人工智能应用工具观察（2025.9 — 2026.9）

一位从 GPT 发布起就高强度使用 AI 的老用户，对过去十二个月工具变迁的记录与思考。

时间过得飞快，AI 的应用也随着时间快速迭代，很多时候工具迭代的速度超过了普通用户的追赶速度，是时候按下暂停键，盘点一下工具发展的趋势，更好地掌握工具解决问题，缓解无处安放的焦虑。

作为从 GPT 出来就一直高强度使用的用户，每一次新模型、新应用的发布，我都会被触动一下。但说实话，这种触动的阈值在不断提高——对情绪的冲击，呈现明显的边际递减。第一年看到 GPT-4 时的那种震撼，后来再也没能完全复现。

这篇文章记录过去一年我亲历的工具变迁，以及这些变迁背后，我的一些思考。

一、这一年，我印象最深的几件事

先交代一下我的使用底色：我的日常开发和模型调用，一直是在 VS Code 里完成的。用习惯之后，我的判断是——到目前为止，VSC 仍然能满足我的全部需求。

1. Coze 的转身：工作流让位于对话式开发

一年前，对普通人来说最容易上手的，是 Coze 的零代码平台：拖拖拽拽搭一条工作流，就能完成一些自动化和智能化任务。

到了 11 月左右，Coze 自己调整了产品方向，把"搭工作流"变成了"对话式开发"，本质上转向了 vibe coding。我认为他们是想明白了一件事：工作流的形式其实并不好用。里面仍然有大量参数和接口配置的环节，对零代码的人来说还是难；对有编程基础的人来说，限制太多，还不如直接写代码来得痛快。

所以我的判断是：工作流这种形式，会逐渐被淘汰。

前段时间我带学生参加用友组织的比赛，它的智友平台仍然把意图流（工作流）作为主打的智能体开发形式。要么是产品迭代慢了一拍，要么是他们的模型和平台还没能力让用户在里面做 vibe coding。但无论哪种，方向上的差距已经看得见了。

2. Gemini 3.0 的高光：谷歌的审美确实在线

Gemini 3.0 推出时，模型能力得到了诸多好评，配套的 Build 功能更是广受赞誉。我们当时也基于这个平台开发了不少应用 demo。

给我的总体感觉：Gemini 的审美很在线，生成的前端页面简洁明快，这一点强于 GPT。只要把需求调研清楚，它能把前端后端一口气全部写出来，还能实时预览。

同一时期，谷歌的图片生成工具 Banana、文本视频音频生成工具 NotebookLM，都让人眼前一亮。当时来看，Google 厚积薄发，基于自己的生态位做出了非常好的产品。用 VSC 的 Copilot 调用 Gemini 3.1，也确实很能解决问题。

但最近，谷歌在新模型的推出节奏上似乎慢了下来，声量不如 3.1 那阵子。另一边，OpenAI 疯狂推模型，从 5.6 一路迭代到现在的 6 系列，已经非常能打。而作为用户，我是有惰性的——不想太折腾，频繁换模型和平台，不符合懒人经济的需求。

当模型能承担大量前后端开发的时候，我是真兴奋的——这意味着可以低成本打造企业需要的平台，比如自动报价系统、揽货系统，这些以前要养一个团队才能做的事。

3. 龙虾刷屏的三个月

2026 年春节前后，"龙虾"突然刷屏。各地政府和企业火速推出了配套政策和产品，形成了现象级传播，见面打招呼都变成了"养龙虾了吗"。

我没有仔细研究过龙虾，但总体感觉和我用 VSC + Copilot 的效果差不多：都是授权一个智能体，在你给定的环境里处理文件、调用工具干活。

龙虾的热度持续了三个月左右（可能更短）就偃旗息鼓了。原因也不复杂：它确实没有什么突破性的能力，无非是把原有功能重新整合了一遍，让毫无计算机基础的人群兴奋了一把。

4. WorkBuddy 与 Qoder：大厂下场之后

龙虾热度退去后，2026 年 7 月，腾讯系的 WorkBuddy 推出，通过各种推广，用户基数不断扩大；阿里系也在推 Qoder 等类似产品，热度一直持续到现在。

WorkBuddy 我深度体验了一个月左右，用的还是平台送的各种积分，并没有购买会员。处理一些实际工作，体验感不错，大厂的实力值得肯定。但这个产品刚出来三个月左右，大部分人应该还在试用和观望——和我一样，都在用免费 token 在里面干活。

以上是一份流水账，记录自己经历的工具变迁。

二、热闹之外，我的四点思考

思考一：工具在不可逆地走向大众化

大厂都在争相推出更友好的入口，尽力压低使用门槛。这个趋势会继续下去，符合产品传播和发展的基本规律——AI 工具最终会变成像 QQ、微信一样的水电煤式存在。

思考二：专业与行业经验，仍然是 AI+ 浪潮下最重要的资产

你只有懂行业、懂专业，才写得出专业性的提示词、开发得出高效能的 skills，AI 才能真正替你干活。工具越强，工具背后那个人懂不懂行，差距反而越大。

思考三：小型 AI 企业的活路，在行业纵深，不在平台

大厂会继续在大模型端和低门槛工具上卷。小型 AI 企业如果还沿着"开发平台"的老思路走，机会很小。小公司的正确姿势，应该是在某个行业深耕过，然后转型做 AI+。

我见过一个例子：一家原本做建筑行业的开发企业，现在做楼宇监测的数字化、智能化。这就是既有行业资源、又有专业积累的路径，平台型大厂反而不容易替代它。

思考四：FDE 很火，但应届生直接做 FDE，大概率会掉坑

FDE 最近很火，很多企业都说急需这样的人才。但这样的人才怎么培养？人工智能专业的学生一毕业就能做 FDE 吗？我感觉比较悬。

FDE 必须是在某些行业里实打实锻炼过的人。一个没有任何行业背景的毕业生直接去做 FDE，客户企业大概率会掉坑里——对行业和场景的理解，不是一朝一夕能建立的。

这也提醒一些企业：不要太过焦虑。AI 肯定要拥抱，但找一个对行业一无所知的新人，进来部署一下智能体，就觉得拥抱了最新科技、解决了实际问题——不太现实。

写在最后

这一年最大的感受是：工具的热闹是一波接一波的，真正沉淀下来的，是使用工具的人和他的专业。

明年这个时候再看，今天刷屏的产品可能已经换了三茬，但懂行业的人用 AI 干成的事，会一直留着。

（本文为个人观察记录，观点仅代表本人）