所以，使用相较于国内前沿的工具，无形之中就像是打了信息差，在各方面都会比别人领先一些，可能你和别人是同一个任务，但是，你的效率和产出都会比别人好上很多，而这仅仅是因为工具的不同而已，绝无其他。

AI的发展是极为迅速的，这个都是显而易见的，从2023年，开始有这种对话式的问答交流，获取想要的资讯，或者说让AI帮忙完成一些文本上的修改任务。

那时文言一心还没有上线，自己看到一些网站提供了这种功能，然后180元大洋买断了，结果时不时就网页打不开，好像一段时间，就在换域名。现在想起来，当时这种平台，自己好像也没有用来干嘛，无非就是翻译一篇短文、检查下写的文章的错别字等，后来，文言一心上线了，kimi，豆包等都纷纷出现，然后，注意力就转移了，这个买断的平台就没再去打开过了。

在使用AI的过程中，但印象中，较为深刻的，还是第一次知道和使用 Deepseek ，看到那个思考过程，极为惊艳。在 2025 年年初爆火，后来，只是后来人多了之后，总是因为使用人数太多，服务器资源不足，每次要用一下，经常是没有成功的，这是其一，第二个原因，就是人多了之后，数据被污染得太多了，回答的质量直线下降。然后，转到了豆包AI。

公司的微信文章，也只是根据公开的平台资料，让它按我提供的模板生成，这部分的工作，之前预估是两天的工作量，我半天就搞定了。在我看来，实在是没有什么必要深究一字一句，只要把表达的东西，传达到位，以及不要显得太过于AI味，就可以了，时间更应该花在高价值上的事情。

第一次使用超能模式，就知道这个又升级了，这个超能模式，可以抓取平台，只要你提供账号和密码，完全可以帮你做平台系统的测试，当时我第一次使用，都惊呆了。

后来，我就尝试让它登录公网的平台，让它对每个功能都测试，把暴露的问题，整理成表格给我，我在逐一检查，是否真实有效。

可以说，豆包是我用过的相对满意的一款AI工具了，至少2025年是这样的。可以说，为我的事情，提供了很大的帮助，但是，这一些，都在2026年爆火之后，戛然而止。

现在的问题是，使用超能模式，经常被告知当前功能使用爆火，要等几分钟才行。我是没有那么多耐心的，偶尔一两次才行，多了之后，可能要找替代品了。

恰逢和朋友交流最近基于AI开发的一些事情，说到很多公司都完全是面向AI开发了，大家都称之为“氛围编程”，就是不适应代码交流了，直接就是自然语言，把需求描述清楚，让AI完成项目的代码开发。

而选择的则是Google提供的IDE工具Google Antigravity，中文名是反重力，完全就是一键生成全部的代码，还自行调试，编译，运行，出现问题，还自行修复，就是到你手上的时候，已经成品了。

我想起之前使用 dev0 工具，尝试开发一键发文的工具，就是一篇文章，可以同时发布到不同的平台，比如微信公众号、掘金、博客园等，当时，用起来觉得很一般，以为这个方式还不够成熟，接着，也听说豆包提供的TACE插件，都以为，只是能局部支持，而不是整个项目都全部提供，就在这块上面，没有多去关注。

但是，真正使用起Google Antigravity之后，我心里只觉得，程序员被替代，真的不是痴人说梦。真的，这个时代真的要来了。

真的，完全可以使用自然语言完成整个项目的代码开发，我是不会Java后端开发的，但是，不影响我把之前在 dev0 工具开发的项目，我直接把项目在Google Antigravity打开，然后，让它根据需求，把这个项目重构，重构后的项目，真的是删除很多错误的代码，错误的功能，错误的编程语言选择，比如之前的前端代码里，有.vue文件的，又有.rect，显得不伦不类的，这次就完全重构，完全基于Vue3框架来开发。

接着，Java后端的代码也重构，搭配前端项目一起，把项目的架构都梳理清楚了。然后，项目也运行成功了。

我知道，真的太让我惊叹了。

如果我要创业，完全可以几个人组成小公司，完全基于这个Google Antigravity来开发项目，至于代码泄漏等问题，小公司完全就是利益至上，先赚到钱再说，管你什么核心技术泄漏，让Google去爬取了。

这一点大公司完全是不能做的，就是AI这些走的第三方的服务器，他们肯定是先读取到你项目的全部代码，才能给你提供建议，而这个过程，意味着你项目的全部源码，都被第三方公司获取了，这个就是代码泄漏风险，这也是这个氛围编程，无法那么快推进的原因。

