今天小编分享的科技经验：AI写代码新姿势：一个截图 代替千行代码，欢迎阅读。
现在写代码，最 fashion 的 " 姿势 " 应该是什么？
答案或许就是：截图。
没错，就像这样，先随便找个网页，截取想要的那部分界面，然后 " 喂 " 给 AI，并附上一句 Prompt：
参考这个页面，生成一个类似的 HTML 页面。
只是一张图和一句话，AI 就 " 唰唰唰 " 的把代码给写出来了。
有了这个功能，前端程式员搞简单的页面代码可就方便太多了（甚至编程小白都可以尝试做网页）~
而且这个 AI 啊，还不是国外的什么应用，正是商汤在今天GDC（全球开发者先锋大会）中办公小浣熊 2.0最新更新的功能。
不得不说，国产 AI 的含金量还在持续上升中 ~
△商汤科技小浣熊负责人，贾安亚
纵观整场发布会，一个最大的感受就是，商汤办公小浣熊 2.0 不仅仅是增添新功能这么简单，更是把办公 AI 从一个助手的角色转变成了有自主执行能力的智能体。
这又该如何理解呢？我们继续往下看。
办公 AI：从有用，到好用
截个图就能写代码，还只是办公小浣熊 2.0 新功能的一隅。
小浣熊这次是把" 日日新 " 融合大模型的原生融合多模态能力结合了进来，实现了多模态理解和互動。
举个例子
。
数据分析是大家在办公场景中或多或少都会接触到的工作内容之一，用上了办公小浣熊 2.0，效率直接变得 Pro Max 了。
在数据清洗和预处理阶段，它能自动帮你搞定数据里的各种麻烦，比如补全漏掉的数据、修正错误、统一格式、去掉重复内容、转换类型，还能解决文字乱码问题。
这样一来，在数据分析最初阶段，就能把速度和准确性给提升上去。
为了能让你把数据看得更清楚，办公小浣熊 2.0 还支持数据可视化。
它能自动帮你选最合适的图表，生成好看又清晰的图表，重点信息一目了然。
还可以根据需要调整样式和布局，甚至做出可以互动的图表。就算你不懂复杂的工具，也能轻松做出专业的数据图表。
不仅如此，办公小浣熊 2.0 还具备模式识别和趋势分析的能力。
同样是自动的方式，它可以帮你发现数据中隐藏的规律，识别时间数据的趋势，找出异常值和波动，预测未来的走势，还能分析不同数据之间的关系。
那些原本需要专业统计知识才能完成的分析任务，现在一个 AI 就能搞定。
下面的例子中就展示了让小浣熊预测《哪吒 2》票房的过程：
当然，若是还有不懂的问题或进一步的需求，我们依旧可以通过对话的方式来提问。
甚至联动 Excel、txt、Word、和 PDF 等多个不同类型檔案，直接让它生成一个完整且多模态的报告都是 OK 的哦 ~
但不仅限于数据分析这一类任务，办公小浣熊 2.0 已经将刚才我们展示的模式 " 融会贯通 " 到了近乎全场景中。
而这种模式，可以为归结为" 三步走 "：
第一步是规划（Plan）：在规划阶段，可以自主整合世界知识（预训练阶段信息）、网络信息（互联网实时信息）和自有数据（私網域知识网信息）。
第二步是分析（Analysis）：在分析阶段，可以有效地对数据和文档进行分析并从中挖掘有效信息。
第三步则是创作（Write）：基于上面步骤，进而完成内容生成、智能校对信息源并辅助创意创作，完成各类复杂任务。
总而言之，现在的办公 AI，可以说是熟练学会了如何使用人类工具，通过不断地将执行结果作为反馈信息源参与至会话中，可以不断提升 AI 的自主工作能力，进而泛化更多应用场景、发挥更大价值。
嗯，是从有用，转向了好用。
代码小浣熊也更新了
除了办公小浣熊之外，家族的另一位成员——代码小浣熊 2.0也推出了诸多新功能。
相比此前的代码补全、问答互動，其最大的特点，便是多维数据融合和多模态推理。
代码小浣熊 2.0 在多维数据融合上的确有一套，能帮开发人员省不少事儿。
