继Lovable之后，硅谷顶级VC用1500万美金投了印度的一个Vibe coding产品

你有没有想过，为什么现在满天飞的AI编程工具，总是让人爱不起来？开发者们用起来很兴奋，但用完就头疼。生成的代码看起来很炫，但一到修改就崩，一到上线就出错，一到迭代就陷入无穷无尽的修复循环。这就是我最近一直在思考的问题：AI代码生成的第一天很美好，但第二天总是噩梦。

但现在，一家来自印度苏拉特的创业公司 Rocket.new 却声称他们解决了这个问题。不仅如此，他们还刚刚完成了1500万美元的种子轮融资，由Salesforce Ventures和Accel联合领投，Together Fund跟投。更令人惊讶的是，这家公司从beta版上线到完成融资仅用了3个月时间，目前已经拥有40万用户，分布在180个国家，年收入达到450万美元。

我深入研究了这家公司后发现，他们正在做的事情远比表面看起来更有野心。这不仅仅是又一个AI编程工具，而是对整个软件开发范式的重新思考。他们提出了一个新概念叫"Vibe Solutioning"，听起来很玄，但背后的逻辑却异常清晰：不再是生成代码片段或者静态原型，而是从一个自然语言描述直接生成完整的、可投入生产的应用程序。

"第二天问题"：AI编程工具的阿喀琉斯之踵

在讨论Rocket.new的创新之前，我觉得有必要先理解一下当前AI编程工具面临的核心挑战。我把它称为"第二天问题"。

大部分现有的AI编程工具，比如GitHub Copilot、Cursor或者最近很火的Lovable，都有一个共同特点：它们在演示时效果惊人，能在几分钟内从简单的文本描述生成看起来很完整的应用。这就是所谓的"vibe coding"——基于感觉的编程，快速、直观、令人兴奋。但问题是，这些工具生成的代码往往缺乏架构的严谨性，在需要迭代、维护和部署时就露出了真面目。

我和很多开发者聊过这个问题，几乎每个人都有类似的体验：第一次使用AI工具生成代码时的惊喜，以及之后陷入"厄运循环"时的绝望。修复一个AI生成的bug会产生新的bug，代码质量缺乏可扩展的架构基础，应用的安全性和稳定性往往是事后考虑，而不是默认设置。

Rocket.new的联合创始人兼CEO Vishal Virani在一次采访中分享了一个让我印象深刻的故事。六个月前，他问一位全球企业的CTO，为什么他的团队仍然用"老方法"开发，而不使用那些能把一句话变成应用的工具。这位CTO的回答毫不犹豫："做原型很棒，但做真正的工作不行。代码撑不住。迭代循环永远不会结束。我的开发者和产品经理无法依赖它。"

这个回答触及了问题的核心。如果我们真的想改变世界构建软件的方式，我们不能只是在演示中让人惊叹，还必须确保第二天是平静、稳定和可扩展的。这就是Rocket.new诞生的背景，他们称之为"Vibe Solutioning"的核心理念也由此产生。

我认为这个"第二天问题"之所以如此普遍，根本原因在于大多数AI编程工具把重点放在了代码生成的速度和炫酷程度上，而忽略了软件开发的全生命周期。它们解决的是"第一天"的问题——如何快速生成代码，但对于"第二天"的问题——如何维护、迭代和扩展这些代码——却准备不足。

更深层的问题是，这些工具往往使用通用的训练数据，缺乏对特定应用场景和架构模式的深度理解。它们可能知道如何写一个React组件，但不知道如何构建一个能够承受企业级负载的完整应用架构。它们可能能生成漂亮的UI，但对于数据流、状态管理、安全性考虑等关键因素却处理得很粗糙。

Rocket.new的技术突破：从原型到生产的完整解决方案

当我深入了解Rocket.new的技术架构时，我发现他们确实在一些关键点上做出了不同的选择，这些选择可能正是他们能够解决"第二天问题"的原因。

首先是他们所谓的"智能代码生成"架构。与其他工具不同，Rocket.new基于原子设计原则和企业级模式构建。这意味着平台不仅仅是生成代码，而是生成智能的、自文档化的、结构良好的代码库。这个基础至关重要，因为它使AI agent和人类开发者都能够精确地理解、修改和迭代应用，避免了其他生成器可能产生的"意大利面条式代码"。

