agent能取代爬虫么

现在 ai 数据提取已经进化到这种程度了，一个能自主浏览、自动挖掘全网数据的 a 阵的来了，你只需要告诉他你要什么数据，他就能再在复杂的网站里自己摸索、翻页、跳转，把信息捞回来。这简直是网页数据收集的终极形态。 不用纠结网址，甚至不用给具体入口，你只需用自然语言描述你要的数据，他就会自动全网搜索、多步导航、跨页采集， 把那些藏在深层页面、普通 a、 p i 根本够不到的数据，统统打包成结构化结果给你。从销售获客到数据及构建，从电商笔架到市场监控，他专攻那些难搞的数据源头。这不是简单爬虫，而是一个能把整个开放网络变成可编程数据源的智能体。

你能想象，曾经带头反对爬虫的老大哥 cloud flair， 现在竟然亲自下场，用一个 a p i 就 把整个网站给你爬下来。一切为了进化成 agent 的 基础设施，刚刚推出了一个全新的 crawl 接口，你只需要发起一次 a p i 调用，提交一个起始网址， 它就能自动发现渲染整个网站的所有页面，然后把内容用 html、 mark 等或者 json 格式打包好还给你。不需要你自己写脚本，更不用管理浏览器，相当于帮 ai 把人看的网页提前预处理成了极其爱吃的数据，让 agent 理解信息更快，成本更低。曾经的反爬卫视主动为你爬取全网，一切只为了迎接 agent 优先的时代。

oppo klo 前段时间火爆全网，大家看到了 ai a 镜的生产潜力，从过去只会聊天到真的可以帮你干活。对于普通人来说啊，想真正的用好 a 镜的，我建议先从 klo code 开始，一 方面它更容易上手，整体操作对新手来说也会更加的友好。另一方面它在全新的控制和安全边界上也更加清晰，对小白来说也会更加省心。那么 klo code 到底是什么呢？简单来说啊，它是 arduino 公司推出了一款 ai a 的 工具。 很多人看到 code 这个词啊，以为它只能用来写代码，其实它能做的远不止于此。问答写作、数据分析、自动爬虫、文件管理，甚至剪视频它都能搞定。 那么卡扣到底怎么安装？本期视频专为零基础小白打造，我将分别在 windows 和 mac 两个系统上，手把手为你带来卡扣的国内网络环境安装教程 windows 安装教程一环境准备首先呢，来到 loggs 的 官网，然后点击下载，接着选择适合自己电脑的安装包下载， 稍微等待一会儿，它就下载完成了。打开文件，点击 next， 勾选同一条管，再一路点击 next 就 安装完成了。安装完成之后呢，我们先来检验一下它有没有安装成功。在搜索栏找到 windows power shield， 然后右键管理员身份， 在终端里输入 node 空格杠 v， 我 们看到它输出了版本号没有问题， 再输入 npm 空格杠位，这个时候可能会出现报错。其实这个报错原因很简单， windows 系统为了防止电脑中病毒的默认，就锁死了所有脚本文件的运行权限，包括 npm。 用到脚本，咱们只需要简单修改一下权限就好了。 那首先呢，我们先输入下面这串指令，这个指令就是看看系统现在安全规则是不是把所有脚本都禁止了，正常情况下会显示一个 restrict 的 的英文字母，意思就是全禁止。接着输入下面这串指令， 这一行指令就是把系统的安全规则改写成允许本地的脚本运行，外来的陌生脚本人要验证，那既不影响咱们使用 npm， 又能保证电脑安全。接着呢，输入 y 并回车确认一下，然后我们再来验证一下，输入 npm 空格杠 v 显示版本号安装成功。 那接着呢，我们来到 get 的 官网，点击下载，选择适合自己电脑版本的安装包下载，这个下载可能比较慢，大家要稍微等待一下，那下载完之后呢，我们就点击安装，一路点击 next 的 就安装好了，安装的时候要注意啊，一定要选择默认的路径，不要改动，不然后面会出现环境报错。二、安装 coco 的 我们首先需要设置一下镜像源，用来确保的国内能够直接下载到，我们还是在搜索栏找到 windows power shell， 然后右键管理员身份打开，在终端里输入下面这串指令，接着在终端里再输入这串指令，那稍微等待一下， 我们来验证一下有没有安装成功。