从 Code with AI
到 Work with AI

Cyber
自我介绍

个人经历

2016
Amazon 全球仓储 — 西雅图
供应链仓储人效系统开发
2021
TikTok — 上海 & 悉尼
负责研发搜索、推荐及Tako（AIGC）安全系统
2026
AI Coding 探索 & ifundtool.com
AI 工具开发探索与金融工具搭建
今天内容

分享 与 预期

📋 主要内容
  • 什么是 AI Coding？
  • 实践案例 ifundtool.com
  • 从 Code with AI 到 Work with AI
  • 互联网行业怎么使用 AI
🎯 收获
  • 掌握大模型前沿使用技巧
  • 用大模型写研究报告
  • Vibe-coding 做小工具
AI Coding 演进

AI Coding 你在第几层？

层次 时间 关键能力 工作模式
第一层
Tab 代码补全		 2021
GitHub Copilot		 基础补全 人写，AI 补全
第二层
对话式代码生成		 2022
OpenAI LLM		 Prompt Engineering 人说，AI 写，人复制
第三层
对话式代码生成，IDE 集成		 2023-2024 Context Engineering 人说，AI 写
第四层
智能体工作流（Agent Workflow）		 2025-2026 Harness Engineering 人说，AI 写，AI 测试，AI 迭代
关键洞察：从简单的代码补全到完整的智能体工作流，AI Coding 正在从"辅助工具"进化为"团队伙伴"、"主力研发"。
技术原理

大语言模型（LLM）原理

🎲 本质上，猜词游戏 / 多分类问题
P(y|x) — 给定上下文，预测下一个词
‼️上下文窗口有大小限制（200K token）
✨ 为什么效果这么好？
  • 大模型参数多，几千亿参数（500GB-5TB内存运行）
    人脑 860 亿神经元，100 万亿突触
  • 训练数据多，几十万亿Token（50TB数据量）
  • 压缩即智能
压缩即智能：大模型并非死记硬背，而是在学会了语言的内在结构和世界知识后，"涌现"出来了抽象能力和文字组合背后蕴含的世界规律。
能力边界

LLM在编程上很强
但在其他领域没那么强？

✅ 代码世界
  • 逻辑严格 — 模型一旦学会条件控制、循环、函数调用这些规则，就能稳定生成逻辑自洽的代码
  • 人造的封闭系统 — 数据完备，大量高质量、结构清晰的代码库
  • 评判标准简单客观 — 能跑就是能跑，报错就是有问题
⚠️ 真实世界
  • 模糊 — 没有明确的对错标准
  • 评判标准主观 — 不同人有不同看法
  • 数据不完备 — 缺乏结构化、高质量的训练数据
使用策略

如何用好LLM ？

当作能力不错的实习生
  • 执行能力超强 — 能快速完成各种任务
  • 知识范围广 — 了解各个领域的基础知识
  • 但不了解你们的项目 — 缺乏背景信息
  • 判断/决策能力有短板 — 需要人把关
开发范式 Patterns
Reflection 自我反思与迭代改进
Planning 任务规划与分解
Tool Use 工具调用与外部集成
Agent 集大成，智能体自主执行
核心概念

什么是智能体（Agent）？

智能体（Agent）是一种能够独立完成任务的实体，它基于大模型的智能能力，能够根据环境和任务要求，自主决策和执行任务。
Agent 架构图
效果对比

智能体效果更好

Agent 工作流程
来源：HumanEval Benchmark, Andrew Ng 吴恩达
AI Coding工具

AI Coding工具对比

产品 开发公司/团队 核心形态 使用模型 费率 用户数量
Cursor Anysphere, 美国 AI原生IDE 支持多种模型 $20,60,200/月 日活100万
Codex OpenAI, 美国 终端智能体 GPT5.1-GPT5.4 免费版受限、$8,20,200/月 周活200万
Claude Code Anthropic, 美国 终端智能体 Claude系列模型 $20,100/月 11.5万活跃用户
Trae 字节跳动 AI原生IDE 豆包等多种模型 个人版免费，企业版¥49,99,199/月 月活160万
Qoder 阿里巴巴 AI原生IDE Qwen等多种模型 $20,60,200/月 月活10万
实践案例

案例：ifundtool.com

本地化
专属基金持仓管理工具
几乎全部
代码用 AI 生成
ifundtool.com
已上线运行
项目特点：
  • 完全基于 AI 辅助开发，从零到上线
  • 本地化部署，数据安全可控
  • 功能完整的基金持仓管理系统
🔗 访问 ifundtool.com
Code with AI

Demo 1: 为ifundtool添加排序功能

演示图片
为基金持仓收益概览栏添加排序功能
Code with AI

Demo 1: 为ifundtool添加排序功能

开发界面截图
为基金持仓收益概览栏添加排序功能
Code with AI

Demo 1: 为ifundtool添加排序功能

功能实现过程
Code with AI

Demo 1: 为ifundtool添加排序功能

最终效果展示
Work with AI

Demo 2: 写研究报告

研究报告生成流程 1
研究报告生成流程 2
研究报告生成流程 3
Work with AI

Demo 2: 写研究报告

Work with AI

Demo 3: 写研究报告 - 循环迭代

循环迭代优化流程
Work with AI

Demo 4: 食物库存登记系统

多智能体并行
Work with AI

Demo 4: 食物库存登记系统

Work with AI

互联网行业前沿方向

⚡
并行智能体
多个智能体同时执行不同任务，大幅提升工作效率。每个智能体专注于特定领域，协同完成复杂项目。
并行 高效
🤝
多智能体合作编排
智能体之间可以相互协作、通信、分工。通过编排机制，实现复杂工作流的自动化执行。
协作 编排
☁️
云端智能体
智能体部署在云端，7x24 小时运行。无需本地资源，随时随地访问和管理智能体服务。
云端 持续
趋势：智能体将从单点工具进化为协作网络，实现真正的"AI智能体团队"工作模式。
Work with AI
瓶颈
不再是生产和执行，而是验证和判断。
总结

核心要点

🎯 LLM 是实习生
给予足够 context，才能更好完成任务。把它当作能力不错但缺乏背景的实习生，需要提供详细的背景信息和明确的指令。
🤖 智能体编程的范式
智能体编程的范式是通用流程，只要写好规则，可用做各种工作任务提效。从Code with Agent 进化到 Work with Agent，搭建完整的工作流。
✨ Trae SOLO 模式
Vibe-coding 零代码完成小工具。通过自然语言描述需求，AI 自动完成从规划到实现的全过程，让非技术人员也能快速构建应用。
💡 执行 vs 判断
将执行交给 LLM，而不是判断。人应该专注于验证结果和做出关键决策。