不懂程式的人，
正在做出幾百萬個 app

他們其實是「Claude Code 之前的 Claude Code」

Mukund 與 Madhav Jha 是一對雙胞胎，12 歲就開始寫程式，後來都到美國念博士。Mukund 中途輟學進了 Google，Madhav 則在 Amazon 創立深度學習團隊。Mukund 回印度創辦了快商務公司 Dunzo——大到「在印度幾乎變成一個動詞」，他當時管著 300 人的工程團隊。也正是在那裡，他觀察到一件事：軟體測試，是「快速出貨」最大的瓶頸。

所以 2023 年底他們申請 YC 時，第一個點子是「自動化軟體測試」。很多 VC 覺得這想法太瘋狂。但在做測試 agent 的過程中，他們撞見了真正的關鍵洞見：只要能解決「驗證」這件事，你就能自動化整個軟體工程。因為驗證正是那個能讓 agent 持續跑很久的迴圈。於是他們轉向做通用 coding agent。

在那段純研究的日子裡，他們提前「發明」了一堆後來才變成業界標準的東西：多代理系統、記憶、agent 之間的溝通、推論時的算力擴展（test-time compute）。他們笑說，自己常常是「先做出某個東西，三個月後才看到相關論文出來」。用一句話總結：他們是「Claude Code 出現之前的 Claude Code」。

不為「做出原型」而做，
為「能上線」重建整個平台

有了強大的 coding agent，他們一開始走的是當時的主流共識——做 enterprise。但折騰了兩三個月，發現「太慢」。同一時間，Lovable、Bolt 正在瘋狂成長。於是他們把這套引擎重新包裝，2025 年 6 月推出了一個小小的試營運，結果一炮而紅。今天平台上 80% 的使用者是零程式基礎的非技術人，分布在 190 多個國家，七八成在美國與歐洲。

明明是第二個、甚至第三個進場，怎麼還能贏？Jha 兄弟拆出幾條線。第一，每一代新模型，都重新打開一次看世界的方式。GPT-4 時代大家在拼「JSON 解析」，他們選擇不花時間在這上面，因為「下一代模型就會解決它」；而像 Opus 這種等級的模型，會解鎖超長時程任務、多個 agent 協同。所以後進者的優勢，是能從一個全新的起點、用更大的想像力重新出發。

第二，也是最關鍵的洞見：使用者真正的需求是「把產品上線」，不是做出一個漂亮的前端原型。當時的工具大多只為前端原型最佳化。他們反過來想：要自動化整個軟體工程，就得打造一個複製「最強工程團隊」在做的所有事的平台——code review、自動化測試、除錯、部署、資安、託管，一條龍到底。

自建基礎設施、多代理、
會跨 session 學習的記憶

Jha 兄弟把過去帶 300 人工程團隊、做深度學習的經驗，全壓在工程深度上。別人很容易做到原型，但難在「最後一哩」——不只把 app 做出來，還要真的部署上線。為此他們做了一個關鍵選擇：自建基礎設施，不外包給第三方 sandbox。他們從零打造了自己的 Kubernetes 與容器技術棧，因為如果 agent 在「建置時」和「部署時」用的是同一套基礎設施，部署階段就不會踩那麼多坑，而且能即時把回饋丟回給 agent——「你的 agent 有多好，取決於你給它的回饋有多好」。

技術棧的選擇也很特別：Python 後端 + React 前端，而不是多數人偏好的 node-heavy 架構。因為他們預期使用者的野心會愈長愈大（「我想跑一個非同步影片處理的背景任務」），所以從第一天就支援背景工作與佇列。同一套 Emergent 自己用的技術棧，原封不動地暴露給使用者和 agent。

在 agent 這端，他們很早就採用多代理架構：主 agent 處理主線，任何可委派的任務（測試、設計搜尋、第三方 API 整合）就丟給 sub-agent，藉此非常節省上下文。更特別的是他們的長期記憶——agent 不只從你這一次的對話學，還跨所有 session 學習，這是「持續學習（continual learning）」的一種變體。