我觉得这个设计哲学的转变非常关键。传统的AI编程工具往往专注于单个功能或组件的生成，而Rocket.new从一开始就考虑整个应用的架构。它不是简单地拼接代码片段，而是按照既定的架构模式来组织整个代码库，确保生成的代码具有良好的可维护性和可扩展性。

其次是他们的专有数据优势。这可能是Rocket.new最不为人知但最重要的竞争优势。该平台基于来自团队之前公司DhiWise的1000万个Figma到代码的配对数据进行训练。这个精心标注的数据集让Rocket.new在生成更高保真度和更符合架构规范的UI代码方面，比那些使用通用公共数据训练的工具具有明显优势。

我认为这种专有数据的价值被严重低估了。大多数AI工具使用的是从互联网爬取的通用代码数据，这些数据的质量参差不齐，缺乏一致的标准和架构思考。而Rocket.new使用的数据是经过精心策划的，每一个Figma设计到代码的转换都经过了专业的审核和标注，这确保了AI学习到的不仅仅是语法，还有设计思维和架构最佳实践。

第三个关键差异是他们的复杂编排系统。Rocket.new的核心使用多agent系统，智能地将用户的高级请求分解为一系列详细的子提示。这个系统能够在多个框架（如Next.js、React和Flutter原生移动应用）之间编排代码生成，并将输出合并为一个连贯的应用。持续的人类反馈强化学习（RLHF）管道系统性地改善输出的质量和可靠性。

这种多agent架构让我想起了现代软件开发中的微服务理念。不是用一个巨大的AI模型来处理所有任务，而是让不同的专业化agent负责不同的任务，然后通过智能编排将结果整合。这种方法不仅提高了每个组件的质量，还增强了整个系统的可维护性和可扩展性。

在技术实现上，Rocket.new结合了来自Anthropic、OpenAI和Google Gemini的大语言模型，以及他们自己基于DhiWise专有数据集训练的深度学习系统。Virani在接受采访时强调："我们的底层架构与Lovable、Bolt和其他所有人都完全不同。"

虽然生成第一个应用需要大约25分钟——比大多数在3分钟内产生结果的vibe coding工具要慢得多，但在早期测试中，Rocket.new提供了更全面的用户体验，包含了所有基本模块。我觉得这个权衡很明智：宁可在初始生成上花更多时间，也要确保生成的代码质量足够高，能够支撑后续的迭代和扩展。

从用户反馈来看，这种技术策略是有效的。大约80%的Rocket.new用户构建的都是Virani所说的"严肃"应用，而不是简单的落地页或品牌网站。大约12%的用户在杂货和服装等细分市场创建了电商平台，10%构建了金融科技应用，5-6%开发了B2B工具，4-5%推出了心理健康应用。

这些数据表明，Rocket.new确实在解决实际的业务问题，而不仅仅是满足开发者的好奇心。当用户愿意用一个工具来构建他们真正要投入生产的应用时，这说明这个工具已经跨越了从"有趣的玩具"到"有用的工具"的临界点。

从苏拉特到硅谷：一个意外的成功故事

Rocket.new的故事让我着迷的另一个方面是它的地理背景。这家公司总部位于苏拉特，一个以钻石和纺织品闻名的城市，远离印度通常的科技中心班加罗尔、孟买或德里。在一个全球化的时代，地理位置也许不应该成为障碍，但现实是，大多数成功的科技公司仍然聚集在几个主要的科技中心。

Vishal Virani、Rahul Shingala和Deepak Dhanak这三位联合创始人的背景也很有意思。他们之前创立的公司DhiWise专注于开发者工作流程，从设计阶段将想法转换为代码，建立了一个开发者社区。DhiWise曾经获得过Accel和Together Fund的投资，在多轮融资中筹集了资金。

但更重要的是，他们从DhiWise的经历中学到了什么。根据Virani的描述，在DhiWise时期，开发者们为UI能从Figma瞬间生成而欢呼，但随后就要面对脆弱的脚手架代码。这种挫折感——他们自己的和客户的——为Rocket.new埋下了种子：软件应该在第一天之后仍然保持活力。

我觉得这种"痛点驱动"的创业动机往往比"机会驱动"的创业更有可持续性。当创始人亲身经历过他们试图解决的问题时，他们对问题的理解会更深刻，对解决方案的把握也会更准确。