输入 cloud 空格杠 v 显示有版本号，就表示安装成功了。三、配置模型， 卡奥扣的默认模型是靠的，但是国内很难用上，目前国产模型也挺好用的，就比如 g m 五， k m k 二点五， m 二点七等等。 那首先呢，我们需要下载一个 cc switch 的 软件，目的是方便给卡奥扣的配置模型。我们来到 cc switch 的 仓库地址，然后点击右边的 releases， 接着我们往下滑，找到 windows 版本的软件压缩包，点击下载。 在完成之后呢，我们点击它，点击运行，然后点击添加供应商，那你在哪家模型厂上买的，你就可以点开它， 然后你再去买你厂商管理后台，找到 api k 的 这类选项，然后呢，复制你的 api k， 接着回到 cc switch 去粘贴， 点击添加，这样就配置好了。四、启动 call code 我 们只需要打开终端命令行，输入 call 回车，他就能够出现了。第一次打开的时候呢，他会出现一些选项，这些选项你直接按回车就好了。接着我们只要在这个黑窗口输入自然语言，他就能帮我们写代码，操作电脑文件等等。 mac 安装教程一、环境准备首先来到了 loggs 的 官网，然后选择适合自己电脑的安装包下载，然后一路点击安装。 安装完成之后呢，我们先来验证一下它有没有安装成功。搜索终端，打开终端，输入 log 空格杠 v 显示版本号，安装成功。 接着呢，输入 npm 空格杠 v 显示版本号，安装成功。接着我们再输入下面的这段指令， 目的呢是把 npm 的 安装位置换成你自己有权限使用的目录，让系统能够正常的找到并运行 npm。 二、安装 cloud code 我 们首先需要设置一下镜像源，用来保证国内能够直接下载到，在终端里，输入下面这盘指令，接着呢，再输入这段指令，等待它安装， 接着我们验证是否安装成功，输入 cloud 空格段位显示版本号，安装成功。三、配置模型 auto code 的 默认模型是 call 的， 但是国内很难用上，目前国产模型能力也挺不错的，就比如 gm 五 k 二点五， m 二点七等等。那首先呢，我们需要下载一个 cc switch 的 软件，目的是方便给 carco 的 配置模型。我们来到 cc switch 的 仓库地址，然后点击右边的 releases， 接着我们往下滑，找到 mac 版本的软件压缩包，点击下载，下载完之后呢，我们点击它，这个时候显示安装不了，这个时候我们回到设置，然后找到隐私与安全性，往下滑，点击人要打开， 然后输入密码，安装之后点开它，然后点击配置模型，你在哪家厂商买的，你就点开它， 然后你再去你买的厂商的管理后台了，找到叫 apikey 的 这类选项，然后复制你的 apikey， 接着回到 ccs 文件里粘贴，点击保存，这样就配置好了。 四、启动 cloud code 我 们只需要打开终端命令行，输入 cloud 回车，它就出现了，第一次打开的时候，它会给一些选项，这些选项直接回车就好了。接着呢，我们只要在这个黑色的窗口输入自然语言，它就能帮我们写代码，操作电脑文件等等。 另外他这个时候可能会弹出一个 get 的 下载要求，这个时候我们只需要点击下载就好了，这是因为拷拷的需要 get 这个环境。 安装小技巧，由于各个电脑不太一样，所以会出现各种各样的错误，这个时候我们打开豆包或者是 jimmy 这些模型啊，遇到任何问题，你都可以把报错复制给他，然后让他帮你看一下怎么解决。另外，你可以向 ai 要视频里面的终端命令，前提是你给他说清楚你要的具体命令是什么， 把背景或者是截图扔给他，然后直接粘贴他给的终端命令就好了，不需要一个字一个字的敲。再比如你不知道 cc switch 的 仓库地址，你也可以问他，他直接会给你一个仓库地址。好了，以上就是本期视频的全部内容了，那下一期视频呢？我将给大家带来拷扣的一些基础教程，帮你更好的使用这款神器。

