在讨论Claude Artifacts之前，先说说Fraser的一个判断——他认为Artifact之所以出色，不只是原语本身厉害，更关键的是它恰好踩在了Anthropic的能力边界上：为模型服务。模型就是产品，他们打造产品的方式也很有意思。

其实之前行业里就有过讨论：当你面对的是一个“谜题”而不是“拼图”时，该怎么做出产品决策？答案取决于你对自己判断的确定程度。

举个简单的例子。如果你面对的是一个成熟的红海市场，用户画像是清晰的，竞争对手是谁也一清二楚，接下来一年会发生什么大致都能预判——一切相对稳定。这种情况下，只要做对了某件事，那件事就是稳固的、可靠的、可以规模化发布的。这就像在开发一款PS平台的FPS游戏，可以基于前代产品的大量数据、玩家行为习惯、武器平衡性来深度研究，然后一次性发布一个大版本。这就是所谓的“拼图式”产品战略。

但AI行业完全是另一回事。即便那些看起来“静态”的市场，现在也正被AI彻底重塑。靠“做更多调研”是没办法获得确定性的——因为未来还没有发生。当然，确实也有些市场不会经历太大碘伏，巨头们可能只是在现有产品里“撒点AI”点缀一下，新公司没什么机会。但GPT核心界面这类产品显然不适用于这种情景——它们才刚刚起步。

1 时隔一年，Claude Artifacts 迎来重大更新

那么，更新后的Artifacts与之前相比，到底有哪些实质性的变化？

首先，Artifacts现在拥有了专属空间，用户可以从Claude应用的侧边栏直接访问。在这里，用户可以找到其他人制作的精选项目作为灵感来源。用户自己创建的每一个Artifact都会被整理到这个空间里，方便未来查找。之前，Artifacts更像是一种静态输出——文本、代码、文档、创意作品，全部堆在侧边栏里。

Anthropic对此的表述很直白：“Artifacts让任何人都能成为应用开发者——不需要写代码。你只需要告诉Claude你的想法，就能立刻创建可以共享的应用、工具和游戏。”

他们举了一个很生动的例子：假设你是一名正在备战语言考试的学生，与其让Claude创建一套抽认卡，不如直接让它开发一个抽认卡App。

“一个请求会给你提供静态的学习资料。另一个请求则会创建一个可共享的工具，能为任何主题生成卡片。这样一来，你拥有的就不再只是一次性的学习成果，而是一个可以更广泛使用和分享的互动应用。”

更新后的Artifacts体验在移动端和桌面端都能用，但访问全部功能还是需要电脑。在Android和iOS设备上，用户可以创建、查看、交互和自定义Artifacts。

新版本Artifacts让创作变得更简单，具体体现在几个方面：可以浏览精选Artifacts寻找灵感，几分钟内就能定制现有作品，通过简单的对话从零开始构建，以及把所有内容都整理在一个地方。

这件事本质上代表了AI与用户交互方式的一个根本性转变——从静态响应转向动态交互体验，AI辅助和软件开发之间的界限正在变得模糊。当然，这也直接加剧了与OpenAI Canvas的竞争。Canvas是10月推出的，也有类似的分屏功能，可以用来编辑AI生成的内容，但它不像Anthropic这样强调可共享的应用。

那么相比其他工具，Artifacts真正的创新点在哪里？过去我们用AI，基本上是一问一答，拿到结果还得手动复制到别的软件里才能用。Anthropic的增强版Artifacts通过创建一个专用工作空间，直接消除了这种摩擦——AI生成的内容可以立刻投入使用并分享。

这个区别也暴露了Anthropic相对于竞争对手的战略定位。OpenAI的GPT Store专注的是对话袋里，而Anthropic更侧重有用户界面的功能性应用。早期用户已经在创建各种有意思的东西：能记住选择并调整故事情节的游戏NPC、可以根据用户理解水平调整解释的智能导师、能用简单英语回答上传表格问题的数据分析工具。

2 用户试过都说好

升级后的Artifacts用起来到底顺不顺手？已经有成千上万的网友测试过了。

在YouTube上，有博主出了一期8分钟的视频专门测试Artifacts，坦言它有点像“按需构建应用”的概念。有了Artifacts之后，甚至可以不再需要Zappia这类工具了——这简直不可思议。

“大家有没有看到Claude发布的这个叫‘Artifacts’的东西？它有点像‘按需应用’的概念，你直接输入你想要的应用就行。他们做了很多类似的想法，比如闪卡PD生成器之类的。我觉得我们还没有完全到达那一步，但我认为，我们对那种面向大众的SaaS工具的依赖会越来越少。这类SaaS工具里，有一半功能你其实根本用不上，因为它是为那么多用户和各种其他情况设计的。”

几十年来，UX设计一直是软件开发的支柱，它指导着产品的结构、用户与产品的交互方式以及企业如何实现差异化。但AI驱动的提示式界面逐渐成熟，传统静态UX的时代可能就要过去了。我们正在进入一个定制化、按需生成软件的时代——工具会在需要的那一刻出现，完美契合每一个独特的需求。

