现场写应用，教机械臂抓方块：今年1024四场构建背后的变化，你看懂了吗？

一边，是用 AI 在 150 分钟里把一个"鬼点子"做成应用；另一边，是围着机械臂采集数据、训练策略，直到它抓起一块方块。台下也不都是程序员——做历史知识游戏的，是一名九年级初中生；做年终奖个税计算器的，是一位干了多年财务的参赛者。

这是今年长沙 1024 程序员日暨 AI 构建者大会四场构建的画面。

四场构建放在一起，恰好让一个正在发生的变化变清晰：当 AI 越来越能"做事"，人究竟该站在什么位置？

AI 写得越来越快，为什么还要花时间讲清楚需求？

过去做一个应用，门槛是编程。很多需求就停在这段距离里：不是没价值，而是不值得投入完整的开发成本。AI 正在压缩这段距离——一句话之后，页面开始生成，代码一行行出现。这种体验很容易让人产生一个判断：既然实现越来越容易，开发者接下来最重要的能力，是不是把提示词写得更好？

今年 1024 给出了更值得推敲的方向。亚马逊云科技Kiro"鬼点子"计划把现场开发压到 150 分钟，它强调规范驱动开发，要把一句想法先展开为需求、设计与任务。一个追求速度的构建挑战，为什么偏偏需要这些看起来有些“慢”的步骤？因为代码生成越快，错误方向的推进效率也越高——"做个报名工具"很快能变成表单，但重复提交怎么限制、满了怎么处理，都得有人决策。规范的价值，是让关键决策前置。

路演现场把这个道理演了一遍。一名武汉海淀外国语实验学校九年级的学生，因为自己历史总背不进去、觉得知识点枯燥零散没有反馈，用亚马逊云科技Kiro 做了一套历史知识游戏：45 张 3D 人物记忆卡片负责"学"，智能闯关负责"练"，答题攒手牌的卡牌对战和 AI 抢答负责"战"，1500 多道题目由史实数据自动生成，还给六岁以下孩子做了专属模式。

还有一名 19 岁、来自长沙理工大学的学生，做的是"再教我一次"——教长辈用智能手机。长辈说一句"微信字体怎么调大"，应用就用 OCR 识别当前屏幕，生成一步步指引和悬浮球引导，点错了重新播报。动机同样朴素：希望孩子不在身边时，长辈也有尝试的勇气。

这些作品都不是炫技，起点全是作者自己的生活。需求讲清楚这一步，AI 替代不了，因为只有他们自己知道问题出在哪。所以 150 分钟挑战的深层价值，不只是证明 AI 能写多少代码，而是把一个问题推到每个人面前：当实现成本下降，你能不能更快确定，究竟什么值得实现？

从一句话到一个作品，中间藏着真正的难题

把视线从代码移到工作场景，会发现同样的变化。让 AI 回答"数据说明什么"，和做出一个可用的数据看板之间，隔着文件读取、字段理解、去重处理、口径统一等一连串环节；结果出来后还要验证：图表是否对应原始数据、筛选条件有没有真正生效、换份资料流程是否还成立。

商汤小浣熊的 90 分钟"AI 应用快建"，把流程安排为明确问题、准备资料、AI 规划与执行、构建成果、调整完善。没有哪一步特别炫目，却几乎每一步都影响最后的交付。这也让 AI 应用的价值有了更具体的判断方法：界面再精致，没解决原来的问题，就很难成为工作中的工具；功能简单的应用，能稳定完成一项反复发生的任务，反而可能留下来。

生成能力解决"能否启动"，交付能力决定"能否留存"。这也是为什么把真实任务带进会场比再看一遍演示更有意义——只有开始处理自己的文件和流程，工具的能力边界、需求中的遗漏才会一起浮现。

为什么一定要让机械臂抓起那块方块？

四场构建中，最容易让人觉得“画风不同”的，是七月在线的真机工坊：基于 LeRobot，以 ACT/π0 与 SO-101 抓方块为主线，串联遥操作数据采集、策略训练和真机推理。为什么是抓方块？因为在这个简单动作里，AI 面临无法通过修辞回避的物理检验——方块到底有没有被抓起来。

软件界面可以很快生成，分析结论可以写得流畅，但在物理世界，摄像头观测、采集示范、模型输出的动作，都要落实为设备的实际运动，任何环节偏差都可能表现为抓空、碰偏或失败。亲身遥操作一次，你会关心示范轨迹是否清楚；参与训练，会追问输入数据包含什么；进入真机推理，又会发现训练条件和实际环境的差异。模型能力从来不是孤立的，它与数据、设备和环境相连。