从商业模式上看，Rocket.new也做出了一些精明的选择。他们提供免费试用，上限为100万个token。之后，用户需要支付月度订阅费，从25美元起，可获得500万个token。这种模式有效地阻止了业余爱好者，同时为Rocket.new提供了50-55%的健康毛利率——他们计划在未来几个月内将这一数字提高到60-70%。

我认为这种定价策略很聪明。通过设置相对较高的使用门槛，他们筛选出了真正有商业需求的用户，这些用户更有可能成为长期的付费客户。同时，50-55%的毛利率在SaaS行业中是相当健康的，这为公司的长期可持续发展提供了良好的基础。

从地理分布来看，美国是Rocket.new最大的市场，贡献了26%的收入，其次是欧洲的15-20%和印度的10%。为了更好地服务美国用户，这家创业公司正在帕洛阿尔托建立美国总部。这个决定反映了他们对全球市场的雄心，以及对美国企业市场重要性的认识。

Virani指出，Rocket.new的早期吸引力是有机的，由口碑和病毒式社交媒体帖子驱动。随着新的种子资金到位，这家创业公司希望完善其市场进入策略，深化在关键市场的存在，并加速专有模型和研发工作。

我觉得这种有机增长是一个非常积极的信号。在当今的市场环境中，能够通过产品本身的价值来驱动增长，而不是依赖昂贵的营销活动，说明产品确实解决了用户的真实痛点。当用户愿意主动分享和推荐一个产品时，这通常意味着这个产品的价值主张是清晰和强大的。

投资人的视角：为什么Salesforce Ventures和Accel看好Rocket.new

从投资人的角度来理解Rocket.new的价值，能够帮助我们更好地评估这家公司的潜力和挑战。Salesforce Ventures的投资者Kartik Gupta在接受采访时表示："我们看到了AI代码生成的魔力和使代码投入生产的现实之间的明显差距。Rocket.new专门构建来解决企业规模的迭代、维护和部署问题。"

这个表述很精准地概括了Rocket.new的价值主张。在AI编程工具的当前发展阶段，技术能力已经不是主要瓶颈，市场上有很多工具都能生成看起来不错的代码。真正的挑战在于如何让这些代码能够在真实的企业环境中发挥作用，如何让它们能够承受生产环境的考验。

Accel的投资者Prayank Swaroop从另一个角度阐述了他们的投资逻辑。他强调了Rocket.new与传统AI编程工具的一个关键区别：Rocket.new是为企业设计的。它的影响不仅在于让非程序员能够创建，更在于让整个组织能够构建、扩展和将应用直接集成到他们的业务工作流程中。

我认为这个洞察非常重要。大多数AI编程工具主要面向个人开发者或小团队，但企业市场的需求是完全不同的。企业需要的不仅仅是快速生成代码的能力，还需要安全性、合规性、可审计性、与现有系统的集成能力等等。这些需求往往比代码生成本身更复杂，也更难满足。

Swaroop还提到了一个有趣的趋势：多年来，企业主和运营人员不得不依赖稀缺的工程资源来将想法转化为应用。积压的需求拖慢了创新，意图和执行之间的差距越来越大。新一波AI驱动的编程平台改变了这个等式。有了合适的工具，准专业用户和业务团队现在可以自己设计、部署和维护应用，释放工程师去专注于更高阶的问题，使企业能够以速度和信心前进。

这种"民主化"的趋势确实值得关注。当非技术人员能够独立完成一些技术任务时，不仅能够提高整体效率，还能够释放技术人员去处理更有挑战性的问题。但这也对工具本身提出了更高的要求：它们必须足够简单易用，同时又要足够强大可靠。

从投资时间点来看，投资人对Rocket.new的信心还体现在他们参与的速度上。Accel的合作可以追溯到最开始，他们通过Accel Atoms在pre-seed阶段就支持了这个团队，现在又参与了种子轮。这种连续投资反映了投资人对团队执行能力的长期信心。

更有意思的是投资人对团队背景的评价。Salesforce Ventures在他们的投资说明中提到，这个团队带来了深度技术专业知识、产品愿景和经过验证的推动增长能力的罕见组合。这来自他们多年经营软件咨询公司的经验，在那里他们学会了如何为30多个国家的大型企业客户从头开始构建可扩展的生产级软件。