spad code 是 专为 a 级的优化的爬虫 api， 它的目标不是给人看，而是给 ai 为数据。对十二类 ai 应用来说，速度就是生命，传统的网页自动化工具太重太慢，太容易被封了。 spad code 的 不仅仅是爬虫，它是 m 的 数据饲养员，它可以把互联网变成 ai， 可以 直接阅读的大型数据库。 我们来开个测试。左边是传统的爬虫工具，还在慢动作的去宣传广告，而右边呢，是 spad 已经把一百个页面的精华全部给 m 的， 而且它的调用也只需要几行代码， 你的 a 就 能拥有了即时阅读互联网能力了。不需要维护一个复杂的脚本， red code 能够让实时获取全网数据变成可能，这也是构建下一代 a 技能应用的一个基石。如果你也对这个项目感兴趣，欢迎去体验一下，我是安迪，教你用 ai 制作更多自由。

拖拽十分钟就能拥有一个二十四小时在线的 ai 助理，这事听起来很离谱，但我照着扣子搭建 ai agent， 零基础实战，一步一步做了一遍，真的能实现。这本书最大的特点就是不用写代码，所有操作都是可化的， 你只需要像搭积木一样拖拽模块，一个能真正工作的 ai 智能体就搭好了。很多人学智能体最大的问题就是课程看了很多，但一到实操就卡在部署环境配置，这本书直接把这些门槛全拆掉了。照着案例做，你可以很快搭出帮你写小红书文案的内容助手，自动整理客户信息的工作助手， 甚至是能长期帮你处理任务的 ai 助理。关键是全程零代码，可示画操作，每一步都有截图演示、流程拆解、重点提示，基本是照着做一遍就能跑起来。很多人以为让 ai 替你打工是程序员的特权， 其实普通人也可以自己造一个出来。如果你不想只停留在会用 ai， 而是想真正拥有属于自己的 ai 助手。这本用扣子搭建 ai agent， 就是 目前最容易上手的一本实操书。

网上都吵翻天了，说 agent skills 要把 m c p 干掉，如果你还在为这次刷各种碎片信息，那今天这条内容你可得看好了，咱们就用最短的时间一次性给你讲明白，让你彻底搞懂这场技术路线之争核心到底是个啥。 你肯定在网上刷到过这句话吧， skills 已经杀死了 m g p。 哎呦，这口气相当绝对啊，很多技术博主都这么说，听起来好像这次已经板上钉钉了，但这真的是全部的真相吗？还是说这里面有什么我们不知道的故事？它俩之间真的就是有你没我你死我活的关系吗？来，咱们今天就来深挖一下。 行，要想看懂这一出戏啊，咱们得先来认识一下第一个主角， m c p， 这到底是什么来头？ m c p 全称叫模型上下文协议。哎，你别被这个名字给糊住了，它的概念其实特别简单，你就把它想成是 ai 界的 type c 接口行不行？ 它就是开放标准，一个通用的语言，让所有的 ai 模型都能用一个法子去连接外部五花八门的工具和数据，多方便。 看它的工作原理也超级直接。你的 ai 应用就是那个宿主，它里面呢，会有一个客户端，然后这客户端就一对一的连上一个外部的服务器，最后这个服务器就把各种工具啊数据啊全开放给 ai 用，就这么三步，清清楚楚明明白白。 那 m c p 的 超能力是啥？我告诉你，它解决了一个让所有程序员都头疼的不行的问题，就是那个 n 乘以 m 的 集成噩梦啊！你想想看，以前啊，你有 n 个 ai， m 个工具，你就得搞 n 乘以 m 四的对接，那工作量简直了。现在呢，有 m c p， 只要 n 加 m 四就够了，这效率直接是指数级的提升啊！酷步 好，咱们搞懂了 m c p 这个万能连接器。接下来我们再来看看另一位主角， agent skills， 也就是 ai 的 私家战术手册。 agent skills， 你 完全可以把它想象成一个专门给 ai 装备的技能包，或者说武功秘籍。它其实就是一个文件夹，里面装满了各种指令和资料，目的就一个手把手的教会 ai 到底怎么一步步的去完成一个特定的任务，就像一本超级详细的操作手册，或者说高手给你喜好的游戏攻略。 那这个技能包里都装了些啥呢？说出来你可能不信，简单到家了。核心就是一个叫 s k l 点 m d 的 文件，你看，上面是名字和描述，下面呢，就是用大白话写的一步步的操作指南。当然了，你也可以往里头塞点脚本啊，参考文档啊，让它变得更厉害。 而 skills 的 超能力，我跟你说更绝。它有个设计叫渐进式批录，这个设计简直是天才，它直接就解决了早期 ai 工具调用最大的一个痛点，那就是 token 太高，你看它怎么做的。