Snapchat开放AI助手构建AR滤镜:支持Claude Code与Cursor

Snapchat 让开发者用自然语言配合 Claude Code、Cursor 等 AI 助手构建 AR 滤镜,开发门槛从写代码转向说需求。
Snapchat 宣布 Lens 创作者可以用平实语言描述想要的 AR 滤镜,由 AI 助手从头到尾完成构建,并明确支持 Claude Code 和 Cursor 等专业 AI 编程助手,而非自研封闭工具。这使 AR 开发入口从 Lens Studio 的手动搭建与脚本编写,前移到一句需求描述。对老手是省去样板工作,对无编程背景的创意人则可能是第一次能独立发布 AR 效果。文章认为这会扩容 Lens 供给侧,但也带来质量分化——AI 生成质量取决于描述者的工程判断力;同时,Lens 工程格式与调试接口向通用 AI 工具开放的程度,将决定该模式能走多远。目前官方信息仍停留在方向性描述,实际可用性待验证。
从写代码到「说需求」:Snapchat 把 AR 滤镜开发交给了 AI 助手
AR 滤镜(Lens)的开发一直有门槛——你需要理解 Snapchat 的 Lens Studio、脚本逻辑和交互流程。Snapchat 最新迈出的一步是:让开发者直接用自然语言描述想要的 Lens,由 AI 助手从头到尾完成构建。据其官方说法,Lens 创作者可以「用平实的语言描述想要的 Lens」,AI 助手会处理从起点到终点的整个流程。
更关键的是,Snapchat 明确点名支持 Claude Code 和 Cursor 这类主流 AI 编程助手,而不是只做一个封闭的自研工具。这意味着 AR 创作的门槛正在从「会不会写代码」转向「能不能把需求讲清楚」。

这次更新到底改变了什么
自然语言即开发入口
传统 Lens 开发需要创作者在 Lens Studio 中手动搭建场景、编写脚本、调试交互。新方式把入口前移到一句描述:你说清楚想要什么效果,AI 助手负责把它翻译成可运行的 Lens 工程。Snapchat 的表述是「handles the process from start to finish」——从开始到完成,AI 全程接管构建过程。
这对两类人意义不同。对已有开发经验的创作者,省下的是重复搭建和样板代码的时间;对完全没有编程背景的创意人,这可能是第一次能独立把想法变成可发布的 AR 效果。
Lens Studio 是 Snapchat 官方提供的 AR 滤镜(Lens)开发环境,本质上是一个基于场景图(Scene Graph)的可视化编辑器,搭配 JavaScript/TypeScript 脚本系统来驱动交互逻辑。创作者在其中手动添加 3D 对象、材质、粒子系统,编写脚本响应面部追踪、手势识别等事件,再通过预览工具反复调试。Lens Studio 还提供模拟器与真机预览、性能分析面板,以及发布到 Snapchat 的提交流程。理解这一点,才能明白「自然语言即开发入口」的分量:AI 助手要做的不是绕过 Lens Studio,而是替人完成原本在 Lens Studio 里手动搭建工程、写脚本、调参数的全过程,最终产出的仍是一个标准的 Lens 工程。
为什么是 Claude Code 和 Cursor
值得琢磨的是 Snapchat 选择的合作对象。Claude Code 和 Cursor 都是面向专业开发者的 AI 编程工具,而非面向普通用户的「一键生成」应用。这透露出 Snapchat 的定位判断:AR Lens 本质仍是软件工程,只是把编写环节交给了擅长读写代码的 AI agent。
换句话说,Snapchat 没有另造一套 DSL 或可视化生成器,而是把 Lens 开发接入了开发者已经在用的 AI 工作流。对习惯 Cursor 的工程师来说,学习成本接近于零。

