現在寫代碼，最fashion的“姿勢”應該是什么？

答案或許就是：截圖。

沒錯，就像這樣，先隨便找個網頁，截取想要的那部分界面，然后“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，前端程序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，還不是國外的什么應用，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最新升級的功能。

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么簡單，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態能力結合了進來，實現了多模態理解和交互。

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內容之一，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里的各種麻煩，比如補全漏掉的數據、修正錯誤、統一格式、去掉重復內容、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，就能把速度和準確性給提升上去。

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適的圖表，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還具備模式識別和趨勢分析的能力。

同樣是自動的方式，它可以幫你發現數據中隱藏的規律，識別時間數據的趨勢，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等多個不同類型文件，直接讓它生成一個完整且多模態的報告都是OK的哦~

但不僅限于數據分析這一類任務，辦公小浣熊2.0已經將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，進而完成內容生成、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，通過不斷地將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。

代碼小浣熊也升級了

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、問答交互，其最大的特點，便是多維數據融合和多模態推理。

代碼小浣熊2.0在多維數據融合上的確有一套，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，讓你隨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。

再看企業內部云端融合，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，加到本地的數據里，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，它都能幫著補全，要是有不對的地方，也能幫著改。

要是碰到任務里某個點要調整，它不光能改這一處，還能同時跨著文件，把相關的好幾處任務一起改了，著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，對企業也特別有用，它能幫整個企業管好代碼資產。

怎么個管理方式呢？

它先會仔細篩查代碼，把有問題的地方找出來，接著再進行后續的開發，讓代碼變得越來越好，這個優化升級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件有啥需求，到后面測試軟件好不好用，軟件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，以后維護起來也更輕松。

不用再愁多Agent應用開發了

如果說小浣熊家族的升級是商湯在應用層上的最新發布，那么在底層大裝置方面，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

接下來，我們就來盤一盤LazyLLM到底有什么特點。

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。

無論是什么樣的模塊，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范式：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件，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，把意圖識別、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。當智能體開發完成后，應用者能夠一鍵將其部署到網頁、企業微信、釘釘等平臺。同時，框架還支持跨平臺、不同操作系統，以及不同底層云的基礎設施。
• 多Agent編排：封裝FunctionCall、React、ReWOO、PlanAndSolve等多種Agent。
• 跨平臺：兼容多個操作系統（如Windows、OS或Linux）和多種IaaS平臺（如裸金屬、K8s、slurm、公有云）。

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臺——萬象平臺。

整體來看，它是企業級一站式模型開發與管理平臺，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臺的實操界面：

萬象平臺的一大核心能力，就是高效推理和簡單微調。

不僅支持PPL.LLM、LightLLM等多推理框架，在這里，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、阿里、智譜等眾多開源模型！

其次，正是因為基于LazyLLM，萬象應用開發平臺通過統一畫布界面，將LLM應用開發、RAG核心算法及多模態模塊編排整合，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，萬象平臺還突破了云算力依賴。

因其兼容云端與本地服務協同，開放第三方模型接入接口，這就允許用戶使用自己的MaaS平臺提供服務，將閑置算力用起來。

而且萬象平臺還可以進行本地部署與私有化交付，適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”

最后，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，即小浣熊家族的升級來看，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文件執行多任務修改，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開源框架和萬象平臺，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，那便是多模態融合與推理。

這也是得益于商湯的“日日新”融合大模型近來在多模態推理和融合方面取得了突破，能夠處理文本、圖像、音頻、視頻等多種模態的數據。

這種多模態能力的提升，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。

從這里我們也不難發現，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態、推理模型和世界模型進化，大模型將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，競爭加劇。商湯的核心戰略是通過多模態技術、深度行業應用、軟硬件一體化來構建高價值AI生態，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，趨勢沒有停滯，涌現還在持續。