第一步，发现 ai 就 只看个技能名和简介，几乎不发 token。 第二步，激活，哎，真要用这个技能了，它才去加载那个详细的指令文件。最后一步，自信需要什么参考文件，再读什么，用多少读多少，这不就是把每一分钱哦，是每一个 token 都花在了刀刃上吗？ 所以你看一个呢，是负责连接外部世界的外交官，另一个呢，是负责传授内部知识的老师傅。那他俩到底是死对头还是天生一对？别急，最精彩的反转马上就来，准备好了吗？答案可能会让你大吃一惊，搞出这两个标准的根本就是同一家公司！对，就是那个大名鼎鼎的 on topic， 人家当初创造他们就是为了解决两个完完全全不同的问题，根本就不是让我们来玩二选一游戏的。来看这张对比图，一下就全明白了。 m c p， 你 可以理解成是 ai 的 手和脚，他的任务就是伸出去连接外部世界，搞定工具和数据。而 agent skills 呢，更像是 ai 的 大脑和剧本，是给他灌输内部的专业知识和工作流程的。所以你看，一个管外部能力，一个管内部智慧，这俩压根就不是竞争关系，他们是天生的黄金搭档啊！ 好了，现在真相大白了，那咱们在实际开发的时候到底该怎么用呢？来，别想了，你的行动计划在这直接操作页就行，什么时候用 m c p？ 记住这几点， 第一，你要跟外部系统打交道，比如 a p i 数据库、各种下册工具。第二，你对安全性和进城隔离的要求特别高。第三，你想要一个工具，能被好几个不同的 ai 平台一块用，只要满足这几点，想都不用想，直接上 m c p。 那 什么时候轮到这个优势上场呢？也记住三点，第一，你想把你们团队独有的工作流程、专家经验交给 ai， 比如说咱们团队的代码审查流程。 第二，你需要保证 ai 干活的步骤是统一的、规范的，不能瞎来。第三，透坑成本是你最关心的问题，得省着花。那这种时候， skill 就是 你的不二之选。 但是最牛的、最高级的玩法是什么？当然是两个都用。记住这终极模式，先用 m c p 给 ai 和外部工具之间搭好一座坚固的桥，然后再用一个 skill 来仔仔细细地告诉 ai 应该如何按照你的规矩去走过这座桥，去使用这些工具。这才是构建顶级 ai a 阶的正确知识。

自动化程序收集数据，也就是咱们常说的爬虫，到底哪些能做，哪些不能做？最近看了国家数据局的一些官方解读，发现很多做小项目、搞创业的朋友都误以为公开数据可以随便爬。 比如上海的王某开发了一款爬虫程序，他破解得物 app 的 防护措施，从平台上抓取数据去售卖，短短两年时间，获利六十余万元，但是最终也构成犯罪，判了有期徒刑三年，罚款八万元。 其实，用自动化程序收集公开数据本身是被支持的，毕竟这也是数据获取的重要方式，但是要守住四条红线， 第一，不非法入侵他人的网络，未公开的数据别乱爬。不破解账号权限，不违反平台规则，比如平台设定的用户协议、 robo 协议都不能违反，更不能触碰涉密内部网络。第二，不干扰网络服务的正常运行， 爬数据要控制好采集频率，控制好流量，别因为自己的采集导致平台服务器卡顿、荡机。 第三，不破坏原有的防护措施，伪造访问标，使用代理 ip， 破解平台反扒机制，规避防护屏障，这些操作都是违法的。 第四，不损害个人和组织的合法权益，不侵犯他人的知识产权、商业秘密，不泄露个人隐私，更不能用爬来的数据去代替原平台的产品和服务。 王某的案例刚好踩了两条红线，一是破解了平台的反爬机制，二是损害平台的合法权益，构成了不正当竞争。 那么爬来的数据如何能合法合规的使用？第一，要看基础使用权， 不可以持有，也可以内部使用，比如用来做自身业务分析，训练模型，或者整理成自己的资料，这些都可以，毕竟咱也付出了劳动，而且也不会影响原有数据方的使用。 第二，想变现，想对外提供，有个前提，必须在原有基础上要进行创新性开发，形成新的数据产品，而且不能替代原平台的产品和服务，否则还是违规公开。爬数据要记住十二个字， 不入侵、不干扰、不破解、不侵权。希望以上经验能给大家带来一些启示，谢谢大家！