如果你要私有化部署的话，成本是一方面，再者，你成本再高，能比大模型母公司高吗？花的钱越多，意味着功能越强大，如果投入钱搞私有化部署，效果和公网提供的一对比，心里落差极大，这种情况下，真的能坚持使用私有化部署的大模型吗？估计真的忍不了一点。

当前ini 帮我处理一个因为网络代理，导致在 Mac 电脑上使用VSCode 访问Ubuntu系统的工具，一直失败的问题。

然后，各种权限都给它了，就一直执行脚本处理，直到解决了为止。类似就是龙虾这个托管电脑。

可以说，AI工具，用得比较多的是豆包、deekseep、kmini、纳米AI，这些或多或少，都使用过，频次较高，其他的就不提及了。

只能说AI会发展越来越快，我始终相信，国内的AI工具迟早有一天会超过国外，但是，不是现在，现在来看，还是有很大的差距的，所以，我的看法是，如果可以，真的要赶紧用上Google Genmini和 ChatGPT，真的最少要比国内的AI工具，至少超半年以上。

很多编程的问题，让豆包和Deekseep排查的时候，明明提供的是同一份信息，但是得出的结果千差万别，Gmini 直接指出了问题出在哪里，一招就命中要害，但是豆包、deekseep提供的方案还是差的太多太多了。

我的三观真的刷新了，我第一次见到，给出的答案，是如此直接而有效。

正是在使用 Gmini 的这一段时间，我反复喂给它我的全部信息，让它给我诊断，以及提供发展路径，很多东西说的还是很有道理的。而且，少了很多献媚的措词，至少，让我发现了一个快十年来，一直被我忽视的一个特别主要的一个点，这个点就是所有问题的根源，而我一直以来，都没有注意到。

打一点这种信息差和时间差，你会比国内没有用这款AI工具的，远超半年甚至一年以上，效果更高，掌握的信息更为准确，何乐而不为。

说到 AI 是否会取代程序员，我的答案是会，但又不完全会。

在我看来，所谓的取代，其实是要求程序员提升自身能力，向更高层次发展，将比如某个通用函数的封装、代码漏洞检查这类已熟练掌握的工作交给 AI，自己则转变为发布和验收的角色，也就是按照自己的想法下达任务，然后验收任务，形成一个闭环。

AI 在实际应用中确实面临一些问题，以下是我想到的几点：

1. 怎样确保 AI 能完全依照你的想法，实现你想要的效果？
2. 如何判断 AI 生成的内容是否正确？
3. 何时该使用 AI，何时不该用？

就第一个问题而言，未来很可能会演变成面向 AI 编程。你看，现在都已经有 “Prompt 工程师” 这个职位了，他们的职责就是做好与 AI 的沟通工作，思考如何用精准的描述告诉 AI 该做什么。

回顾人与计算器的交互历史，从最初使用 0 和 1 二进制进行沟通，到后来发展出 C/C++/Java 等高级语言，这些都是对 0 和 1 的上层封装。如今与 AI 交互也是同理，只不过现在我们是用现实中的自然语言与它交流。

至于第二个问题，关键在于你自己得懂，也就是说不可能完全依赖 AI 而不学习新知识。不然，你怎么判断 AI 生成的内容是否正确呢？

对于第三个问题，何时使用 AI 就需要进行评估判断了。有些事情看似用 AI 能很快完成，但实际使用时，因输入指令不够具体准确，产出结果可能天差地别，常需多次调整才能满意，自己动手做或许更快，还免得在与 AI 的磨合中浪费时间、徒增郁闷。

除此之外，很多人都提到，既然 AI 能生成一整个项目的代码，那还要程序员干什么呢？

其实，AI 生成的只是项目第一版需求的代码，可项目又不是一锤子买卖，后续还需要不断迭代和更新。这时候该怎么办？全都交给 AI 处理吗？

理论上似乎是可行的，但就我使用 dev0、豆包和阿里云 AI 等工具开发网页的体验来看，效率实在不高。每次修改一点点内容，AI 都要重新生成全部代码，这个过程极其漫长，项目越大，等待的时间就越久。而且，如果输入的指令不够详细具体，得到的结果相差甚远，还得不断调整到满意为止。有这时间，我自己早就把代码改好了。所以在这种情况下，除非你的 prompt 能力特别强，否则真的是对 AI 又爱又恨。不过话说回来，人与人之间沟通都可能出现信息失真，更何况是与机器沟通呢？面对全是 AI 生成的代码，你真的有足够的信心直接部署到生产环境吗？

