对话用来造，界面用来用 对话是表达新需求的最好方式，但不是重复使用的最好方式。Eazo 把这两件事分开：造的时候用自然语言，用的时候用为你定制的界面
我认同“对话用来造，界面用来用”这个判断。但这篇文章值得讨论的，不只有交互方式，还有软件为谁而造、怎样才算交付，以及个人 Agent 需要什么底座。
原文从 ChatGPT 推出智能界面的消息切入，随后主要介绍 Eazo 和 Qoni 的产品主张。我更关心的是这些主张背后的产品逻辑。界面丰富起来，并不能直接推出“对话式 Agent 没戏了”；真正需要重新划分的，是对话与界面各自承担什么工作。
表达需求和反复使用，是两种不同的任务
自然语言适合表达尚未成形的想法。我可以边说边想，让 AI 帮我补全需求。但当一件事每天都要做，重新描述一遍就成了负担。
记一笔开销、比较多个选项、查看作息安排，这些任务有明确的视觉结构。按钮、卡片和表格能把操作固定下来，让人看见状态，也知道下一步在哪里。
原文用床头开关作比喻，很贴切：告诉电工一次开关装在哪里，之后伸手按就行。需求沟通发生在建造阶段，便捷操作发生在使用阶段。
我认为，生成界面的关键还在于能否留下来。用户需要熟悉的位置、稳定的操作和可以再次打开的入口。如果每次使用都重新生成一套界面，学习成本也会跟着重新发生。
只服务一家人的软件，也有存在价值
原文讲了两个家庭的故事。一个家庭用 Eazo 做了学说话的应用，让一岁半的孩子点击带声音的卡片，认识数字、字母和生活用品。孩子不需要理解提示词，只需要会点。
另一个案例中，Adam Waxman 用一周的晚上，把睡眠顾问提供的条件式方案做成了应用。他、妻子和保姆共用实时作息表，小睡时间变化后，安排随之调整。应用用了大约四个月便退役了。
我看重的是第二个案例里的“退役”。一个应用完成阶段性任务，就已经实现了价值。它不必追求长期留存，也不必服务足够多的人来支撑一家公司。
过去，软件开发成本要求需求足够普遍。生成成本下降以后，只属于一个家庭、一个人、一个阶段的需求，也可能值得做成软件。
这还把创造者和使用者分开了：能表达需求的人负责造，孩子或其他家人直接使用。个人化软件的受益者，不必人人都会与 AI 对话。
Eazo 要交付的是能运行的产品
按照原文的定位，Eazo 面向想用 AI 把想法变成作品的人。它把自然语言用于理解需求，再交付可操作、可分享的应用。
这里最难的未必是生成代码，而是替用户补齐产品决策。普通用户说“帮我做一个学习工具”，通常不会同时交代数据结构、登录流程和异常处理。如果这些仍要用户逐项设计，门槛只是从编程换成了产品管理。
Eazo 提出的做法包括：通过 Wild Design 给出六种以上视觉方向，让用户比较具体方案；把前端、后端、数据库、认证、支付和发布整合进同一流程；在一次创作中处理图像、三维场景、动画和音频。
原文展示的方向，从视频与播客学习工具，到带动画角色的时区应用，强调的都是跨功能、跨素材的完整交付。平台还宣称会推荐后续任务，并通过浏览器和电脑操作能力进行截图自检。
我认为最值得检验的承诺是“每一步都是完整产品”。每次迭代都应该留下一个能运行、能分享的版本。用户要评价的，是手里的东西能不能完成任务，而不只是生成过程是否惊艳。
评估创作 Agent，要看完整任务和工程成本
原文介绍了团队公开的 Eazo Benchmark：v3.0 包含 147 个题目入口、八个能力维度，使用三维模型、视频、数据库、字体和设计文件等真实素材，评估从想法到发布、再到修改复用的过程。
按文中披露，Eazo 综合评分为 88.0，Codex CLI 为 84.4。这是团队自建评估体系中的结果，我会把它作为观察线索，不能仅凭这个分数就认定产品全面领先。
更值得关注的是工程思路。其 EazoTack 框架采用 15 个核心工具和一个元工具，专业能力按需调用；通过稳定系统前缀、追加动态信息和复用子任务上下文，提高缓存利用率。
原文报告了约 98% 的缓存命中率，并提出在同一模型下改善效果和成本的主张。不过，文中“成本减半”和“降低约三分之一”的表述没有解释比较口径，不能混为一个确定结论。
我的判断是，Agent 的竞争已经深入到任务组织、上下文管理、工具设计和结果验证。模型能力相同，产品最终能完成多少工作，依然可能相差很大。
Qoni 补的是身份、行动和记忆
一个会发声的卡片应用可以很简单。但如果它要持续服务某个孩子，就需要知道服务对象是谁、记住学到了哪里，并在需要时获取新的内容。
原文将这些能力归纳为身份、行动和记忆，并把承载它们的托管基础设施命名为 Qoni。Eazo 面向用户生成应用，Qoni 则希望让开发者和企业构建自己的 Personal Agent。
按文中介绍，这套底座有几条积累：Authing 延续到 GenAuth 的身份能力、Fellou 演进而来的浏览器与行动能力，以及来自知识图谱研究的记忆能力。
我更愿意从产品关系理解它们：界面负责让人看得懂、用得顺，身份决定 Agent 代表谁，行动能力让任务真正发生，记忆让服务能够延续。
原文把这个方向连接到语义网和 Agentic Web 的愿景。愿景能否成立，最终还是要落到具体使用中：Agent 能否在明确的身份与权限下，持续、可靠地完成用户的事。
软件的供给单位，可以小到一个人
Eazo 和 Qoni 放在一起，呈现的是一条完整路径：把个人需求变成应用，再让应用拥有持续服务人的能力。
我不会据此判断所有应用都会被个人生成的软件替代。成熟产品仍然有长期积累的价值。但过去那些规模太小、变化太快、不值得商业公司立项的需求，现在有了另一种实现方式。
对我来说，这比“以后是不是只剩一个对话框”更值得关注。AI 降低的不只是写代码的门槛，也可能降低一个需求获得专属软件的门槛。
衡量这条路是否走通，我会看三个结果：普通人能否把模糊想法做出来，使用者能否轻松完成任务，以及需求变化以后，产品能否继续维护和调整。界面生成只是开始，日常可用才是交付。