引言

在这个科技日新月异的时代，我们正站在一个前所未有的转折点上，目睹着一场静悄悄却影响深远的变革——从传统的创作模式向人工智能生成内容（AIGC）时代的迈进。这场变革，不仅仅是一场技术的革新，更是对我们固有思维方式和创造力边界的重新定义。随着算法的日益精进和数据的海量积累，机器开始展现出令人惊叹的内容创作能力，从文字、图像到音乐、视频，AIGC正在逐步渗透到社会的每一个角落。

本文旨在探讨这一转型变化过程中，我们作为创造者、消费者乃至整个社会，该如何转变思维、调整心态、升级技能，以更加开放和前瞻性的视角，携手人工智能，共同迈入这个充满无限可能的新纪元。我们将一起探索，在AIGC的浪潮中，如何在这一新兴领域内发掘潜力、引领创新。让我们启程，向AIGC时代勇敢地迈出第一步。

什么是AIGC？

AIGC，全称为Artificial Intelligence Generated Content，即人工智能生成内容，是一种利用先进的AI技术自动生成文本、图像、音频、视频等多种类型内容的方法。它代表了内容创造领域的一个重大进步，与传统的PGC（专业生产内容）和UGC（用户生产内容）相比，AIGC的核心在于其内容生产的主体是人工智能系统。

AIGC背后依托的是自然语言处理、机器学习、深度学习等技术，特别是诸如生成式对抗网络（GANs）、Transformer模型、扩散模型等前沿技术的融合与发展，使得AI能够基于大量数据学习并创造出新颖、多样化的内容。这些内容广泛应用于新闻、广告、娱乐、教育、设计等多个行业，不仅提高了内容生产的效率，还拓展了创意的边界。

简单来说，AIGC通过模拟人类的创造性思维过程，自动创作出具有实用或审美价值的作品，正逐步成为推动社会数字化转型、改变内容生态格局的关键力量。

传统编程 VS AIGC

大致的了解了一下AIGC之后，肯定会有大部分人还是不能清晰地感受到，相对于传统编程之下，AIGC浪潮的汹涌。接下来，我将以一个简单的爬虫开发问题为例，让大家切身感受一下AIGC浪潮的冲击：

让我们先畅想一个场景，你需要开发一个爬虫，目标是从豆瓣电影排行榜的网页中爬取电影排行榜的相关信息（例如：电影名(name)、封面链接(picture)、简介(info)等等）。

传统编程方式开发爬虫

那么首先你需要向浏览器发送一个http请求，从而找到该网页；

你将获取到一大段HTML的字符串，然后需要消耗大时间去分析该段HTML的架构;

之后，你则需要对该HTML字符串应用正则表达式，聚焦.article.table列表;

（正则表达式是一种强大的文本处理工具，它允许用户通过一种特殊的语法来描述字符串的模式。这种模式可以非常简单，比如匹配一个具体的单词，也可以非常复杂，用于匹配复杂的文本结构，如电子邮件地址、电话号码格式、HTML标签等。对字符串应用正则表达式，常见的操作包括：

匹配: 检查一个字符串是否符合正则表达式定义的模式。例如，可以使用正则表达式来验证一个输入是否为有效的邮箱地址。

搜索: 在一个长字符串中查找符合正则表达式描述的所有子串位置。这有助于从大量文本中快速定位特定模式的信息。

替换: 找到字符串中符合正则表达式的部分，并将其替换为另一段文本。这对于批量修改文本内容特别有用。

提取: 从字符串中抽取符合特定模式的部分内容。例如，从一个网页源代码中提取所有的链接地址。

正则表达式通过一系列的字符和特殊符号（称为元字符）来构建匹配模式，比如. 代表任意单个字符，*表示前面的元素可以重复零次或多次，\d匹配任何数字，[]定义字符集，()用于分组和捕获等等。）

import { createCrawl } from 'x-crawl' // 创建爬虫

// 创建爬虫应用
const crawlApp = createCrawl() // 

// crawlPage 用于爬取页面
crawlApp.crawlPage('https://movie.douban.com/chart').then(async (res) => {
    