兄弟们，大家都听过爬虫对吧，但就是不知道他是做什么的，今天给大家啊，一次性讲清楚， 你们看过孤株一志吧，马仔对着电脑喊着爬字幕，煮资料，爬邮件， 但这个是违法的啊。今天给大家讲讲爬虫工作上的样子，还把入门要学的具体技术讲透，想入坑的继续听啊，我讲给大家听啊。 其实爬虫就是互联网信息抓取技术，提前给他定好规则，他能自动逛网页，爬数据，爬信息，不用人手动一个一个翻，效率直接拉满， 生活里面用处贼多。做电商的，想查同行的爆款销量数据，上千上万个品手动根本看不过来，爬虫一上啊，全抓过来， 哪个月卖的好，销量多，分析起来特方便。做量化金融的，需要抓过往的数据找工作啊，爬全网招聘信息啊对吧，按薪资来排序，甚至找低价商品，纯图片视频， 爬虫都能搞定，说白了就帮咱们高校撸互联网上有用的信息。 想做爬虫，首先编程语言肯定是 python， 上手快啊，爬虫相关的工具库还多是从业者的标配。那具体要学啥？新手入门其实门槛不高， 先把 python 基础打牢，掌握基础语法，循环函数这些核心内容就行。接着学爬虫核心库啊，请求数据的 request 对 不对， 解析页面的必复速谱和 express 这几个必学啊，能搞定大部分基础爬取需求在懂点简单的页面知识，比如 html 结构， 知道咋找想要的信息位置，就能够入门练手了。不知道怎么学的，可以看看我前面发的那一条，大家不要一上来就很复杂的，先跟着练几个小案例，比如爬个商品信息，爬个资讯列表， 熟练了再慢慢进阶。这里面提一句，爬虫本身是中性技术，技术本身是不违法的，但要是乱爬违反网站规则啊，偷爬公民的隐私，那肯定是出了红线的。 咱学这个技术是为了正经做事挣钱的，可不是走电影里面的歪路子。其实爬虫岗位就是把这个技术用在商业分析、信息整合上，帮企业高效拿数据。真没有那么神秘， 我就想问问大家有没有啊？早就想学爬虫的，却不知道从哪里入手的，或者对这些技术感兴趣的啊，大家有什么问题都可以问。

ai agent 操作系统横屏二零二六年三月二十二日今天来聊三个硬核项目。短短一周， github 上冒出了三个 agent 的 操作系统 stars， 全都超过一点五万， 一个来自英伟达，一个主打开原生态，还有一个直接喊出要取代人工公司，到底哪个更靠谱？ 看完这篇视频，你就有答案。第一个， nemo cloud 来自英伟达 stars 一 点五万成立仅一周，它解决的问题很直接，让你更安全地运行 open cloud。 mvita 亲自操刀，企业级安全防护推理全部在本地完成。如果你需要企业级 ai 部署， nemo cloud 是 唯一选择。第二个， open fun， 中文名叫方阵 stars， 一 点五万是开源生态的代表作，它自称 agent 操作系统， 内置 mcp 协议，支持 rust 语言开发，性能和安全都拉满。而且它完美兼容 open claw 社区，非常活跃。如果你想要开源，可定制 open 坊，值得试试。第三个， paperclip， 名字很清亮，但野心非常大。 stars 高达三点一万，是这三个里的顶流，他的口号是，打造零人工公司。什么意思？ ai 自动处理文档、代码运营，所有流程全部 ai 接管，目前已经有四千多个 fork 社区，高度活跃。如果你想看看 ai 公司的未来长什么样， paperclip 就是 答案。总结一下三款工具的特点，尼莫克拉等于英伟达背书加企业级安全， openform 等于开源生态加 mcp 协议加 rust 性能。 paperclip 等于最高人气加零人工公司。理念选哪个取决于你的场景。那么问题来了，你用哪个工具？是追求安全的尼莫克拉？还是开源灵活的 openform？ 还是跟随三万星社区的 paperclip 评论区告诉我你的选择。务实赛博杨千焕，觉得有帮助的话记得点赞加关注，我们下期再见！

