今天小編分享的科技經驗：AI寫代碼新姿勢：一個截圖 代替千行代碼，歡迎閱讀。
現在寫代碼，最 fashion 的 " 姿勢 " 應該是什麼？
答案或許就是：截圖。
沒錯，就像這樣，先随便找個網頁，截取想要的那部分界面，然後 " 喂 " 給 AI，并附上一句 Prompt：
參考這個頁面，生成一個類似的 HTML 頁面。
只是一張圖和一句話，AI 就 " 唰唰唰 " 的把代碼給寫出來了。
有了這個功能，前端程式員搞簡單的頁面代碼可就方便太多了（甚至編程小白都可以嘗試做網頁）~
而且這個 AI 啊，還不是國外的什麼應用，正是商湯在今天GDC（全球開發者先鋒大會）中辦公小浣熊 2.0最新更新的功能。
不得不說，國產 AI 的含金量還在持續上升中 ~
△商湯科技小浣熊負責人，賈安亞
縱觀整場發布會，一個最大的感受就是，商湯辦公小浣熊 2.0 不僅僅是增添新功能這麼簡單，更是把辦公 AI 從一個助手的角色轉變成了有自主執行能力的智能體。
這又該如何理解呢？我們繼續往下看。
辦公 AI：從有用，到好用
截個圖就能寫代碼，還只是辦公小浣熊 2.0 新功能的一隅。
小浣熊這次是把" 日日新 " 融合大模型的原生融合多模态能力結合了進來，實現了多模态理解和互動。
舉個例子
。
數據分析是大家在辦公場景中或多或少都會接觸到的工作内容之一，用上了辦公小浣熊 2.0，效率直接變得 Pro Max 了。
在數據清洗和預處理階段，它能自動幫你搞定數據裡的各種麻煩，比如補全漏掉的數據、修正錯誤、統一格式、去掉重復内容、轉換類型，還能解決文字亂碼問題。
這樣一來，在數據分析最初階段，就能把速度和準确性給提升上去。
為了能讓你把數據看得更清楚，辦公小浣熊 2.0 還支持數據可視化。
它能自動幫你選最合适的圖表，生成好看又清晰的圖表，重點信息一目了然。
還可以根據需要調整樣式和布局，甚至做出可以互動的圖表。就算你不懂復雜的工具，也能輕松做出專業的數據圖表。
不僅如此，辦公小浣熊 2.0 還具備模式識别和趨勢分析的能力。
同樣是自動的方式，它可以幫你發現數據中隐藏的規律，識别時間數據的趨勢，找出異常值和波動，預測未來的走勢，還能分析不同數據之間的關系。
那些原本需要專業統計知識才能完成的分析任務，現在一個 AI 就能搞定。
下面的例子中就展示了讓小浣熊預測《哪吒 2》票房的過程：
當然，若是還有不懂的問題或進一步的需求，我們依舊可以通過對話的方式來提問。
甚至聯動 Excel、txt、Word、和 PDF 等多個不同類型檔案，直接讓它生成一個完整且多模态的報告都是 OK 的哦 ~
但不僅限于數據分析這一類任務，辦公小浣熊 2.0 已經将剛才我們展示的模式 " 融會貫通 " 到了近乎全場景中。
而這種模式，可以為歸結為" 三步走 "：
第一步是規劃（Plan）：在規劃階段，可以自主整合世界知識（預訓練階段信息）、網絡信息（互聯網實時信息）和自有數據（私網域知識網信息）。
第二步是分析（Analysis）：在分析階段，可以有效地對數據和文檔進行分析并從中挖掘有效信息。
第三步則是創作（Write）：基于上面步驟，進而完成内容生成、智能校對信息源并輔助創意創作，完成各類復雜任務。
總而言之，現在的辦公 AI，可以說是熟練學會了如何使用人類工具，通過不斷地将執行結果作為反饋信息源參與至會話中，可以不斷提升 AI 的自主工作能力，進而泛化更多應用場景、發揮更大價值。
嗯，是從有用，轉向了好用。
代碼小浣熊也更新了
除了辦公小浣熊之外，家族的另一位成員——代碼小浣熊 2.0也推出了諸多新功能。
相比此前的代碼補全、問答互動，其最大的特點，便是多維數據融合和多模态推理。
代碼小浣熊 2.0 在多維數據融合上的确有一套，能幫開發人員省不少事兒。