要是让 AI 生成第一版需求代码，后续的迭代和维护交给程序员呢？

这同样存在问题，因为 AI 生成的代码大概率不符合团队的代码规范，程序员得花时间去熟悉。而且团队可能已经有封装好的组件库，AI 生成的代码却无法复用这些组件，而是自行实现相同功能，这在迭代和维护时反而重复造轮子了。只是一个项目还好，要是所有项目都是如此，那组件库就形同虚设了。就像 A、B、C 三个由 AI 生成的项目，在迭代过程中又得抽取复用的组件和工具类，绕了一圈又回到组件库这里，仿佛回到了原点。

所以现阶段，无论是想完全依靠 AI 生成项目代码并直接发布到生产环境，还是仅让 AI 生成第一版代码，后续由程序员接手迭代和维护，都不太现实。

不过，现阶段 AI 在演示项目、UI 原型设计方面的表现还是不错的。比如我要实现一个大屏，把需求整理好后让 AI 生成效果图，虽仍需调整，但可作为参考，提高了工作效率。

智慧工厂大屏需求：

1. 实时数据可视化：设备状态、产能、良率、能耗等核心指标实时展示，10 秒刷新
2. 异常预警：设备故障、指标超标等异常即时报警
3. 灵活查看：支持按车间 / 产线切换视图，适配大屏显示

而且，AI 还降低了学习某种技术的门槛。以前学习知识点遇到问题，在网上搜了又搜，到处请教，都不一定能得到有效的解释。现在不同了，虽说不能保证 AI 给出的答案一定准确，但你可以要求它提供答案的依据，比如它是从哪篇文章总结出这个答案的，这样你只需进一步甄别就行。在这种情况下，只要你想学，学习任何技术都不是难事。

除了在项目开发和学习方面，AI 还有一些有趣的设想。在 AI 智能体出现之前，我就琢磨过，以后能不能有个 AI 智能体当我的 “替身”。把我所有的信息都喂给它，让它替我完成一些工作，比如写文章。我自己写文章时，对话题的看法、行文风格是怎样的，就希望 AI 智能体写出来的文章也符合这个风格。等把这个 AI 智能体训练到一定程度，说不定都能替我去公司上班。

但这个想法存在不少问题，目前能想到的就有两个。一个是责任承担的问题，这和当下的自动驾驶类似，如果出了事，责任该由谁承担呢？这个责任归属不明确，就阻碍了这种设想的推进；二是温度的问题，人是有温度的，可 AI 有吗？现实中的很多事，对错并非像 1 + 1 = 2 那么绝对，对不一定全对，错也不一定全错，遇到这种情况，AI 真的能解决吗？

所以，综合 AI 在实际应用中的各种表现，AI 真的可以取代程序员吗？有这种想法固然很好，但想法需要生长的土壤，任何激进的想法，没有因地制宜，只能是失败的。

事实上，并不是 AI 取代了程序员，而是掌握了 AI 技能或者更有能力的人，淘汰了其他能力差的程序员。因此，在当前形势下，我们该如何增强自己的核心竞争力呢？

我认为，一方面，要做到知己知彼，既然想用好 AI，就得学习 AI 相关知识。另一方面，借助 AI 快速掌握更多技能，最重要的是提升解决问题的能力。

这里我说的是技能，而非单纯的技术。因为**技术好固然重要，但如果不能为业务增长提供帮助，那技术再好也没太大价值，现实就是如此，现在都在说降本增效，公司只想看到盈利。**所以追求技术无可厚非，但最好是在清楚认识到这一点的前提下进行。

因为近期在做一些行业客户群的数据分析，拿到600多条客户信息，需要对其进行分析。由于所在的是To B行业，所以只能先清理掉个人以及没有明确显示企业相关信息的数据。在此之后，需要基于这些企业名单，仔细分析各企业的情况。这可以通过爱企查的批量功能快速导出各企业的情况，但其要求模板中提供的企业名称必须是全称。

因此，我需要把剩下的500多条企业数据的名称一一补全。一开始是打算使用DeepSeek帮我基于关键词把企业名称补全，但反复验证后发现给的数据基本都是瞎编的。无奈之下，我只能一个一个查，具体操作是通过必应搜索关键词，比如“宁德时代”，然后从搜索结果中找到完整的企业名称“宁德时代新能源科技股份有限公司”复制到表格中。

