如果只看界面，AI 能不能把背后的整套产品也做出来？阿里云和efflora团队为此设计了一次有意思的实验：不让联网搜索，不给模型 PRD、原站代码、接口定义和数据库结构，只提供某内容社区网站的一组真实 Web UI 页面截图，让 Qwen 3.8 Max 自己理解，看看它能给出什么样的交付产物。
经过数个小时的长程任务，最终 AI 生成了一套代码，本地启动后我们先随手点进了一个问题详情页。而真正让我们意识到这次有点不一样的，是一个不起眼的蓝色「关注」按钮。
点击后，按钮变成「已关注」，关注人数随之更新。切换其他子页面或是刷新浏览器后，返回后状态没有丢。
这听起来很普通。问题在于：截图只告诉模型按钮长什么样，却没有说明谁关注了谁、关系怎样保存，以及不同页面如何保持一致。
如果模型只会复刻 UI，它完全可以让按钮临时变色。只要别刷新，一切都很像真的。
但 Qwen 3.8 Max 补出的，不只是点击效果。它在按钮背后建立了用户关系、前后端接口、数据写入与跨页面状态。
一个按钮，是产品把复杂机制压缩成的一个动作；Qwen 3.8 Max 做的，是把它重新解压。
01 由表及里：从一个「关注」按钮深入体验，还有什么？
「关注」只是第一条线索。
关注
意味着用户与问题之间存在一条可创建、查询和取消的关系。
评论与回复
意味着评论属于特定内容，还要记录父子层级与计数变化。
收藏
意味着用户、收藏夹与内容之间存在多对多关系。
内容发布
意味着校验、写入、话题关联，以及首页、详情页和个人主页的同步更新。
私信
意味着会话、消息、联系人、未读数和最新消息摘要共同变化。
页面展示的，只是这些关系在某一刻的投影。
Qwen 3.8 Max 沿着投影，反推出背后的产品结构。它面对的已经不是「怎样把网页画得更像」，而是「这个产品为什么会这样工作」。
“ Qwen 3.8 Max 的关键，不是它看见了多少页面，而是它从每一个界面细节里，读出了产品设计者没有写出来的意图。
02 Vibe Coding 真正考验的，是模型能否理解没有被说出口的需求
如今大部分用户进行 Vibe Coding 时，通常不会先写一份几十页的完整 PRD。更常见的输入，是一段描述、几张草图或一句「我想做一个类似这样的产品」。
用户真正关心的是：
我只给了你有限的信息，你能不能理解我脑子里想的那款产品，并且完整、稳定地把它做出来？
这同时考验模型的「看图说话」和「阅读理解」：前者识别布局、组件与状态，后者理解业务实体、共享关系，以及设计者没有明说的产品规则。前者决定页面像不像，后者决定产品成不成立。
UI2App 的一篇论文也验证了这一区别。研究者用 327 张截图组成 45 组多页面应用，不提供交互说明，分别衡量项目能否运行、页面是否连通、视觉是否相似，以及模型能否推断隐藏交互。
结果显示，视觉还原分最高的模型，交互推断得分只有 7.5；另一款模型视觉分略低，交互得分却达到 39.3，是前者的 5.2 倍。到了跨页面状态，六个参测模型中有三个得到 0 分。
论文中参测模型有两处集中短板：隐藏交互推断 和 跨页面状态一致性。而这两项，恰好就是我们这次要在 Qwen 3.8 Max 身上验证的东西。
页面可以很像，却仍然只是一张不会工作的皮。
为此，我们才进行了上述这场实验：把某真实内容社区整理成 16 组任务场景、128 张页面截图，覆盖 15 类页面，并提供一份页面关系地图。除此之外，禁止模型联网搜索，没有原站源码、PRD、接口文档或数据库结构。
以 Qwen 3.8 Max 为规划与编码核心的 Agent，最终交付了一套 React + Express + SQLite 全栈应用：18 条前端路由、69 条 REST API，以及发布、评论、收藏、关注和私信等真实写入链路。
它的工作可以被一条很朴素的路径验证： 
点击有效不算完成；切换页面后状态一致、刷新后数据仍在，才开始接近一款产品。
把论文的两处短板放回 Qwen 3.8 Max 身上：交互推断上，它没有停在让按钮变色，而是补出了 69 条 REST API 与背后完整的写入链路；跨页面状态上，它没有落进那三个 0 分，关注、评论、发布与私信的结果，在切换页面和刷新之后依然一致。两者的题目与评分方式不同，分数不能直接对比，但考察的是同一种能力；而这次实验只针对一个真实内容社区，就用掉了 128 张截图、15 类页面，单个应用的复杂度远高于论文中的多页面样本。
类型检查、ESLint 与生产构建也全部通过。Qwen 3.8 Max 真正意义上做到了从视觉表象推导出完整的产品结构。
03 Qwen 3.8 Max 复刻的，不只是页面，而是四层「真实」
沿着导航进入详情页、打开私信、切换到移动端，再实际发布和刷新数据，Qwen 3.8 Max 的优势才完整显现出来。
01 视觉真实：多模态界面理解
首页、详情页和私信各自拥有清晰的信息层级；移动端也不是简单压缩桌面布局，而是重新组织导航与内容优先级。
02 结构真实：产品级推理
首页、问题、回答、文章、话题、收藏、私信和个人主页围绕同一组产品实体展开，不是彼此孤立的页面。
03 交互与数据真实：全栈工程生成
关注会更新状态与计数，评论会进入对应回答，私信会同步消息流与会话摘要；切换页面和刷新浏览器后，结果仍然存在。
04 工程交付真实：长程自主执行
React 前端、Express 后端与 SQLite 数据库组成完整闭环，页面、接口和数据关系能够保持一致，并通过类型、Lint 与生产构建检查。
这四层真实、也就是这四项能力叠在一起，构成了这次交付最值得关注的地方：
它不仅识别出了截图里有什么，还推断出了这些东西为什么存在、彼此如何关联，以及怎样把它们实现成一套可以持续运行的软件系统。
04 写在最后
当用户进行 Vibe Coding，真正需要的不是更多代码，而是模型能够从有限的描述、草图与界面中，恢复一个准确的真实应用产品。
「看图说话」决定它能否看到界面，「阅读理解」决定它能否读懂意图，工程架构则决定这种理解能否稳定落地。
Qwen 3.8 Max 这次最值得记住的，不是复刻了多少页面，而是它从关注、评论、收藏、发布和私信中，逐步推导出同一套产品结构，并让它真正运行起来。
截图无法展示权限、风控、审核和推荐算法等全部规则，这些仍需要人来定义与验收。但问题已经发生了变化。
过去，我们问 AI 能不能根据截图写出一个页面。
现在更值得问：它能不能理解我们没有说出口的部分，并把它完整交付出来？
Qwen 3.8 Max 在 Vibe Coding 场景下展现的核心能力是：从有限视觉输入中推断完整产品结构，并以长程自主执行将其交付为可运行的全栈应用。
个人中心
个人信息
我的项目
产品服务
创业通介绍