我觉得这种咨询公司背景是一个很大的优势。与那些只有产品开发经验的创始人不同，有咨询背景的创始人通常对企业客户的真实需求有更深的理解。他们知道企业在采购技术解决方案时真正关心什么，也知道如何设计能够满足企业级要求的产品。

投资人还提到了团队的全球经验，这种经验深深影响了他们的哲学，让他们扎根于开发持久、架构合理、为规模而建的解决方案的第一原则。这种技术纪律与来自在印度小镇成长背景的不懈努力相结合，在那里，足智多谋和专注是必不可少的。

Vibe Solutioning：重新定义AI辅助开发的边界

Rocket.new提出的"Vibe Solutioning"概念，我认为代表了AI辅助开发的一个新阶段。这不仅仅是一个营销术语，而是对当前AI编程工具局限性的深刻反思和突破尝试。

传统的"vibe coding"工具让原型制作变得神奇——你输入一个提示，就得到一个模型。那很有趣，但很脆弱。第二天意味着代码损坏、螺旋式bug修复和无法自信发布的团队。而"Vibe Solutioning"是不同的，它不仅关注闪亮的第一个版本，还关注后续的每个版本。

这种转变体现在几个关键维度上。从"它能渲染屏幕吗？"转向"当你改变它时它保持稳定吗？"从"AI能编码吗？"转向"AI能记住你的品牌、你的流程、你的用户吗？"从"演示时的惊叹"转向"部署日的平静和信心"。

我特别欣赏Rocket.new对"记忆"概念的强调。大多数AI工具是无状态的，每次交互都是独立的。但在真实的软件开发中，上下文和历史非常重要。一个应用的设计语言、业务逻辑、用户偏好，这些都应该在迭代过程中保持一致性。

Rocket.new声称他们的系统能够理解上下文并记住用户的决定——品牌、模式、用户偏好，这样每次迭代都会变得更稳定。这种能力如果真的能够实现，将是AI辅助开发的一个重大突破。它意味着AI不再是一个健忘的助手，而是一个能够学习和适应的合作伙伴。

从用户体验的角度看，Vibe Solutioning要实现的是让用户感受到的不是"AI"或"管道"，而是一个如此有上下文和完整的解决方案，以至于几乎感觉它读懂了你的心思。一个在你改变时保持形状的构建，一个尊重你设计语言的界面，与你已经使用的工具的合理数据和连接，以及明天再次发布而不会出现戏剧性情况的能力。

我认为这种用户体验的描述抓住了AI工具发展的一个重要方向：从展示技术能力转向提供无缝的工作体验。用户不应该感觉到他们在使用一个复杂的AI系统，而应该感觉到他们在与一个理解他们需求的智能助手合作。

在具体实现上，Rocket.new的方法是限制功能范围以确保质量。Virani在他们的博客中写道："我们选择克制：没有虚荣功能，没有分散注意力。一项工作：让第二天平静。"这种专注让我印象深刻，因为在当前的AI热潮中，很多公司都在试图做所有事情，结果是什么都做不好。

这种专注策略在他们的产品路线图中也有体现。Rocket.new的北极星是：一个提示→一个完全功能的、生产级的应用。你的想象力不会止步于原型。它感觉是活的，准备使用，并随着每次迭代或使用而改进。一个为明天的企业准备的平台。

我觉得这个愿景很有野心，但也很现实。它承认了当前AI技术的局限性，同时明确了发展的方向。不是试图一下子解决所有问题，而是专注于把一件事做到极致。

竞争格局与市场定位

在AI辅助开发工具这个快速发展的市场中，Rocket.new面临着来自多个方向的竞争。最直接的竞争对手包括Lovable、Cursor、Bolt等"vibe coding"工具，但我认为Rocket.new的真正竞争对手可能还包括传统的低代码/无代码平台，以及更广泛的开发工具生态系统。

与Lovable、Cursor这些主要专注于快速原型开发的工具相比，Rocket.new的差异化主要体现在对生产就绪性的强调。虽然这些工具都能快速生成代码，但Rocket.new声称他们生成的代码质量更高，更适合投入生产使用。这个差异化是否能够在市场中站得住脚，很大程度上取决于用户的实际体验。

