Dropstone 3：AI 代码编辑器终于进入“多人模式”

2026-02-10 | Product Hunt | 官网

上图是 Dropstone 的 Horizon Mode 界面。采用三栏布局：左侧是历史导航、中间是智能体（Agent）状态日志、右侧是集群（Swarm）探索的可视化图谱。可以看到调度器（Orchestrator）正在同时调度多个智能体探索不同路径，只有当置信度超过 0.85 时，才会提交给主模型进行精炼。

30秒快速判断

这产品是做什么的：Dropstone 是第一个真正意义上的多人协作（Multiplayer）AI 代码编辑器。它不是简单地加个“分享按钮”，而是从底层就为多人+多 AI 智能体协作而设计的 IDE。核心卖点是 Share Chat——发一个链接，技术人员看代码，老板看聊天，AI 同时听取所有人的意见并记住所有上下文。

值不值得关注：值得。AI 编辑器赛道已经卷到了“谁的智能体更聪明”，但 Dropstone 换了个赛道——“谁能让团队一起用 AI”。这个方向是对的，Cursor 2.0 也在往这方面靠拢。不过要注意，很多核心数据（如 88.7% 召回率、1.4% 幻觉率）均来自自家论文，缺乏独立验证。

与我有关三问

与我有关吗？

目标用户是谁：

• 技术主管/带团队的开发者：需要 AI 辅助全组，而不仅仅是个人。
• 需要与非技术人员协作的开发者：PM 想看进度，老板想看实现效果。
• 处理大型多语言仓库的工程团队：需要 AI 理解全局架构而非局部片段。

我是目标用户吗？

• 如果你习惯独自写代码，用 Cursor 或 Claude Code 就够了。
• 如果你经常需要把代码截图发到 Slack 给非技术同事解释，那你就是目标用户。
• 如果你的团队超过 3 个人且正在使用 AI 辅助开发，非常值得一试。

什么场景会用到：

• 场景1：团队开发大项目，多人需要共享同一个 AI 上下文 --> 用 Dropstone。
• 场景2：给客户或老板演示 AI 生成的代码效果 --> 通过 Share Chat 直接分享视图。
• 场景3：自己写个小工具 --> 没必要，Cursor 更轻量。

对我有用吗？

ROI 判断：如果你是独立开发者，Cursor Pro ($20/月) 性价比更高、生态更成熟。如果你带领 3 人以上的团队且频繁需要跨职能协作，Dropstone Teams 的 Share Chat 能省下大量沟通时间，值得投入。

喜闻乐见吗？

爽点在哪：

• Share Chat 的“Figma 时刻”：发个链接，老板看聊天视图，开发者看代码视图，AI 在中间协调。就像 Figma 让设计协作变简单一样，它让 AI 编码协作变得极其顺滑。
• 持久记忆：关掉编辑器两周后再打开，AI 还记得你上次在做什么。不用重新解释“这个项目是干什么的”。
• 后台智能体 (Background Agents)：你开会的时候，智能体在后台跑安全测试、找 Bug，回来就能直接看结果。

用户评价：

“如果你在做短期冲刺，Cursor 赢。但如果要处理大项目或不喜欢各种限制，Dropstone 是更好的升级选择——更便宜、支持本地，且能随你一起进化。” — Medium 用户评测

“Cursor, Claude Code 甚至新的 Codex 本质上都是带了分享功能的单人体验。Dropstone 则是从底层构建了多人协作。” — Priya Sharma, 开发者效能报告

给独立开发者

技术栈

• 编辑器: 基于 VS Code 分支，完全兼容其扩展生态。
• 核心引擎: D3 Engine——自研神经符号运行时，将 LLM 的“概率生成”与“确定性状态管理”分离。
• AI 模型: 模型无关——支持 Claude, GPT-4/5, Gemini, DeepSeek 及本地 Ollama。
• 记忆系统: 四分区认知拓扑（情景/序列/关联/程序记忆），理论上支持无限上下文。
• 协作层: 自研 CRDT（针对 AST 结构而非纯文本优化，类似 Yjs）。
• 压缩技术: 修改版 VAE，实现 50:1 压缩比——保留变量定义、逻辑门和 API 签名，丢弃冗余自然语言。
• 安全: 4 层验证栈——AST 语法验证 → 静态分析 → 功能断言注入 → 属性模糊测试。

核心功能实现

D3 引擎解决了“单体上下文范式”的核心痛点——即传统 LLM 的推理能力受限于滑动窗口。长时间任务容易出现“指令漂移”和幻觉累积。D3 通过解耦生成与状态管理，利用 Stochastic Flush（随机刷新） 机制，在检测到熵值飙升时将稳定逻辑转存至长期存储。

Horizon Mode 的集群分为两层：Scout 层（轻量模型探索 98% 的搜索树）和 Frontier 层（重型模型仅在置信度 >0.85 时介入）。据称这让幻觉率从 14.2% 降至 1.4%——但请记住，该数据来自官方论文。

开源情况

• 不开源。GitHub 上仅有安装包发布仓库 (blankline-org/dropstone-releases)。
• 研究论文公开发布在 blankline.org/research。
• 类似开源项目：目前没有直接对标的。最接近的是 Continue.dev（AI 助手）+ Yjs（协作），但缺乏其核心的集群架构。

自己做难度

极高。核心壁垒在于 D3 引擎的四分区记忆系统和 CRDT 协作层。做一个基础版 AI 编辑器（fork VS Code + 接 API）不难，但要实现持久记忆和多人共享 AI 上下文，预计需要 5-8 人月的核心研发。集群架构则需要深厚的分布式系统经验。