先說本地數據融合這一塊，它就像個智能管家，能把你的個人代碼數據還有代碼倉庫都管起來，讓你随時能輕松找到想用的代碼，快速復用，開發速度 " 嗖 " 地就上去了。
再看企業内部雲端融合，以前各部門的數據就像一個個孤島，現在它把這些孤島都連起來了，企業的數據庫、知識庫都整合得妥妥當當。
大家一起搞開發的時候，信息共享那叫一個順暢，不用來回溝通解釋，時間和精力都省了。
除此之外，它能聯網檢索知識，把網絡上很多有用的信息都能幫你找回來，加到本地的數據裡，給開發工作源源不斷地提供新資料，讓你的思路更開闊。
而在實操方面，代碼小浣熊 2.0 在寫代碼的時候，不管是單行的代碼，還是好幾行連在一起的，它都能幫着補全，要是有不對的地方，也能幫着改。
要是碰到任務裡某個點要調整，它不光能改這一處，還能同時跨着檔案，把相關的好幾處任務一起改了，着實是有些方便在身上的。
并且它還可以執行更多的具體開發流程操作，提供更加全面的編程輔助能力。
例如一鍵添加注釋：
以及通過自然語言連續提問：
值得一提的是，代碼小浣熊 2.0 除了對個人用戶之外，對企業也特别有用，它能幫整個企業管好代碼資產。
怎麼個管理方式呢？
它先會仔細篩查代碼，把有問題的地方找出來，接着再進行後續的開發，讓代碼變得越來越好，這個優化更新的過程會一直持續下去。
而且它管得還很全面，從最開始了解大家對軟體有啥需求，到後面測試軟體好不好用，軟體研發的好多流程它都涉及到了。
有了它，企業的代碼質量會更高，以後維護起來也更輕松。
不用再愁多 Agent 應用開發了
如果說小浣熊家族的更新是商湯在應用層上的最新發布，那麼在底層大裝置方面，商湯在本次 GDC 上同樣也有一個大動作。
首先，是一個可以破局多 Agent 應用開發困境的開發者工具——LazyLLM。
簡單來說，LazyLLM 是一個面向開發者的一站式、開源的，可構建多 Agent 大模型應用開發框架，能協助開發者用極低的成本，構建復雜的 AI 應用，并可以持續迭代優化效果。
可以先來看下一個 demo：
以下視頻來源于
商湯學術
接下來，我們就來盤一盤 LazyLLM 到底有什麼特點。
首先從代碼設計方面來看，是肉眼可見的簡潔。
例如用代碼表達一個數學公式，對比 LazyLLM、LangChain 和 LlamaIndex，LazyLLM 的代碼是真的短了不少：
其次，面對當下眾多的調用、部署的 " 選項 "，LazyLLM 做到了統一。
無論是什麼樣的模塊，用戶都可以用統一的方式來調用，靈活試驗各種基模型、訓推框架與數據庫。
值得一提的是，它還提供微調的服務，這就更便于客戶在垂直領網域的應用。
LazyLLM 還有一個大亮點，就是開發方便。
例如十行代碼就能搭建 RAG 多路召回應用，三行代碼搭建 ChatBot，甚至兩、三行代碼就能在 RAG 應用中用上自定義的轉換規則或者多路召回的策略。
除此之外，LazyLLM 的亮點還包括：
以數據流為核心的應用開發範式：LazyLLM 以數據為核心，可通過 Pipeline、Parallel、Switch、If、Loop、Diverter、Warp、Graph 等數據流拼接已有組件或其他開源軟體，并支持在應用開發過程中持續迭代數據，從而不斷提升數據效果。
像搭積木一樣開發大模型應用：LazyLLM 通過精細化模塊設計和符合直覺的代碼風格，使開發者能夠更快地實現想法產品落地，同時真正像搭積木一樣，把意圖識别、知識庫檢索能力、大模型能力等快速拼到一起，實現完整應用。
復雜應用一鍵部署：LazyLLM 利用輕量網關實現分布式應用一鍵部署，助力用戶快速實現產品落地。當智能體開發完成後，應用者能夠一鍵将其部署到網頁、企業微信、釘釘等平台。
同時，框架還支持跨平台、不同作業系統，以及不同底層雲的基礎設施。
多 Agent 編排：封裝 FunctionCall、React、ReWOO、PlanAndSolve 等多種 Agent。