先说本地数据融合这一块，它就像个智能管家，能把你的个人代码数据还有代码仓库都管起来，让你随时能轻松找到想用的代码，快速复用，开发速度 " 嗖 " 地就上去了。
再看企业内部云端融合，以前各部门的数据就像一个个孤岛，现在它把这些孤岛都连起来了，企业的数据库、知识库都整合得妥妥当当。
大家一起搞开发的时候，信息共享那叫一个顺畅，不用来回沟通解释，时间和精力都省了。
除此之外，它能联网检索知识，把网络上很多有用的信息都能帮你找回来，加到本地的数据里，给开发工作源源不断地提供新资料，让你的思路更开阔。
而在实操方面，代码小浣熊 2.0 在写代码的时候，不管是单行的代码，还是好几行连在一起的，它都能帮着补全，要是有不对的地方，也能帮着改。
要是碰到任务里某个点要调整，它不光能改这一处，还能同时跨着檔案，把相关的好几处任务一起改了，着实是有些方便在身上的。
并且它还可以执行更多的具体开发流程操作，提供更加全面的编程辅助能力。
例如一键添加注释：
以及通过自然语言连续提问：
值得一提的是，代码小浣熊 2.0 除了对个人用户之外，对企业也特别有用，它能帮整个企业管好代码资产。
怎么个管理方式呢？
它先会仔细筛查代码，把有问题的地方找出来，接着再进行后续的开发，让代码变得越来越好，这个优化更新的过程会一直持续下去。
而且它管得还很全面，从最开始了解大家对軟體有啥需求，到后面测试軟體好不好用，軟體研发的好多流程它都涉及到了。
有了它，企业的代码质量会更高，以后维护起来也更轻松。
不用再愁多 Agent 应用开发了
如果说小浣熊家族的更新是商汤在应用层上的最新发布，那么在底层大装置方面，商汤在本次 GDC 上同样也有一个大动作。
首先，是一个可以破局多 Agent 应用开发困境的开发者工具——LazyLLM。
简单来说，LazyLLM 是一个面向开发者的一站式、开源的，可构建多 Agent 大模型应用开发框架，能协助开发者用极低的成本，构建复杂的 AI 应用，并可以持续迭代优化效果。
可以先来看下一个 demo：
以下视频来源于
商汤学术
接下来，我们就来盘一盘 LazyLLM 到底有什么特点。
首先从代码设计方面来看，是肉眼可见的简洁。
例如用代码表达一个数学公式，对比 LazyLLM、LangChain 和 LlamaIndex，LazyLLM 的代码是真的短了不少：
其次，面对当下众多的调用、部署的 " 选项 "，LazyLLM 做到了统一。
无论是什么样的模块，用户都可以用统一的方式来调用，灵活试验各种基模型、训推框架与数据库。
值得一提的是，它还提供微调的服务，这就更便于客户在垂直领網域的应用。
LazyLLM 还有一个大亮点，就是开发方便。
例如十行代码就能搭建 RAG 多路召回应用，三行代码搭建 ChatBot，甚至两、三行代码就能在 RAG 应用中用上自定义的转换规则或者多路召回的策略。
除此之外，LazyLLM 的亮点还包括：
以数据流为核心的应用开发范式：LazyLLM 以数据为核心，可通过 Pipeline、Parallel、Switch、If、Loop、Diverter、Warp、Graph 等数据流拼接已有组件或其他开源軟體，并支持在应用开发过程中持续迭代数据，从而不断提升数据效果。
像搭积木一样开发大模型应用：LazyLLM 通过精细化模块设计和符合直觉的代码风格，使开发者能够更快地实现想法产品落地，同时真正像搭积木一样，把意图识别、知识库检索能力、大模型能力等快速拼到一起，实现完整应用。
复杂应用一键部署：LazyLLM 利用轻量网关实现分布式应用一键部署，助力用户快速实现产品落地。当智能体开发完成后，应用者能够一键将其部署到网页、企业微信、钉钉等平台。
同时，框架还支持跨平台、不同作業系統，以及不同底层云的基础设施。
多 Agent 编排：封装 FunctionCall、React、ReWOO、PlanAndSolve 等多种 Agent。
