（1）过去

写一个应用，不外乎：交互层、逻辑层、数据层。

交互层：过去都是表单（Windows/Web/APP），现在增加了一个对话框，其实和过去命令行交互本质神似。

逻辑层：过去写Java/C#/Python代码，现在用中文自然语言提示模板生成Python代码

数据层：
结构型数据：数据层访问数据用SQL、逻辑层访问数据用API JSON。当然，EXCEL格式的结构型数据也需要做EXCEL读取才能访问
内容型数据：内容型数据有WORD/PDF/PPT，需要做文档解析才能机器读取访问

（2）现在

字节的Coze空间可以开发智能应用：
一种是简易的：通过对话框，输入中文自然语言提示模板，选择深度思考探索模式，从网上联网爬取搜索你想要的信息或者你上传自己的信息（如WORD/EXCLE），AI就会按照你的提示模板要求自己加工信息，必要时还自己生成python代码来帮助自己加工信息，然后输出结果。遵循的就是一般的：获取信息-加工信息-呈现信息这三个环节。

另一种是更复杂的：
交互层：你可以在Coze中画UI表单
逻辑层：你可以写中文自然语言提示模板生成python代码逻辑，你也可以通过MCP API来接入你过去已经有的逻辑
数据层：你可以在Coze中的知识库上传自己的所有文档，你可以在Coze中的数据表/飞书多维表格中录入自己的数据，你还可以通过MCP API JSON来访问你过去已经有的数据库。

（3）需求

过去用户提需求，产品详细设计人员得把用户需求再转换、再细化成计算机编程人员能够看得懂的产品功能编程任务。
现在这个鸿沟正在逐步缩小。

去年我还反复自己折腾提示模板，看怎么写才能让AI大模型吐出我想要的东西。今年我已经不写了，让AI大模型自己去优化它能识别的最优秀的提示模板。
我现在写中文自然语言提示模板都是这么干的：请把以下内容优化成提示模板，并且输出Markdown格式。
就这么简单。现在AI大模型已经具备这个成熟能力了。

为啥现在给AI大模型的提示模板使用Markdown格式呢？就是因为XML、JSON都是给机器看的，不是给人看的。而中文自然语言是给人看的，但不是给机器看的。而Markdown恰好是对人也友好、对机器也友好。

今天早上有朋友问为什么编程语言大多来自国外？我说因为英语是他们的母语，他们搞编程语言，与搞一个写文章规范是一样的。他们写代码，和写文章思路是一样的。我现在用人工智能提示模板，也出现了和写中文说明文一样的感受了。

（4）实现

最近一年，LangChain扩展为一个技术栈体系LangStack，基于LangStack人们又做了整条Agent开发工具链LangManus，字节又基于LangManus做了所谓更好用的DeerFlow。

DeerFlow这套开发工具链，内置集成了通常的Agent角色：
如规划员：主要职责和能力就是把中文自然语言提示模板分解为计算机可以执行的任务
如研究员：主要职责和能力就是联网爬虫或搜索
如开发员：主要职责和能力就是生成编程代码
如报告员：主要职责和能力就是生成网页或图表
如协调员：其实就是类似项目经理，管理和调度上述那么多规划员、研究员、开发员、报告员

而上述的规划员、研究员、开发员、报告员，想要完成它自身的工作，一是调用一些现成的工具，如爬虫、如解析OFFICE文档，二是需要通过Function Calling的形式调用大模型的API，让大模型帮它生成编程代码、生成网页、生成图表。

（5）集成

当然，世界的需求是千奇百怪无穷无尽的，所以无须什么都自己搞。如果在Agent应用商店里已经有了现成好用的Agent，其实调用它们的能力即可。
今年谷歌作为领导厂商制定了A2A标准，希望大家都遵循，这样Agent之间就可以顺畅地调用了。

（6）集成

世界上的信息也呈现冰山效应，不在公开互联网上的数据比公开互联网上的数据多N倍。他们大多放在现有的应用中。

如何访问现有应用的数据，今年MCP标准协议获得了业界广泛的支持。现有应用开放一个标准的MCP API，把数据从数据库中取出来然后输出成JSON格式，然后通过MCP协议输送给大模型。

如何调用现有的应用逻辑，比如生成订单、比如发起支付，还是通过MCP标准协议。你把生成订单、发起支付的功能逻辑包装成标准的MCP API，这样就方面大模型生成代码、代码中调用这些你的生成订单、发起支付的逻辑了。

（7）警惕

我是这么一个观点：不管是互联网、移动互联网、云计算、AI，都不是专门为解决企业内部管理而产生的技术。

所以，这些技术，企业内部管理，能用上就在合适场景中用上，用不上也自然。

所以，大家不用焦虑，也不用硬靠。更无须耻笑它。发挥AI它的长处，干它所擅长的事就好了。

AI的上半场（2015-2025）是识别：文字识别、语音识别、图片识别，所以产生了AI四小龙。不知道在过去AI十年，大家在企业场景中落地如何？

AI的下半场是生成：文生文、文生音、文生图、文生视频。面对AI的这些优点能力，大家打算在企业场景中怎么落地？