很多人都在讨论，在这个时代，马农的工作正在被 ai 取代，但是你们知道吗？上个礼拜我个人百分之八十的工作都是用 ai 完成的， 这不禁就让我思考，我的活要是 ai 都能做了，那我干嘛呀？所以今天想跟大家分享一些我的思考吧，关于将来我的工作会怎么做，或者是未来的公司有可能是什么样的框架。大家也知道我接触麦克令已经一年多了吗？并且也做了很多小项目， 但是在这周之前，他们都是我工作之外的课余爱好。然后从上周开始，我终于用上了公司的 token， 并且大吃一惊，我惊喜地发现 ai 可以 替我写 sql 来抓取数据，然后利用各种统计学的方法 来写 python 或者 r 来分析数据。最后呢，还能以一个 business analyst 的 身份，把所有的背景研究和结果写成一个 memo。 任何一个管理层或者高管就可以直接来读这个 memo， 来了解整个公 过程，并且帮他们来做接下来的战略决策。我觉得这些伙伴放在一个全人类的团队可能需要一周左右，并且因为他们是几个不同的能力，也可能会需要两到四个人。但是就一个 ai agent 一下子就把这些全部都搞定了， 并且还给我留下了足够的时间来怀疑人生。 ai agent 的 执行能力和速度让我感受到了一种前所未有的力量， ai 都这么厉害了，还要我干什么呢？我总结出的三个我能做的事情，一个就是选择研究方向，还有就是做质量检查 qa， 第三个就是来做这个最终的决策方向。很好理解了，任何一个公司都可能同时有成千上万的可以研究的方向， 我们可以通过自己的经验跟逻辑跟分析和对整个公司和商业模式的理解，来挑出那些最值得研究的方向。并且我们可以设定自己的 hypothesis， 自己的假设，让 ai 来调取数据来支持或者反驳这个假设。但是 ai 最起码现在吧， 他自己对公司的了解是有限的，所以他不太能，也不太适合来自己选择一些战略的方向。那第二个呢？关于质量检查， 虽然 ai 是 聪明的，但是它也不是万能的。在我让 ai 做这一系列的分析的时候，我在每一步都会去认真的读它的过程，并且我会去挑战它。假如说你抓取的这些数据是否有 bias， 或者是利用这个 statistical technique， 是 不是就有一些盲点？的确，在我提出怀疑或者是挑战之后呢？ ai 也会去 offer 去做一些 sensitivity analysis， 或者是去多跑几个不同的方式来确认它最终的结论。那第三个呢？当然也就是做决定 虽然很聪明，但是他没有担责任的能力。其实做一个战略的决策，他不只是看一套分析，一般决策者还要去了解这个公司的过往，他现在所在的市场，公司同时内部在做的其他决策，或者是公司未来的一些方向和愿景。所以最终的这个角色还是需要一个人类来做的。 下一个我觉得很有意思，就是我的第一反应是说，哦， ai 是 不是不能替我开会？但其实我仔细想了想，其实没有必要开会，因为以前可能是一个团队四五个人先要对齐我们的这个分析目标，然后我在分不同的工作，然后每个组员做完，他们的一部分会交给下一个组员。 其实很多时间都浪费在人类的这种沟通和 handoff 上，可以说人类和开会就是效率的绊脚石。但是 ai 它自己就有所有的 contacts， 所以 它把所有的事情就一次性搞定了。所以 对于未来的公司架构，其实我有一点点猜测，我觉得更多的公司会变得扁平化，例如很多 vc 风投公司基本上就是两层的，要不然你就是一个分析师，要不然你就是一个合伙人， 那分析师就可以干活，他可以带领一群 ai 去把这个分析做好，去保证它的质量，然后合伙人就可以来做最终的这个决定。 对这样来说的话，未来我们就不太需要 middle management 这种中层管理。基本上一个分析师带领一群 ai agent 就 直接可以把最后的 memo 写出来，然后交给他的 partner， 然后 partner 就 可以做最后的决定了。但是这一天会不会到来，或者是什么时候到来呢？我也不确定，所以我们要拭目以待。

