我对谷歌的AI产品一直态度复杂。从Bard到Gemini，消费者端的产品始终在找定位——ChatGPT是普通人默认的选择，Claude在技术圈攒下了口碑，而Gemini似乎只是"存在"着。

但有个判断我始终没变：谷歌最好的AI工作不在Gemini里，在Google Labs。

打开网易新闻 查看精彩图片

这里的工具底层同样调用Gemini，体验却完全不同。它们专注解决具体问题，不做"全能选手"。Opal就是典型例子——这款2025年中开始测试的工具，我最近在vibe-coding热潮中又试了一次。结论很明确：这是我用过最惊艳的无代码应用搭建工具，而且完全免费。

不熟悉Google Labs的话，可以理解为谷歌的实验场。团队在这里发布早期产品，测试新想法，收集反馈后再决定是否扩大推广。Opal目前就处在这个阶段。

它的核心逻辑很直接：用自然语言描述你想做的应用，AI生成可运行的原型。不需要写代码，不需要理解数据库结构，甚至不需要设计界面。你说"做一个记录每日饮水量的小工具"，几分钟后就能拿到带提醒功能、数据图表、历史记录的完整应用。

实际体验中，Opal的完成度远超同类工具。其他无代码平台往往卡在"演示级"——界面像那么回事，功能一碰就碎。Opal生成的应用却能直接投入使用：数据持久化、用户认证、跨设备同步这些基础能力都内置，不是后期要手动接的插件。

更意外的是它的迭代方式。修改需求不需要重写，像聊天一样告诉它"把每日目标改成每周""加个分享给朋友的功能"，系统会在现有架构上调整，而不是推翻重来。这种渐进式开发的感觉，接近真实工程师的工作流。

免费策略也值得注意。同类工具通常按应用数量、用户数或功能层级收费，Opal目前没有任何付费墙。考虑到它还在Labs阶段，未来是否收费不确定，但现阶段确实是零成本试错的机会。

当然，限制也存在。复杂业务逻辑、高度定制化的视觉设计、与外部系统的深度集成，这些仍是传统开发的领地。Opal更适合个人工具、小型内部应用、验证想法的原型——恰恰是大多数人实际需要的东西。

谷歌在消费者AI上慢了几拍，Labs里的工具却悄悄领先。Opal的启示或许是：与其做第二个ChatGPT，不如把AI能力拆成解决具体问题的零件。这条路不显眼，但可能更务实。