跨平台：兼容多个作業系統（如 Windows、OS 或 Linux）和多种 IaaS 平台（如裸金属、K8s、slurm、公有云）。
总而言之，LazyLLM 是做到了可以让用户以最简单的方法和最少的代码，快速构建复杂、强大的多 Agent AI 应用原型，像搭建积木一样，快速构建出具有生产力的 AI 大模型应用。
而基于 LazyLLM 这个开发者工具，商汤还发布了一个应用开发平台——万象平台。
整体来看，它是企业级一站式模型开发与管理平台，集成模型管理、精调、推理、评测等功能，提供多种开源和闭源大模型，基于 SenseCore 万卡集群，支持实时调用、快速扩缩容，兼容国产芯片和异构算力管理。
我们先来看下万象平台的实操界面：
万象平台的一大核心能力，就是高效推理和简单微调。
不仅支持 PPL.LLM、LightLLM 等多推理框架，在这里，你还可以一键搭建各种主流大模型，包括大火的 DeepSeek 满血版、商汤 SenseNova，以及 Meta、阿里、智谱等众多开源模型！
其次，正是因为基于 LazyLLM，万象应用开发平台通过统一画布界面，将 LLM 应用开发、RAG 核心算法及多模态模块编排整合，支持用户灵活组合算法组件、即时测试调整，并一键启动微调服务，实现高效便捷的流程编排能力。
值得一提的是，万象平台还突破了云算力依赖。
因其兼容云端与本地服务协同，开放第三方模型接入接口，这就允许用户使用自己的 MaaS 平台提供服务，将闲置算力用起来。
而且万象平台还可以进行本地部署与私有化交付，适配国产数据库及芯片，保证数据安全，符合审计合规。
商汤眼中的 "AI 与人类协同 "
最后，我们还需要对今天商汤在 GDC 的一系列发布做个总结，从中挖掘商汤在大模型发展路径上的战略布局。
从应用层，即小浣熊家族的更新来看，商汤是想让 AI 不只是打辅助，更是起到自动化去解决更复杂问题的作用。
商汤的办公小浣熊 2.0 和代码小浣熊 2.0 不仅作为辅助工具（Copilot）提升人类的工作效率，还逐步向自主执行任务的 Agent 方向发展。
办公小浣熊能够自主规划任务、分析数据并生成报告，代码小浣熊则能够跨檔案执行多任务修改，甚至进行代码资产管理。这种转变使得 AI 能够更独立地处理复杂任务，减少人类的重复性劳动。
从底层大装置来看，通过 LazyLLM 开源框架和万象平台，商汤大幅降低了 AI 应用开发的门槛。
即使是初级开发者，也可以通过简单的拼接和模块化设计，快速构建复杂的 AI 应用。这种低门槛的开发方式使得更多企业和个人能够参与到 AI 应用的创造中，推动了 AI 技术的普及和应用。
而二者也有相通之处，那便是多模态融合与推理。
这也是得益于商汤的 " 日日新 " 融合大模型近来在多模态推理和融合方面取得了突破，能够处理文本、影像、音频、视频等多种模态的数据。
这种多模态能力的提升，使得 AI 能够更好地理解和处理复杂的现实世界任务，进一步增强了 AI 与人类的协同能力。
从这里我们也不难发现，商汤此前提出的 " 三位一体战略 "，即 " 大装置 + 大模型 + 应用 "，还在持续奏效。
而面对当下和未来不断快速变化的大模型市场，商汤联合创始人林达华在近期的访谈中，也道出了商汤的布局之道：
未来 AI 发展方向是从语言模型向多模态、推理模型和世界模型进化，大模型将突破行业核心任务才能实现真正商业价值。DeepSeek 的训练优化不会降低算力需求，反而推理市场增长迅速，竞争加剧。商汤的核心战略是通过多模态技术、深度行业应用、软硬體一体化来构建高价值 AI 生态，而非单纯参与 API 价格战。
DeepSeek 吹起的低成本 + 高性能 " 国潮 AI 风 " 还在继续，而从商汤今天一系列最新发布来看，趋势没有停滞，涌现还在持续。