“我有一个想法：企业和商家使用的工具太多了，要把它们整合起来，就得依靠像Zapia这样的工具和各种集成层。我想象着这样一个世界：归根结底，所有数据库都存储在某个地方，但界面就是一个提示窗口。你可以问‘我上周在跟哪个客户沟通来着’，然后它就能查询数据，以你想要的格式呈现结果。我觉得这就是最终目标，虽然还没实现，但绝对是未来的方向。”

该博主接着表示，传统软件设计总在试图预判所有用户需求，结果导致功能臃肿、体验复杂——这正是SaaS平台诞生的背景。如今，软件开发已经变得前所未有的快速和经济，但真正的变革在于提示式界面的出现：用户只需用自然语言描述需求，AI就能实时整合工具和数据，直接生成所需内容，彻底跳过了传统菜单和仪表盘的交互方式。这标志着我们从“功能堆砌”的软件时代，正在迈向“按需生成”的智能服务新时代。

“从历史上看，软件设计总是试图预判用户的所有可能需求，结果导致界面臃肿、功能繁多，而大多数功能都无人问津。这种面面俱到的做法催生了臃肿的SaaS平台、复杂的入职流程，给用户带来了认知负担。随着企业的发展，它们的期望也在提高：如果一个庞大的工具只有一小部分功能是相关的，那为什么还要为它付费呢？所以，在‘我们无法自己开发软件’和‘我们可以利用现有的软件拼凑出解决方案’之间，产生了一个中间地带，这就是SaaS世界的由来。”

“现在开发软件变得如此容易。我和我的公司就处在这样一个时代——我们为客户开发软件、仪表盘之类的东西，因为现在开发速度比以往任何时候都快，成本也更低。但我仍然认为这只是一个中间地带。随着提示式界面的兴起，这种模式正在被碘伏：用户不再需要浏览菜单和仪表盘，只需描述自己想要什么，由先进人工智能驱动的系统就会实时整合必要的工具和数据源，以用户要求的格式提供所需的内容。但我认为，未来人工智能会强大到不仅能获取数据，还能实时开发软件。比如实时生成一个仪表盘：‘给我一个能按人口统计、性别等筛选用户群体的仪表盘，我还想能选中他们并给他们发邮件’。这是一个非常有趣的话题，虽然现在还没实现，但我觉得我们正朝着这个方向发展。”

在X上，也有不少用户尝试过Artifacts后赞不绝口。

这种编程方式看起来有点眼熟，有X用户表示这有点像“氛围编码”，但可以在Claude内部直接看到结果。

值得一提的是，Anthropic正在向所有用户——包括免费用户——提供这个更新版的Artifacts体验。每个人都可以免费与他人分享他们的项目，不需要支付任何API费用。访问别人的Artifact也只需要一个Claude账户，免费账户就行。

专业版（每月20美元）和团队版（每月25至30美元）则可以获得更多功能和更高的使用限额。Anthropic将免费访问视为一种客户获取策略——他们的代表指出：“体验过Claude创作魔力的免费用户将成为我们最好的拥护者。”这种商业模式也反映了行业普遍的免费增值AI服务趋势：基本功能吸引用户，最终用户会升级到增强功能。与传统软件市场不同——在那里开发者可以通过应用获利——Anthropic的平台更强调免费共享以建立社区参与度。

3 AI 工具层出不穷，但人类开发者仍不可或缺

通过AI工具实现应用创建的民主化，正在引发人们对传统软件开发未来发展的基本疑问。行业数据显示，一场巨大的变革已经发生了。

Gartner的研究表明，到2025年，70%的新应用将使用低代码或无代码技术，这个比例在2020年只有25%。这种转变正在催生分析师们所说的“平民开发者”——不需要正式编程培训的商业用户也能开发应用。目前，41%的企业已经启动了积极的平民开发者计划，近60%的定制应用是在传统IT部门之外构建的。

但有趣的是，AI开发工具和传统编程之间的关系更像是互补而非竞争。Anthropic把产品定位在快速原型设计和个人工具创建上，专业开发者则继续构建生产级应用。这些平台在业务流程自动化和简单应用方面表现出色，但在处理需要定制功能和企业级性能的复杂、关键任务系统时，就有点力不从心了。

安全和治理方面的顾虑也在维持着对专业开发者的需求。随着越来越多的应用在IT部门之外被构建出来，组织需要熟练的开发者来建立适当的治理框架，确保应用符合企业安全标准。最成功的开发者正在适应与这些工具协同工作，而不是与它们竞争——他们专注于AI工具目前还无法解决的系统架构、性能优化和集成挑战。

市场数据表明，两者更可能是共存而不是取代。预计到2030年，全球低代码开发平台市场规模将达到1870亿美元，而传统软件开发也会同步增长。

随着数百万用户开始构建和共享AI应用而无需编写任何代码，科技行业面临着一个根本性的问题：未来是属于那些最擅长用AI来推动发展的人，还是属于那些足够了解底层系统、能够构建这些系统的人？

Anthropic给出的答案是——在人工智能时代，最强大的代码，可能只是一段精心编写的对话。