跨平台：兼容多個作業系統（如 Windows、OS 或 Linux）和多種 IaaS 平台（如裸金屬、K8s、slurm、公有雲）。
總而言之，LazyLLM 是做到了可以讓用戶以最簡單的方法和最少的代碼，快速構建復雜、強大的多 Agent AI 應用原型，像搭建積木一樣，快速構建出具有生產力的 AI 大模型應用。
而基于 LazyLLM 這個開發者工具，商湯還發布了一個應用開發平台——萬象平台。
整體來看，它是企業級一站式模型開發與管理平台，集成模型管理、精調、推理、評測等功能，提供多種開源和閉源大模型，基于 SenseCore 萬卡集群，支持實時調用、快速擴縮容，兼容國產芯片和異構算力管理。
我們先來看下萬象平台的實操界面：
萬象平台的一大核心能力，就是高效推理和簡單微調。
不僅支持 PPL.LLM、LightLLM 等多推理框架，在這裡，你還可以一鍵搭建各種主流大模型，包括大火的 DeepSeek 滿血版、商湯 SenseNova，以及 Meta、阿裡、智譜等眾多開源模型！
其次，正是因為基于 LazyLLM，萬象應用開發平台通過統一畫布界面，将 LLM 應用開發、RAG 核心算法及多模态模塊編排整合，支持用戶靈活組合算法組件、即時測試調整，并一鍵啟動微調服務，實現高效便捷的流程編排能力。
值得一提的是，萬象平台還突破了雲算力依賴。
因其兼容雲端與本地服務協同，開放第三方模型接入接口，這就允許用戶使用自己的 MaaS 平台提供服務，将閒置算力用起來。
而且萬象平台還可以進行本地部署與私有化交付，适配國產數據庫及芯片，保證數據安全，符合審計合規。
商湯眼中的 "AI 與人類協同 "
最後，我們還需要對今天商湯在 GDC 的一系列發布做個總結，從中挖掘商湯在大模型發展路徑上的戰略布局。
從應用層，即小浣熊家族的更新來看，商湯是想讓 AI 不只是打輔助，更是起到自動化去解決更復雜問題的作用。
商湯的辦公小浣熊 2.0 和代碼小浣熊 2.0 不僅作為輔助工具（Copilot）提升人類的工作效率，還逐步向自主執行任務的 Agent 方向發展。
辦公小浣熊能夠自主規劃任務、分析數據并生成報告，代碼小浣熊則能夠跨檔案執行多任務修改，甚至進行代碼資產管理。這種轉變使得 AI 能夠更獨立地處理復雜任務，減少人類的重復性勞動。
從底層大裝置來看，通過 LazyLLM 開源框架和萬象平台，商湯大幅降低了 AI 應用開發的門檻。
即使是初級開發者，也可以通過簡單的拼接和模塊化設計，快速構建復雜的 AI 應用。這種低門檻的開發方式使得更多企業和個人能夠參與到 AI 應用的創造中，推動了 AI 技術的普及和應用。
而二者也有相通之處，那便是多模态融合與推理。
這也是得益于商湯的 " 日日新 " 融合大模型近來在多模态推理和融合方面取得了突破，能夠處理文本、影像、音頻、視頻等多種模态的數據。
這種多模态能力的提升，使得 AI 能夠更好地理解和處理復雜的現實世界任務，進一步增強了 AI 與人類的協同能力。
從這裡我們也不難發現，商湯此前提出的 " 三位一體戰略 "，即 " 大裝置 + 大模型 + 應用 "，還在持續奏效。
而面對當下和未來不斷快速變化的大模型市場，商湯聯合創始人林達華在近期的訪談中，也道出了商湯的布局之道：
未來 AI 發展方向是從語言模型向多模态、推理模型和世界模型進化，大模型将突破行業核心任務才能實現真正商業價值。DeepSeek 的訓練優化不會降低算力需求，反而推理市場增長迅速，競争加劇。商湯的核心戰略是通過多模态技術、深度行業應用、軟硬體一體化來構建高價值 AI 生态，而非單純參與 API 價格戰。
DeepSeek 吹起的低成本 + 高性能 " 國潮 AI 風 " 還在繼續，而從商湯今天一系列最新發布來看，趨勢沒有停滞，湧現還在持續。