从技术架构的角度看，Rocket.new确实在一些关键点上做出了不同的选择。他们的多agent系统、专有训练数据、以及对架构设计的重视，这些都可能带来实际的技术优势。但技术优势能否转化为市场优势，还需要时间来验证。

我注意到一个有趣的现象：虽然Rocket.new声称他们的技术架构"完全不同"，但在用户体验上，他们仍然遵循了相似的模式——通过自然语言输入生成应用。这说明在AI辅助开发这个领域，用户界面和交互模式已经趋于标准化，真正的差异化在于底层技术和结果质量。

与传统的低代码/无代码平台相比，Rocket.new的优势在于更自然的交互方式和更强的灵活性。传统平台通常需要用户学习特定的拖拽界面和配置方法，而AI辅助工具可以直接理解自然语言描述。但传统平台在企业治理、安全控制、版本管理等方面往往更成熟，这是Rocket.new需要追赶的地方。

从市场定位来看，我认为Rocket.new选择了一个聪明的策略：专注于解决"第二天问题"，而不是在第一天的炫酷程度上竞争。这个定位让他们能够避开与那些主要面向开发者的工具的直接竞争，转而关注那些真正需要将AI生成的代码投入生产使用的企业用户。

但这个策略也有风险。企业用户对工具的要求通常比个人用户高得多，他们需要的不仅仅是功能，还有可靠性、安全性、支持服务等。这意味着Rocket.new需要在产品成熟度、客户服务、合规性等方面投入更多资源，这可能会影响他们的发展速度和资金效率。

从竞争时间窗口来看，我觉得AI辅助开发工具市场还处在早期阶段，但窗口期可能不会太长。随着大型科技公司开始在这个领域发力，独立创业公司的竞争压力会越来越大。Rocket.new需要在技术护城河还没有被巨头攻破之前，建立起足够的用户基础和品牌认知。

我注意到Rocket.new在定价策略上比较激进，这可能是为了快速获取市场份额。但在企业级市场中，价格往往不是最重要的考虑因素，功能完整性和服务质量通常更重要。这意味着他们需要在保持价格竞争力的同时，确保产品和服务质量能够满足企业用户的期望。

技术挑战与未来发展方向

尽管Rocket.new在技术上做出了一些创新，但我认为他们仍然面临着一些根本性的技术挑战，这些挑战不仅影响他们，也影响整个AI辅助开发工具行业。

首先是代码质量的一致性问题。虽然Rocket.new声称他们能够生成高质量的、符合架构标准的代码，但AI系统的输出往往具有一定的随机性。即使使用相同的输入，不同时间生成的代码可能在结构、风格或实现细节上有所不同。这种不一致性在企业环境中可能会造成问题，因为企业通常需要严格的代码标准和一致性。

其次是复杂业务逻辑的处理能力。目前的AI工具在处理标准的CRUD操作、用户界面生成等方面表现不错，但对于复杂的业务逻辑、算法实现、性能优化等方面仍然有局限性。虽然Rocket.new的用户构建了各种类型的应用，但这些应用的复杂程度有多高，是否真的能够满足企业级的需求，仍然需要更多验证。

第三是安全性和合规性的挑战。AI生成的代码可能包含安全漏洞，特别是在处理用户输入、数据验证、权限控制等敏感环节。虽然Rocket.new强调他们生成的是生产就绪的代码，但安全性检查和合规性验证往往需要专门的工具和流程，这不是AI代码生成工具能够完全解决的。

第四是与现有系统的集成挑战。企业环境中的应用很少是孤立存在的，它们通常需要与各种现有系统、数据库、API进行集成。虽然Rocket.new支持与Supabase等后端服务的集成，但企业级的集成需求往往更复杂，涉及身份认证、数据同步、事务处理等多个层面。

从技术发展趋势来看，我认为Rocket.new需要在几个方向上继续投入：

一是增强代码的可解释性和可调试性。企业用户需要能够理解AI生成的代码是如何工作的，以便在出现问题时能够快速定位和修复。这可能需要在代码中添加更多注释，或者提供专门的调试和分析工具。

二是建立更完善的测试和质量保证体系。自动化测试对于任何生产级应用都是必不可少的，Rocket.new需要能够为生成的代码自动创建相应的测试用例，并提供持续集成和部署的支持。

