距离上次写AIGC的文章，快两年了，总结一下。还记得24年初那会儿，GPT-4还是最先进的模型，我对AI工具的探索还挺浅的,主要就是用chat问问题,写写简单的prompt，像Claude、Gemini这些模型当时也还在早期。
这两年模型发展真的很快，各种突破和应用不断出现。现在回头看，我24年的一些判断保守了。
用了很多各种AI工具和模型，对比之前确实感受到不少变化：模型明显更聪明了，很多工作流程在改变，小团队能做的事情边界拓宽了不少，从chatbot到MCP再到Agent，感觉新的方向正在形成。
总结一下，看看再过一年会不会有什么变化。
模型确实进步很大
其实所有上层应用和工作流的改变，根本上还是因为模型本身的突破。
去年：感觉AI更像是个刚入职的新人——什么都懂一点，但做具体任务时总会暴露各种问题：推理能力不够，总结内容平淡，理解指令比较浅，还经常出现幻觉，生成的内容逻辑也不太清晰。
现在：像Gemini 2.5 Pro、Claude 4.5、Qwen3、DeepSeek这些模型，各方面能力都提升了很多。就拿写代码来说，现在用Claude写的代码可信度高多了，我之前用它做过一个小项目，前后端加部署，三天就搞定了。
去年写学校project的时候，AI生成超过500行代码就开始乱写，我得全部重构。现在已经用Trae和Cursor Code独立做了几个项目(代码总量万行左右)，Vibe-Coding（有尝试过spec-driven的方式，感觉效率确实更高些）。
多模态方面我用的场景少，简单试了试，感觉OpenAI和DeepMind在这块确实领先。
总的来说，去年AI的能力还比较有限，现在已经能胜任不少实际工作了。
我目前的使用习惯：
- 写代码和日常使用：Claude 4.5 Sonnet
- 深度研究和数学推理：Gemini2.5pro/Qwen 3
- 多模态：Gemini2.5pro
- 文字创作：Claude 4.1 Opus、Gemini、DeepSeek
Gemini和Claude我都订阅了，不过Claude的token限制挺严的，用着用着就没了，所以也订了Gemini作为补充。Gemini的知识库很强大，理解能力也不错，就是指令跟随能力比Claude稍弱一点，有时候会感觉它"用力过猛"（可能是我习惯Claude了）。不过Gemini的Deep Research功能很好用，毕竟是Google家的，搜索能力确实强。
Qwen 3的搜索比Gemini还强，但理解和推理能力稍弱些，不过日常问点轻松的问题（比如"吃什么有用吗""xxx是什么"之类）刚刚好，生成速度也快，Claude限额后我就会切到Qwen。
大厂们的AI
去年我觉得AI对小团队的提升会大于大组织，但今年看到很多大厂都在All in AI。他们是找到规模化应用的方式了吗？今年上半年我在某大厂实习，可能是个例，但内部其实没引入太多AI工具,也没感受到明显变化。不知道是我观察有偏差，还是大厂有我不了解的新玩法。
我有点困惑的是：很多大厂本身产能就很充足了，进一步提高产能带来的价值到底在哪？当然这可能是我理解不够全面。
流程在变
模型能力提升后，很多新的AI应用确实在改变原有的工作方式——文案、策划、市场调研、产品设计、编程等等。
我主要是写代码，这方面感受比较深。像Cursor、Trae、Augment、Claude Code这些工具，改变的不只是"写得更快"，更多是我们构思和架构项目的方式在变。这也会影响未来程序员需要具备什么样的能力。
基于Vibe Coding，很多人又提出了新的优化方法和架构方式（比如spec-driven development）。虽然可能有些资深开发者不太认可，但新的代码工作方式确实在路上了。
去年AI编程的体验可不是这样——代码改的反复，代码可读性差，运行bug多，MCP调用也不成熟，每个问题都耗费大量时间。
现在的Vibe Coding虽然还是会有bug和幻觉，但解决问题的时间成本已经降到可以接受的范围了，这是个质的变化。
不仅是AI代码能力提升了，工具本身也更成熟了（CLI调用、本地文件读写MCP、更好的Figma适配），加上越来越多的实践经验被分享出来，这些积累在一年内就明显改变了AI编程的体验。
对开发者来说，一个关键变化可能是：编程的瓶颈转移了。
关于这个变化自己感受的变化的还有很多，不过这篇已经有点长了，慢慢总结吧。
总的说：很多工作方式在变化，我观察到不少人其实还没适应。但基于MCP、Agent、这些新技术构建的应用，确实在提升原有流程的效率，而且不同人之间去用模型的差距也很大，未来可能会有个很严谨的课程去教我们如何用好这些新工具。
小团队的上限
模型，Agent，以及各种基于AI衍生的应用，在深度体验之后都觉得能够极大的提高个体的生产性能，个体和小的组织上，会用的，用的精的团队和不会用的团队能效上能差出3～5倍（保守的去估计）。
小团队的上限进一步的去被拨高了，尤其是multi-agent的工具出现，个体产出超过团体越发越显著，只不过是现在观察到两极分化非常严重，会用AI的对一些前沿的工具的理解使用，自己+AI能做什么的认知已经和不会用的人完全分化成了两类人了。
这个上限随着模型能力的强化，配套应用的开发（至少目前看到很多在开源的，利用Agent/模型 进一步提高个人能力的方案在被提出），会进一步的上升。
新的工具下，一定会打破一些旧的认知，观察到周围仍然有很多人会抗拒使用AI，各种理由都有，听到自己喜欢的博主对这个有个很形象的比喻：“如果这个时代，你还觉得自己做的比自己+AI做的好的话，和十几年前觉得自己手洗比洗衣机洗的干净的人不是一类的吗？现在回过头看看是不是哥很蠢的事情”
效率面前一切让步。
新的内容
去年觉得，所有AI工具都只是加速了产出内容的周期，本身并没有带来一些新的内容，但是今年来看，又一些变化了。一些以AI为主的产品逐渐被看到：数字人，将Agent封装成产品，给模型更多function cal 作为电脑的管家…. 基于Agent和多模态模型的一些更富有想象力的交互方式在被探索出来。
为什么普及慢
目前来看，还是有很多人去对这个方面进行探索的，但是目前可能因为大部分人还没反应过来（大家的消费认知更新没那么快），这类新产品的设计流程和校验仍然需要时间。
有信任的问题，而且很多产品很多产品还在探索真正的刚需场景，而不是为了AI而AI。
商业模式不清晰如何定价、如何衡量价值，还在摸索中
…也许吧瞎分析的
写在最后
说了这么多，其实就想记录一下这个时间点的观察。
技术会继续发展，工具会继续迭代，新的问题也会不断出现。但变化本身已经不可逆了。
怎么用好？继续用，继续观察，继续记录
就这样，一年后见。