還有一個很反直覺的設計哲學：不只要對使用者有同理心，也要對 agent 有同理心。非技術使用者一看到 diff 或 JSON 就會「嚇到、覺得被勸退」，所以他們雖然內建了 VS Code 編輯器，卻刻意把它藏起來。他們甚至有個內部指標叫「agent experience（代理體驗）」，認真衡量 agent 在平台上「跑起來」的感受。而且隨著模型愈來愈強，他們的做法是把愈來愈多的自主權交給模型——一開始 harness 管得很緊，後來發現「給模型愈多控制權，harness 反而變得愈好」。

當軟體開始「代理化」，
個人化軟體會吃掉現成的 SaaS

主持人丟出一個尖銳的問題：模型公司（像 Anthropic）會不會把你們全吃掉？Jha 的回答很清楚：寫程式只佔整件事的 20%，把一個 app 真正帶到上線非常難，重點在於你多貼近使用者、多懂他們的需求。何況靠他們的 harness，能在這些模型之上多榨出 23% 的效能，也能同時組合多個基礎模型。他認為模型終將商品化（開源大約只落後 3 到 6 個月），最後勝出的，是最懂顧客需求的那一方。

他也不擔心「AI 取代工程師」。這裡是 Jevons 悖論在運作：工具愈強，你想做的事愈多，要做的軟體只會愈來愈多。市場正在擴張——非開發者變成了開發者；而且角色正在合併，一個人同時當 PM、設計師、工程師，過去五六人團隊的活，現在一個人就能扛。

那 SaaS 死了嗎？他直言現在的 SaaS 形態必須改變，因為有兩股巨大的逆風：

更進一步，軟體的「本質」正在改變——愈來愈多軟體會變成代理化（agentic）的。平台上大約 20% 的 app 已經是 agentic app，使用者把 Emergent 的 agent 嵌進自己的應用裡，去驅動各種工作流（例如那個給律師用的 CRM，agent 能直接跑完整個流程）。

至於未來，他們把 METR 那張「agent 任務時長」的圖稱為「年度最震撼的圖」：4.5 大約能撐 4 小時，4.6 已經到 10 小時。他們預測今年底就會有能連跑 24 小時的 agent，甚至上百個 agent 協同處理同一個任務。關鍵是要有一個「監督 agent」盯著整體任務不要跑歪，而這一切的核心，仍然回到那個老問題：你能不能給出好的「驗證」回饋。他們現在的研究重點，正是用自訂的微調去打造更好的「驗證層」——augment 模型，而不是去跟模型正面競爭。

當軟體變成無限，
每個領域專家都能做出自己的 app

真正的解鎖在哪？Jha 算了一筆帳：過去要 50 萬美元才能做出來的軟體，現在你自己花 5,000 美元就能做完。來平台的主力，是那些靠 email、WhatsApp、試算表在跑生意的中小企業主——他們本來得花大錢去找外包工作室。

他舉了一個讓全場動容的例子：阿拉斯加的 Christie 是臨床心理師，同時也是馬術教練。她想把心理學與騎馬這兩個領域結合成一個 app，找遍市面上沒有，跑去加拿大新斯科細亞找外包，報價貴得嚇人。後來她發現 Emergent，自己做了出來——一個叫 EquiMind 的 app，已經上架、有上百個使用者在用。

而且這不只是錢的問題。使用者告訴他們：「找外包，很多東西會在『把想法轉述給開發者』的過程中流失。如果我能自己說出口、自己做，我會做得更好。」那位挪威使用者說，在他的團隊裡他是唯一的 builder，不找別人，因為他最清楚自己要做什麼，沒有任何東西會在轉述中流失。這種「我自己來、我有領域專業」的 agency（能動性），正是大家期待這類平台帶來的東西。

主持人把它接到 Paul Graham 多年前寫的趨勢：戰後大家在 IBM 這種大公司一待幾十年；後來創業潮來了，世界變得「更高解析度」，人們開始想自己開公司；而下一步的延伸，就是每個人都能經營一門「位在某個利基交叉點」的小生意——比如臨床心理學 ╳ 馬術——找到自己的受眾與生計。

最後值得一提的是這家公司的形狀：團隊極度精簡，部署系統由 2 個人負責、記憶系統由 1 個人打造，主力在印度班加羅爾。Mukund 的創業初衷之一是「為什麼印度做不出 Google 或 Facebook？」他的答案是：因為網路已經完全普及，知識到處都拿得到，所以每個國家都有機會為全球做產品——關鍵只在於你敢不敢從第零天就把格局想得夠大。