三是扩展对不同技术栈的支持。虽然Rocket.new目前支持Next.js、React、Flutter等主流框架，但企业环境中的技术栈往往更加多样化。支持更多的编程语言、框架和平台对于扩大市场覆盖面非常重要。

四是加强AI模型的领域专业化。不同行业的应用往往有不同的特点和要求，比如金融行业需要严格的数据安全和合规性，医疗行业需要符合相关法规等。训练专门针对特定行业的AI模型可能会带来更好的结果。

我觉得Rocket.new在技术路线图上面临的最大挑战是如何平衡通用性和专业性。如果过分追求通用性，可能无法在任何特定领域做到足够深入；如果过分专业化，又可能限制了市场规模。这需要非常精明的产品策略和技术选择。

对整个行业的影响和思考

Rocket.new的出现和快速发展，我认为反映了AI辅助开发工具行业的一些重要趋势，这些趋势不仅会影响这个特定的细分市场，还可能对整个软件开发行业产生深远影响。

首先是开发门槛的持续降低。从早期的汇编语言到高级编程语言，从命令行到图形界面，从代码编辑器到集成开发环境，软件开发的门槛一直在降低。AI辅助开发工具代表了这个趋势的最新阶段：让非程序员也能够创建功能完整的应用程序。

这种门槛的降低将会带来什么影响？我认为最直接的影响是开发者角色的分化。传统意义上的"程序员"可能会分化为几个不同的角色：AI工具的使用者、AI系统的训练者、复杂系统的架构师、以及算法和核心技术的研究者。每个角色需要的技能和关注点都会不同。

其次是软件开发流程的重新定义。传统的软件开发流程通常包括需求分析、设计、编码、测试、部署等阶段。但在AI辅助开发的环境中，这些阶段的边界可能会变得模糊。需求可能直接通过自然语言转化为可运行的代码，设计和编码可能合并为一个步骤，测试可能更多地依赖自动化工具。

我觉得这种流程的变化对项目管理和团队协作提出了新的挑战。传统的软件项目管理方法可能需要调整，以适应更快的开发周期和更模糊的角色边界。团队成员之间的沟通和协作方式也可能需要重新设计。

第三是软件质量和可维护性的新挑战。当代码生成变得更容易时，可能会出现"代码通胀"的问题——人们可能会生成大量代码，但不一定都是必要的或高质量的。如何确保AI生成的代码符合软件工程的最佳实践，如何维护和更新这些代码，这些都是需要解决的问题。

我认为这可能需要新的代码审查和质量控制方法。传统的代码审查主要关注逻辑正确性和编码风格，但对于AI生成的代码，可能还需要考虑AI的决策过程是否合理、生成的架构是否可扩展等因素。

第四是知识产权和法律责任的新问题。当AI系统生成代码时，这些代码的知识产权归属如何确定？如果AI生成的代码包含bug或安全漏洞，责任应该由谁承担？这些问题在法律层面还没有明确的答案，但随着AI辅助开发工具的普及，这些问题会变得越来越重要。

从更广泛的角度看，我认为AI辅助开发工具的发展反映了人工智能技术在各个领域的渗透趋势。软件开发作为一个相对标准化和逻辑化的领域，可能是AI技术最容易取得突破的领域之一。但这种突破的经验和教训，可能会为AI在其他领域的应用提供参考。

比如，如何处理AI系统的不确定性和错误？如何建立人机协作的最佳模式？如何确保AI系统的输出符合特定行业的标准和要求？这些问题在软件开发领域的解决方案，可能会为医疗、金融、教育等其他领域的AI应用提供借鉴。

我也注意到一个有趣的现象：虽然AI技术在快速发展，但用户对AI工具的期望也在快速提高。早期的AI编程工具可能只要能生成一些可运行的代码就足以让用户惊叹，但现在用户已经开始要求这些工具能够生成生产级的、符合最佳实践的、可维护的代码。这种期望的提升推动了技术的进步，但也增加了技术开发的难度。

最后，我想强调的是，尽管AI辅助开发工具正在快速发展，但我们仍然处在这个技术革命的早期阶段。Rocket.new这样的公司正在探索这个新领域的边界和可能性，他们的成功和失败都会为后来者提供宝贵的经验。无论最终的赢家是谁，我相信整个软件开发行业都会因为这些探索而变得更好。

文章来自于微信公众号 “深思圈”，作者 “深思圈”