商业模式

• 变现方式: SaaS 订阅（按人/按月）+ 企业定制。
• Free: 每日 50 次智能体调用，支持本地 Ollama。
• Pro: $15/月，无限次调用 + 顶级模型（GPT-5 等）。
• Teams: $75/人/月，包含 Share Chat 和多人协作功能。
• Enterprise: 定制价格，支持 10,000 个智能体及全云端计算。

巨头风险

中等偏高。Cursor 2.0 已经在做并行智能体，GitHub Copilot Workspace 也在布局多人协作。但 Dropstone 的优势在于“原生协作”的设计理念。真正的风险不在于功能被抄袭，而在于如何打破巨头的用户粘性。

给产品经理

痛点分析

• 解决什么问题：打破 AI 编码工具的“孤岛效应”——目前每个人的 AI 都是独立的，不共享上下文，也不记忆历史决策。
• 痛点有多痛：高频刚需。团队规模越大，AI 上下文不一致带来的协作成本就越高。

用户画像

• 主要用户: 3-20 人的工程团队，由技术主管（Tech Lead）主导选型。
• 次要用户: 需要把控进度的产品经理或创始人（通过 Share Chat 视图）。
• 使用场景: 多人协作开发中大型项目，需要 AI 理解完整架构和历史决策路径。

功能拆解

竞品差异

可借鉴的点

1. 角色化视图 (Role-based Views): 同一个工作区，不同角色看到不同界面。这种 B2B SaaS 思路非常值得借鉴。
2. “Figma 模式”营销: 用成熟的协作模式做类比，极大地降低了用户的理解门槛。
3. “23 分钟特性”故事: 宣传 Share Chat 从发现需求到上线仅用 23 分钟，是极佳的营销素材。

给科技博主

创始人故事

• 创始人: Santosh V P 和 Andrius Petraitis。
• 公司: Blankline 研究实验室。
• 定位: 自命为“研究实验室”而非单纯的“创业公司”，极具极客色彩。
• 创业动机: 他们在用 Cursor 时发现，代码卡住了还得手动贴到 Slack 问同事，AI 成了协作的断点。他们想从底层改变这种“单机”现状。

争议点/讨论角度

• 角度1: 数据水分——所有惊人的性能数据都来自自家论文，这在 AI 圈虽常见，但绝对是值得质疑的槽点。
• 角度2: “10,000 个智能体”是噱头吗？——普通用户根本用不到，这更多是面向企业级架构的肌肉展示。
• 角度3: 实验室模式的生存挑战——论文写得好不代表产品卖得好，在烧钱赛道上，没融资的实验室能撑多久？

热度数据

• PH 排名: 206 票，中等热度。
• 上线节奏: 2025 年 10 月发布 v1/v2，2026 年 2 月凭借 v3 和 Share Chat 破圈。
• 媒体评价: 入选了 Syncfusion 等多个 2026 年度 AI 编辑器榜单。

内容建议

• 适合标题: “AI 编辑器的 Figma 时刻：为什么你的代码工具需要‘联机模式’？”
• 蹭热点策略: 结合 Cursor 2.0 计费争议，将 Dropstone 包装为更懂团队、更具性价比的替代者。

给早期采用者

定价分析

隐藏成本: 本地跑 Ollama 对显卡要求极高；集群功能非常吃算力。

上手指南

• 上手时间: 基础功能 15 分钟，配置本地模型需 1 小时以上。
• 步骤:
  1. 访问 dropstone.io/downloads 下载对应版本。
  2. 免费版自带每日 50 次额度，可直接体验。
  3. 若需本地模型，请先安装并配置好 Ollama。
  4. macOS 用户如遇安全警告，需在系统设置中手动允许运行。

坑点吐槽

1. 配置太硬核: MCP Server 等概念对非资深开发者来说就是天书。
2. CPU 跑不动: 没显卡就别试本地模型了，慢到怀疑人生。
3. macOS 签名缺失: 经常报错，代码签名还没完全搞定。
4. 简单任务没必要: 写个小脚本用它就像开坦克去买菜，Cursor 更香。

安全与隐私

• 数据不出机: 支持全本地 Ollama 运行模式。
• 云端隐私: 使用顶级模型时数据会过云，官方称支持 AWS Bedrock 隔离。
• 审计: 目前尚无独立的第三方安全审计报告。

替代方案

给投资人

市场分析

• 赛道: AI 代码工具市场正处于爆发期，预计 2030 年将达到 260 亿美元规模。
• 驱动力: 企业开始将 AI 编码视为核心基础设施，而非简单的辅助插件。

竞争格局

• 头部: GitHub Copilot (背靠微软), Cursor (融资充足)。
• Dropstone 位次: 凭借“多人协作”差异化切入，属于极具潜力的垂直挑战者。

Timing 分析

• 为什么是现在: 个人 AI 工具已普及，团队级协作工具是下一个自然增长点。Cursor 的计费调整也为竞品留出了窗口期。

风险提示

• 融资风险: 尚未公开融资，在算力竞赛中处于劣势。
• 巨头碾压: 如果 Copilot 迅速跟进原生多人模式，Dropstone 的壁垒将面临严峻考验。

结论

Dropstone 做对了一件事：把 AI 编辑器从“单人游戏”变成了“多人游戏”。Share Chat 是一个极具产品力的功能，真正解决了技术与非技术人员的协作鸿沟。但作为一个未融资、数据待验证的实验室项目，它能否在巨头环伺下突围，仍需观察。

资源链接

2026-02-10 | Trend-Tracker v7.3 | 数据来源: WebSearch, Medium, Blankline Research, Product Hunt