  const { page, browser } = res.data
  
  // 等待元素出现在页面中
  await page.waitForSelector('#wrapper #content .article')
  const filmHandleList = await page.$$('#wrapper #content .article table')
  const pendingTask = []
  for (const filmHandle of filmHandleList) {
    // 封面链接(picture)
    const picturePending = filmHandle.$eval('td img', (img) => img.src)
    // console.log(picturePending, '////')
    // 电影名(name)
    const namePending = filmHandle.$eval(
      'td:nth-child(2) a',
      (el) => el.innerText.split(' / ')[0]
    )
    // 简介(info)
    const infoPending = filmHandle.$eval(
      'td:nth-child(2) .pl',
      (el) => el.textContent
    )
    // 评分(score)
    // const scorePending = filmHandle.$eval(
    //   'td:nth-child(2) .star .rating_nums',
    //   (el) => el.textContent
    // )
    // 评论人数(commentsNumber)
    const commentsNumberPending = filmHandle.$eval(
      'td:nth-child(2) .star .pl',
      (el) => el.textContent?.replace(/\(|\)/g, '')
    )

    pendingTask.push([
      namePending,
      picturePending,
      infoPending,
    //   scorePending,
      commentsNumberPending
    ])
  }

  const filmInfoResult = []
  let i = 0
  for (const item of pendingTask) {
    Promise.all(item).then((res) => {
      // filmInfo 是一个电影信息对象，顺序在前面就决定好了
      const filmInfo = [
        'name',
        'picture',
        'info',
        // 'score',
        'commentsNumber'
      ].reduce((pre, key, i) => {
        pre[key] = res[i]
        return pre
      }, {})

      // 保存每个电影信息
      filmInfoResult.push(filmInfo)

      // 最后一次的处理
      if (pendingTask.length === ++i) {
        browser.close()

        // 整理，根据数量决定是多还是单
        const filmResult = {
          element: filmInfoResult,
          type: filmInfoResult.length > 1 ? 'multiple' : 'single'
        }

        console.log(filmResult)
      }
    })
  }
})

最后编写代码将爬取的数据存储到JSON数组中。

可以清楚的看出，这一系列操作中的代码量之大！！！

AIGC方式爬虫

我们只需要通过自然语言指令告知AI系统想要爬取的数据类型和来源，AI就会自行分析并理解需求。一样的，我们也是需要爬取电影排行榜的相关信息，操作如下：

ps:这里我们用通义千问（阿里云推出的一款超大规模语言模型）为例。

拿到HTML的字符串响应；
将其传给AI，并告诉AI这是一部电影的html片段；
告诉AI你的要求，需要获取电影名（name），封面链接（picture），简介（info），评分（score），评论人数（commentsNumber）。请使用括号的单词作为属性名，以JSON对象的格式返回；

最后一键上传即可。

对比总结

传统编程方式开发爬虫需要从分析每个网站的HTML结构，到编写复杂的正则表达式，再到处理各种可能出现的异常错误，最后才能输出成自己想要的数据模型。这不仅耗时，还要求编程师具备扎实的编程功底和网页解析知识。

而AIGC只需要详细、清晰的表达我们的需求，其他的事都交给LLM大模型编程即可，这明显降低了编程的门槛，并且提高了开发效率，特别是对于非专业开发者而言，能够通过简单的指令快速实现功能。

AIGC带来的变革

通过这个例子，我们可以清晰地感受到AIGC浪潮带来的冲击。它降低了编程门槛，使得非程序员也能快速构建复杂应用；它提升了开发效率，让从前需要数天的任务缩短至几小时甚至几分钟；更重要的是，它促进了创新，让开发者有更多精力专注于业务逻辑和数据分析，而非琐碎的技术实现细节。

尽管如此，AIGC也并非万能钥匙，它依赖于高质量的训练数据和算法，对于一些高度定制化、复杂交互的场景，人工干预和专业知识仍不可或缺，毕竟只有50%的编程模块可以被AIGC代替，基于冯诺依曼原理，非AIGC任务，也只能交给传统编程流程来做。但不可否认，AIGC正逐步改变着软件开发的格局，为未来技术发展开辟了新的可能性!

思维的转变：向AIGC时代迈出第一步

引言