关于 AI 操作传统软件的一些思考

个人理解目前 AI 调用工具分为三个层级：

第一层级. 模型训练的时候已经内置了相关的知识，比如 shell 、python 等 curl 、find 、vim 配置、tmux 配置等，通过简单的 tool prompt 即可达到很好的效果

第二层级. 间接通过 cli + skill 的形式，通过 shell 间接调用接口、修改数据

第三层级. 操作通用的基座能力，比如 computer use 通过系统的某种能力操作 gui 软件，通过 chrome 插件、agent browser 之类的可以指导 agent 操作所有的网站，以及豆包手机等

这三种层级每一层都比上一层的效果更差、更不稳定、消耗更多的 token ，但是通用性更强。

通用 agent 追求的是类似 javis 那种统一入口操作一切，但是现实层面有很多技术上、安全上、公司利益、agent 能力上的冲突。

有没有可能未来一段时间的趋势发生变化，开源模型的能力达到一定的高度，传统软件通过微调模型 + 专用 agent 聚焦于特定的问题会是主流趋势，小到 IDEA 内置 agent 更高效的理解和修改代码，大到操作系统、浏览器内置 agent 更高效的操作软件和网页，软件行业迎来第二春，而不是模型通吃一切