GPT-Engineer 與 Anton Osika：週末側專案到 66 億美元獨角獸

有人問 Anton Osika：「你怎麼在幾個週末就做出了 GPT-Engineer？」

他的回答很直接：「因為我很煩每次都要自己從頭寫一堆樣板程式碼。」

2023 年，這個「煩到自己動手做」的週末側專案，在 GitHub 上累積了 52,000 顆 Star，成為當年成長最快的開源專案之一。三年後，它演化成的公司 Lovable 估值達到 66 億美元，是歐洲史上最快達到這個數字的新創企業——比 OpenAI、Cursor 和所有人都快。

這個故事的核心，只有一個哲學：你不需要會寫程式，只需要說清楚你想要什麼。

• 為什麼你需要認識 Anton Osika？
• Anton Osika 是誰？
  • 從 CERN 到新創，一個物理學家的轉彎
  • 幾個週末，一個改變一切的側專案
• GPT-Engineer 的核心哲學：先問清楚，再動手
• 三個核心設計
  • 1. 澄清迴圈（Clarification Loop）
  • 2. Preprompts：可自訂的 AI 行為規範
  • 3. 多模型 + 視覺輸入
• 執行流程架構圖
• GPT-Engineer vs MetaGPT vs OpenHands
• 從開源到 Lovable：Vibe Coding 革命
• 實用建議：三個起步行動
  • 步驟 1：把需求寫得像在跟設計師說話
  • 步驟 2：用 Preprompts 鎖定技術棧
  • 步驟 3：用草圖取代長篇文字描述
• 我的反思
• 參考資料 (References)

為什麼你需要認識 Anton Osika？

在這個系列裡，我們看過的框架幾乎都是給工程師用的：

• LangChain 需要你懂 Python
• CrewAI 需要你定義 Agent 角色
• OpenHands 需要你有 GitHub repo

Anton Osika 問的是一個更根本的問題：如果連「寫程式」這件事本身都可以讓 AI 來做，那誰還需要會寫程式？

GPT-Engineer 的目標是「讓世界上那 99% 不會寫程式的人，也能把自己的想法做成軟體」。這不是一個開發者工具，這是一個試圖重新定義「誰能創造軟體」的宣言。

Anton Osika 是誰？

從 CERN 到新創，一個物理學家的轉彎

Anton Osika 1990 年生於瑞典，12 歲因為看了《駭客任務》而開始學程式。

他的學術背景出人意料地「硬核」：

• 香港科技大學 物理學學士
• KTH 皇家理工學院（瑞典頂尖理工大學）工程物理與應用數學碩士
• 畢業後曾在 CERN（歐洲核子研究中心）參與研究工作

但他最終沒有留在學術界。他把在物理研究中建立的系統性思維，帶進了 AI 新創領域：

• Sana Labs：第一個技術員工，開發獲獎 AI 學習演算法
• Depict.ai：共同創辦人兼 CTO，Y Combinator 孵化，融資 2,000 萬美元

這些經歷讓他深刻理解一件事：最好的技術，不是最複雜的技術，而是讓最多人能用的技術。

幾個週末，一個改變一切的側專案

2023 年，OpenAI 發布 GPT-4，Osika 立刻意識到一個可能性：模型已經夠強，足以理解完整的軟體需求並生成整個 codebase。

他花了幾個週末，寫出了 GPT-Engineer 的第一個版本，把程式碼推上 GitHub。

想法只有一個：你描述你想要的軟體，AI 問你幾個問題確認細節，然後把整個專案生成給你。

GitHub 社群的反應超出所有預期。

52,000 Stars。 當年成長最快的開源專案之一。

GPT-Engineer 的核心哲學：先問清楚，再動手

GPT-Engineer 最重要的設計決策，不是技術架構，而是一個使用者互動邏輯：

在生成程式碼之前，先問問題。

這聽起來很簡單，但它解決了所有「一次生成」工具的根本問題：垃圾輸入，垃圾輸出（Garbage In, Garbage Out）。

你輸入：「幫我做一個記帳 App」

GPT-Engineer 不會直接生成，而是先問：
→ 這個 App 是給手機用還是網頁？
→ 需要多個使用者登入，還是單人使用？
→ 需要支援哪些幣別？
→ 你偏好用哪個技術框架？（React / Vue / 其他）
→ 需要連接銀行 API 或手動輸入？

確認完後，才開始生成完整 codebase。

這個「澄清問題」步驟，讓 GPT-Engineer 的輸出品質遠高於同期的「直接生成」工具——因為它確保了 AI 和你對「完成」的定義是一致的。

三個核心設計

1. 澄清迴圈（Clarification Loop）

GPT-Engineer 的執行流程不是線性的，而是對話式的：

用戶需求（自然語言）
    ↓
AI 生成澄清問題（3-5 個關鍵問題）
    ↓
用戶回答
    ↓
AI 確認理解正確？
    ↓ 是
生成完整 Codebase