可是，如果只是几十条数据还好，这500多条数据，我要查到猴年马月了，这人工操作实在太繁琐，而且效率太低了，实在忍不了，就想着怎么把这一整个流程实现自动化。

通过DeepSeek查了下，可以使用Python实现，但我没学过Python，不过编程语言嘛，大同小异，就依葫芦画瓢，把教程走一遍。最开始是打算使用必应搜索API实现的，因为必应搜索API可以免费使用，虽然有额度，但对我来说已经足够。但在开通相关服务时需要用到VISA卡，各种操作实在太麻烦了，只能研究其他方案。结果好几个方案验证都行不通，我都打算放弃了，想老老实实一个个查算了，但昨晚回去又研究了一下，发现Selenium可以实现这个需求。

2. 需求描述

1. 有一个.txt文档用来存放关键词，有一个.xlsx表格用来存放输出的结果，表格格式包含两个表头：关键词、企业名称。

2. 代码读取.txt文档中的关键词，依次通过必应搜索，将结果中来自爱企查的信息补充到表格的企业全称中。

3. 对于来自爱企查的结果，去掉后缀“ - 爱企查”，只保留企业名称内容。

4. 因为来自爱企查的结果通常很精准，所以第一次执行时，得到的相关公司信息基本不会有问题。

5. 如果没有来自爱企查的结果，则可能是关键词信息有误，这种情况下只能默认选择第一个出现的企业名称。待全部匹配输出成功后，再通过人工逐一确认。由于这种情况通常不会很多，所以工作量相对较小。

6. 提供一个变量，可以控制是否要获取来自爱企查的结果。如果设置为“是”，则限制结果必须来自爱企查；否则选择必应搜索第一个出现的企业。

3. 项目地址

GitHub - dstweihao/bing-aiqicha-scraper

4. 项目结构

bing-aiqicha-scraper/
├── keywords.txt         		# 输入关键词文件
├── 企业名称清单.xlsx  		      # 输出文件
└── run.py     					# 主程序

5. 依赖安装

脚本需在Python 3.6及以上版本运行，检查Python版本：

python --version

创建虚拟环境：

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

安装核心依赖：

pip install selenium webdriver-manager pandas openpyxl

其中，各依赖说明如下：

6. 脚本代码

./bing-aiqicha-scraper/run.py

from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.common.by import By
import pandas as pd
import time

# 配置参数
with open("keywords.txt", "r") as f:
    search_keywords = [line.strip() for line in f.readlines()]
output_file = "企业名称清单.xlsx"
USE_AIQICHA = True  # 模式切换开关：True=仅爱企查结果，False=普通模式

def bing_search(keyword):
    # 动态构建查询URL
    query = f"{keyword}+site%3Aaiqicha.baidu.com" if USE_AIQICHA else keyword
    driver.get(f"https://cn.bing.com/search?q={query}")
    time.sleep(2)
    
    try:
        # 根据模式选择元素定位器
        selector = 'li.b_algo h2 a[href*="aiqicha.baidu.com"]' if USE_AIQICHA else 'li.b_algo h2 a'
        result = driver.find_element(By.CSS_SELECTOR, selector)
        
        # 统一清理企业名称
        clean_name = result.text.split(' - 爱企查')[0].split('【')[0].strip()
        return clean_name, "爱企查" if USE_AIQICHA else "普通结果"
        
    except Exception as e:
        if not USE_AIQICHA:
            # 普通模式降级处理：尝试获取第一个结果
            try:
                fallback = driver.find_element(By.CSS_SELECTOR, 'li.b_algo h2 a')
                return fallback.text.split(' - ')[0].strip(), "普通结果（待确认）"
            except:
                return keyword, "未找到"
        return keyword, "未找到（爱企查）"

# 启动浏览器
driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()))

# 批量处理（修改结果记录部分）
results = []
for kw in search_keywords:
    name, source = bing_search(kw)
    results.append({
        "关键词": kw, 
        "企业全称": name,
        "来源": source  # 新增来源标识列
    })
    print(f"[{source}] {kw} -> {name}")

# 保存结果（增加列排序）
pd.DataFrame(results)[["关键词", "企业全称", "来源"]].to_excel(output_file, index=False)
driver.quit()

7. 运行验证

在网上随机找了一些企业进行验证，关键词示例如下：

极光动力
上海明我
易能数字能源

仅爱企查结果：

普通模式：

8. 真实应用

在真实使用过程中，可以结合企业微信文档进行操作。首先运行第一次查询，拿到“仅爱企查结果”。然后，通过爱企查的批量查询功能，将第一次查询得到的全部数据导入，进行批量查询。接着，从爱企查导出的表格中，筛选出“经营状态”为--的条目（这些通常是无效或无法查询到的企业信息），并将这些条目复制到爱企查的导入模板中，再进行第二次导入，这次可以使用普通模式。这样基本能简化很多工作量。