从应用到机械臂，构建对象变了，判断能力是否成立的方式却相通——让系统真正执行，再回到执行结果里找答案。

谁能成为构建者，也在被重新定义

码上创把另一个问题摆到台前：当 Agent 能辅助生成代码，做应用是否还必须从学一门编程语言开始？

一位四十岁上下的财务，举着手机在角落找信号，网连上了也没走："我想做个帮同事算年终奖个税的工具，该选哪个 Agent？"每年都有同事来问她年终奖怎么算划算，以前都是翻税率表用 Excel 手工算。聊了几分钟需求，她回去开工。一个多小时后，她的「个税通」已经能跑：两种计税方式各算一遍，自动选划算的那种；房贷和房租不能同时扣除，工具会拦着提醒。她一行代码没写。

问"做好了怎么发出去"的，是个专业跟编程不沾边的大学生。他做的作业倒计时，每条作业后面跟着秒级倒计时，快到期的变红，过截止直接标逾期。被问"刷新页面数据还在不在"——现场演示最容易死在这——他答得很笃定："特意做了。我之前用的待办工具，一刷新就空了。"还有位宝妈做亲子成长记录，打卡就五项：阅读、运动、早睡、家务、情绪。"跟孩子拉锯最多的就这五件事。"她特意留了个"语录"栏攒孩子说过的话。

活动结束翻翻后台，当天那些问网络、问发布、问审核的人，作品都过审上线了。他们问的问题都很小，做出来的东西都挺像样。

在很多组织里，最熟悉问题的人往往不是最擅长写代码的人：财务知道年终奖的算法有多绕，家长知道带娃的拉锯在哪几件事。过去这些经验要先转成需求文档、等开发排期；现在，范围明确的小需求有机会由提出问题的人先做出原型，需求与实现之间的反馈距离被缩短了。当然，更多人也会第一次面对那些具体责任：数据能不能保存、操作是否符合直觉、能否支持多人协作。

码上创把技术实现、应用价值、产品体验都纳入评分，信号很清楚——参与者可以来自不同背景，作品仍要接受使用标准的检验。

把四场构建放在一起，今年1024想说什么？

到这里，再回看四场构建，初看分散的安排实则存在内在紧密的逻辑联系。

亚马逊云科技Kiro 训练将想法转化为可执行开发任务的能力；商汤小浣熊将构建嵌入真实工作流，检验 Agent 从资料到成果的转化效率；七月在线将结果引入物理世界，以实际动作验证数据与策略；码上创让更多问题发现参与实现，并提供发布展示渠道。它们共同构成了对“构建者”能力的全景展开。

构建者既需理解问题与工具，也需推动实现与判断结果；既要敢于启动，也要明确作品所处阶段及后续改进方向。这正是今年四场构建设置最值得读出的用意：把工具交到参与者手里，让他们在一次完整实践中，重新界定与 AI 的分工。

置于更大行业坐标下，这并非孤立举动。2026 年被广泛视为“agentic developer（智能体开发者）”元年，构建者经济兴起，擅长定义问题、编排工具、验收成果的人才成为新稀缺资源。而长沙 1024 的"动手构建"，也不是第一次——这是 1024 程序员日连续第七届落地湘江新区：从 2020 年九大操作系统掌门人齐聚岳麓，到 2023 年登上央视、以"长沙现象"进入全国视野，到 2025 年第一届"AI 构建大会"应运而生，再到 2026 年以"具身同行、智构未来"为主题，一条清晰脉络浮现：中国开发者生态正从"学习开源、用好操作系统"，走向"用 AI 自主构建"。

从这个视角审视，大会价值不仅取决于信息传递量，更在于是否赋予参与者新的行动能力。AI 降低了“开始做”的门槛，但从开始到完成、从原型到可用、从单次成功到稳定运行，仍需要人作出一系列扎实判断。今年1024 将这些判断融入四场构建：用有限的时间、真实的任务、可操作的设备，以及需要提交的作品，让抽象的技术变化变成一次亲身经历。

回到最开始的问题：当大模型已经能写代码，一场开发者大会还该把人聚来做什么？长沙1024程序员日的回答是——来亲手构建一次。150 分钟做出的应用，机械臂抓起的那块方块，初中生做的历史游戏，财务没写一行代码做出的个税工具，都可以是一个起点。真正值得带出会场的，是下一次面对问题时，你已经知道如何调动 AI，从哪里开始，又该用什么结果证明自己向前走了一步。

这或许就是四场构建留给参与者最有价值的启发：当 AI 把实现的门推得更开，构建者要学会把问题带进去，再把经过验证的答案带出来。从一张工作台，到一个产物，中间只差一次动手。