這個設計的哲學是：不確定的事情，問比猜好。 多花 2 分鐘確認需求，節省的是「生成錯了重來」的 10 倍時間。

2. Preprompts：可自訂的 AI 行為規範

GPT-Engineer 提供一套 Preprompts 系統，讓你定義 AI 應該遵守的程式碼慣例：

# preprompts/generate_code

你是一位資深全端工程師。請遵守以下規範：
- 使用 TypeScript，不用 JavaScript
- React 元件使用 Functional Components + Hooks
- 所有 API 呼叫集中在 `/services` 目錄
- 每個元件都必須有對應的 unit test
- 使用 Tailwind CSS，不引入其他 CSS 框架

這讓不同公司、不同團隊可以把自己的開發標準「編碼進 AI 的行為」，每次生成都自動符合規範。

3. 多模型 + 視覺輸入

GPT-Engineer 不綁定單一 LLM，支援：

更獨特的是視覺輸入：你可以直接把 UI 草圖、架構圖、線框圖（wireframe）當成輸入，讓 AI 根據「你畫的圖」生成程式碼——這對不擅長文字描述但會畫草圖的人來說，是革命性的。

執行流程架構圖

GPT-Engineer vs MetaGPT vs OpenHands

三者都能「生成軟體」，但哲學完全不同：

簡單記：MetaGPT 是虛擬軟體公司，OpenHands 是虛擬工程師，GPT-Engineer 是讓你自己成為工程師。

從開源到 Lovable：Vibe Coding 革命

GPT-Engineer 的爆紅讓 Osika 看清楚一件事：真正的市場不是開發者，而是那些有想法但不會寫程式的人。

2023 年底，他與共同創辦人 Fabian Hedin 把開源版本商業化，打造 GPT Engineer App。

2024 年 12 月，正式改名為 Lovable，並提出一個新概念：

Vibe Coding（氛圍程式設計）——不用寫語法，不用懂框架，只要表達你想要的「感覺」，AI 幫你把軟體做出來。

市場的反應是史無前例的：

Fabian Hedin（CTO）在 26 歲成為歐洲最年輕的自製億萬富翁之一。Anton Osika 個人身價估計約 16 億美元。

實用建議：三個起步行動

步驟 1：把需求寫得像在跟設計師說話

GPT-Engineer 最大化澄清迴圈效果的方法，是把需求寫得夠具體。不要說「做一個電商網站」，要說：「做一個賣手工皂的電商，要有產品列表、購物車、結帳頁面，使用者能用 LINE 登入，不需要後台管理介面。」

越具體，AI 問的問題越少，生成的結果越準。

步驟 2：用 Preprompts 鎖定技術棧

如果你已經知道自己偏好的技術組合（例如 Next.js + TypeScript + Tailwind + Supabase），在開始之前把這些寫進 preprompts。這樣每次生成都不會跑偏到你不熟悉的技術。

步驟 3：用草圖取代長篇文字描述

GPT-Engineer 支援視覺輸入。如果你腦中有 UI 的樣子但不知道怎麼用文字描述，直接把草圖拍照傳進去——「這個畫面，幫我做成 React 元件」，比寫三段文字說明更有效率。

我的反思

讀完 Anton Osika 的故事，我最印象深刻的不是 66 億美元的估值，而是他從一開始就清楚的一個定位：「我不是要做一個更好的工程師工具，我是要讓不是工程師的人也能做軟體。」

這個定位，讓 GPT-Engineer 從一開始就往不同的方向走。

LangChain 問：「工程師怎麼更快接 LLM？」 MetaGPT 問：「AI 能不能模擬一整個開發團隊？」 OpenHands 問：「AI 能不能像工程師一樣自己解決 Bug？」

Osika 問的是：「那些從來不是工程師的人，能不能也創造軟體？」

Vibe Coding 這個詞，表面上聽起來很隨意，但背後其實是一個嚴肅的主張：程式語言是工具，不是目的。真正重要的是「你想創造什麼」，而不是「你懂不懂 React Hooks」。

從這個角度來看，GPT-Engineer 和 Lovable 不只是一個開發工具，而是一次對「誰有資格創造軟體」這個問題的反叛。

回到這個系列的脈絡：Andrew Ng 定義框架、Shunyu Yao 設計推理、Harrison Chase 工程化、João Moura 組織化、Peter Steinberger 日常化、Graham Neubig 自動化——而 Anton Osika 的答案是：

讓軟體開發這件事，對任何人都不再是門檻。

參考資料 (References)

官方資源

• GPT-Engineer GitHub
• Lovable 官網

延伸閱讀

• Anton Osika Biography — The Founders Magazine
• Lovable 瑞典獨角獸報導 — EU Tech Future
• Lovable $200M ARR 成長故事
• What is Lovable? History of GPT Engineer — Taskade

推薦影片