我對谷歌的AI產(chǎn)品一直態(tài)度復(fù)雜。從Bard到Gemini，消費者端的產(chǎn)品始終在找定位——ChatGPT是普通人默認的選擇，Claude在技術(shù)圈攢下了口碑，而Gemini似乎只是"存在"著。

但有個判斷我始終沒變：谷歌最好的AI工作不在Gemini里，在Google Labs。

這里的工具底層同樣調(diào)用Gemini，體驗卻完全不同。它們專注解決具體問題，不做"全能選手"。Opal就是典型例子——這款2025年中開始測試的工具，我最近在vibe-coding熱潮中又試了一次。結(jié)論很明確：這是我用過最驚艷的無代碼應(yīng)用搭建工具，而且完全免費。

不熟悉Google Labs的話，可以理解為谷歌的實驗場。團隊在這里發(fā)布早期產(chǎn)品，測試新想法，收集反饋后再決定是否擴大推廣。Opal目前就處在這個階段。

它的核心邏輯很直接：用自然語言描述你想做的應(yīng)用，AI生成可運行的原型。不需要寫代碼，不需要理解數(shù)據(jù)庫結(jié)構(gòu)，甚至不需要設(shè)計界面。你說"做一個記錄每日飲水量的小工具"，幾分鐘后就能拿到帶提醒功能、數(shù)據(jù)圖表、歷史記錄的完整應(yīng)用。

實際體驗中，Opal的完成度遠超同類工具。其他無代碼平臺往往卡在"演示級"——界面像那么回事，功能一碰就碎。Opal生成的應(yīng)用卻能直接投入使用：數(shù)據(jù)持久化、用戶認證、跨設(shè)備同步這些基礎(chǔ)能力都內(nèi)置，不是后期要手動接的插件。

更意外的是它的迭代方式。修改需求不需要重寫，像聊天一樣告訴它"把每日目標改成每周""加個分享給朋友的功能"，系統(tǒng)會在現(xiàn)有架構(gòu)上調(diào)整，而不是推翻重來。這種漸進式開發(fā)的感覺，接近真實工程師的工作流。

免費策略也值得注意。同類工具通常按應(yīng)用數(shù)量、用戶數(shù)或功能層級收費，Opal目前沒有任何付費墻?？紤]到它還在Labs階段，未來是否收費不確定，但現(xiàn)階段確實是零成本試錯的機會。

當然，限制也存在。復(fù)雜業(yè)務(wù)邏輯、高度定制化的視覺設(shè)計、與外部系統(tǒng)的深度集成，這些仍是傳統(tǒng)開發(fā)的領(lǐng)地。Opal更適合個人工具、小型內(nèi)部應(yīng)用、驗證想法的原型——恰恰是大多數(shù)人實際需要的東西。

谷歌在消費者AI上慢了幾拍，Labs里的工具卻悄悄領(lǐng)先。Opal的啟示或許是：與其做第二個ChatGPT，不如把AI能力拆成解決具體問題的零件。這條路不顯眼，但可能更務(wù)實。