AI 编程助手(coding agent) 与「一键生成」类应用的关键区别在于工作方式。Claude Code 是 Anthropic 推出的命令行式编程 agent,能读写本地文件、执行命令、运行测试并根据报错自我修正;Cursor 则是基于 VS Code 的编辑器,内置 AI 补全与 agent 模式,可跨文件修改代码。二者的共同点是:它们操作的是真实代码库和文件系统,具备多步推理与工具调用能力,而非单次文本生成。这正是 Snapchat 选择它们的原因——Lens 工程本质是代码与资源文件的集合,需要 AI 能持续读写、迭代和调试。反过来说,这也意味着使用者仍需理解工程结构与调试反馈,纯靠一句话生成完整可发布 Lens 的能力边界,取决于这些 agent 对 Lens 工程格式的掌握程度。
对 AR 内容生态的潜在影响
Snapchat 的 Lens 生态一直依赖创作者供给。降低开发门槛,直接的后果是供给侧的扩容:更多中小创作者、独立开发者甚至品牌方可以快速试错,用低成本验证一个 AR 创意是否成立。
但门槛降低也会带来质量分化。自然语言描述天然存在歧义,AI 助手生成的 Lens 在交互细节、性能表现上是否达标,仍取决于描述者的工程判断力。能写出精确需求的人,产出质量会显著高于只会说「做个好玩的滤镜」的人。
另一个观察点是工作流的标准化。当 Claude Code、Cursor 这类工具成为 Lens 开发的前端,Lens 工程的文件结构、调试接口是否会向通用 AI 编程工具开放得更多,将决定这套模式能走多远。Snapchat 目前披露的信息集中在「能用 AI 助手构建」,具体开放程度和限制尚未展开。
AR 滤镜(Lens)生态的供给侧 一直是平台竞争的核心。Snapchat 的 Lens 数量以百万计,创作者既包括专业工作室,也包括大量个人开发者,平台通过 Lens 挑战赛、创作者分成等方式激励供给。AR 滤镜的特点是「高频消费、快速迭代」——用户平均使用周期短,创作者需要不断推出新效果维持曝光,因此开发效率直接决定供给密度。当开发门槛从「会写 Lens 脚本」降到「能描述需求」,进入者数量会明显上升,但平台的内容审核、性能规范与发现机制能否承接激增的供给,是另一个问题。质量分化之外,同质化竞争也可能加剧,因为自然语言描述容易趋同,AI 生成的滤镜在创意上未必比手写更有辨识度。
开发者该怎么看
短期看,这是效率工具:把场景搭建、脚本编写、基础调试交给 AI,人专注于创意和验收。中期看,它可能改变 AR 创作者的技能结构——需求表达能力、对 AI 输出质量的判断力,会比手写脚本更重要。
对正在用 Cursor 或 Claude Code 的开发者,值得关注的是 Snapchat 后续是否公布更具体的接入方式与能力边界。目前官方给出的信息仍停留在方向性描述层面,实际可用性需要等工具落地后验证。
AR 创作的「提示词化」才刚刚开始,Snapchat 不是唯一在尝试的平台,但它把专业 AI 编程助手直接拉进创作链路的选择,是目前比较激进的一步。
相关推荐

间谍蜜罐训练内幕:情感解离与锚定技术
间谍如何被训练执行蜜罐任务?一位受训者披露情感解离、香水与关键词锚定、目标照片绑定等心理学技术,解析条件反射如何被用于情报行动,并揭示这套机制在日常生活营销中的类似应用。

前沿AI风险管理:从训练到部署的全链路实践
OpenAI系统阐述前沿AI风险管理框架:从训练阶段的模型对齐,到部署阶段的沙箱隔离与阻断式防护,再到部署后的持续监控,构建贯穿模型全生命周期的分层风险控制体系。

Databricks推出Genie Migrate,简化Serverless迁移
Databricks 发布 Genie Migrate for Serverless,帮助用户将既有工作负载迁移到 Serverless 计算。本文解析该迁移工具的定位、对用户的实际意义以及尚未明确的细节。