据页。刷新，完成。

整个过程没有任何一步是“为了用某个工具而用工具”，而是多模态 AI 像流水线一样自然衔接。文本、图像、代码之间的摩擦正在接近零。

总结

这条视频真正值得反复看的，不是“又一个无代码工具”，而是它展示了一种正在成型的新范式：先用 AI 把产品跑起来，再决定哪里值得投入工程成本。对 AI 从业者来说，这意味着两件事：第一，你的价值不再只是“会不会写”，而是“知道该让 AI 做什么”；第二，未来最稀缺的能力，是把模糊想法拆成 AI 能连续执行的指令链。如果你现在还把这些工具当玩具，很可能已经错过了下一轮生产力跃迁的起跑线。

关键词： 生成式AI， 无代码开发， 多模态AI， Cursor， GPT-4o

事实核查备注： 需核查：视频发布时间（2025-05-05）、作者 Riley Brown、工具名称 Vibe Code、使用的模型 GPT-4o、终端命令 bun start --tunnel 是否准确