我真是没想到， ai 让美国科技股不断创新高的同时，居然对萨斯股产生了利空。过去十年，萨斯是资本市场最受欢迎的商业模式之一，但最近两年明显回落，原因也很简单，就是投资者开始担心 ai 会不会取代萨斯。不过也有机构开始给出不同 判断， ai 并不会消灭萨斯，而是会改变萨斯的价值结构。未来的软件行业很可能出现一个明显的趋势，估值大分化，有些软件却会因为 ai 变得更强。也就是说， ai 不是 在杀死软件行， 而是在做重新排序。 ai 首先会冲击到的是工具型 sas， 比如简单的客服设计、工具文案生成等，这些软件本质上解决的只是单点任务执行，而这恰恰是 ai 最擅长的事情。所以说，当 ai 可以 做工具的时候，工具本身就不再值钱。但与此同时， ai 也在强化另一类 sas 的 价值，那就是掌握数据和业务流程的软件 公司。因为对于 ai 来说，没有数据就没有智能模型再强，如果没有真实业务数据，它也只是一个聊天机器人。而 sars 公司恰恰拥有三样最重要的资产，用户数据、业务数据、 行业流程。这些东西往往是企业十几年甚至几十年沉淀下来的，特别是那些垂类， sars 多年积累的行业 no 号可不是通用型产品短时间可以获得的。所以，未来软件的核心竞争力大概率不再是功能竞争，而是谁拥有最多真实业务数据。 所以说啊， ai 时代最贵的不是模型，而是数据，是行业 no 号。再进一步， ai 不 仅改变软件价值，也在改变 sas 的 商业模式，过去的软件按席位、按时间期限收费，而 ai 时代的软件卖的是 api 调用次数、 a 证执行次数，甚至是经营成 果。也就是说，过去的软件卖功能，未来的软件卖结果。这种变化在零售行业尤其明显。过去电商软件主要做三件事，记录订单、管理商品配置、营销工具。但 ai 正在让这些软件变成自动经营系统。 ai 可以 自动生成商品图，自动制定营销策略，识别高价值客户，甚至推动成交转化。也就是说，过去软件只是记账的，未来软件会直接参与赚钱。在国内萨斯公司中，威盟是比较早提出 all in ai 战略的公司之一。二零二五年是威盟 ai 技术全面融入业务场景的关键一点。围绕零售行业，威盟逐步构建了一整套 ai 产品体。 y 是 ai 加萨斯核心平台，让 ai 成为商家经营的大脑。 ym 是 面向中小电商的一人电商 ai 工具，帮助商家自动生成内容、商品和营销素材。 ypro 是 面向企业客户的 ai 定制解决方案，把 ai 深度嵌入企业经营系统。 aiworks 三六五是一站式智能办公平台，让 ai 成为企业内部效率工具。同时，威盟还战略投资北美 ai 公司，真 store 点 ai 布局 ai 电商和出海业务。通过这一整套产品体系，威盟正在用 ai agent 重构商家的工作流程， 能力覆盖智能提效、智能经营决策和交互体验。 ai 不 只是停留在产品层面，已经开始真正写进微盟的业务数据和财报。在微盟二零二五年财报中，公司首次公布 ai 相关年度收入达到一点一六亿元，按全年总营收十五点九二亿元计算， ai 占到总额收入的百分之七左右， 占到订阅业务收入的百分之十三。更重要的是，二零二五年下半年，微盟 ai 收入达到八千二百万元，还比上半年增长百分之一百三十七点五，增速非常快。这种增长背后不只是概念热度，而是 ai 能力在真实商业场景中的快速渗透。 二零二五年全年 y 平均月活商户数同比增长百分之六十六点七，核心功能使用次数增长百分之七十七点八，新客交付期，使用 y 搭建店铺的商户数同比提升百分之一百四 十六点六。与此同时，轻量化 ai 建店工具 y 密累计用户已超过五十一万，活跃用户量同比增长百分之四百四十二点七。而在经营结果上， ai 也已经开始体现价值。财报显示，二零二五年双十一期间，使用 ai 导购的商家销售额同比增长百分之三十。这说明一件事情， ai 对 微盟来说 已经不只是技术升级，更是业务健康度改善和收入增长的新引擎。从短期来看， ai 可以 帮助商家从提效走向增收。从长期来看， ai 正在改变微盟的商业模型，过去微盟卖的是电商工具，未来微盟卖的可能是 ai 经营能力 真正实现让软件正在从工具变成经营伙伴。随着 ai 能力不断演进，并且和萨斯业务价值持续深度藕合，未来的软件形态可能会发生一次非常大的变化，商家只需要输入一个目标提升销售额，就可以自动完成选品营销、客户运营、成交转化。如果这种模式成立，萨斯行业的空间可 能会被重新定义。我的判断是，未来的软件不只是工具，更是企业经营的一部分。所以今天真正的问题从来不是 ai 会不会杀死萨斯，而是哪些萨斯公司能够活下来。未来的软件行业会越来越像一个金字塔，顶层的软件公司会掌握数据流程和行业知识，成为 ai 时代的基础设施，而底层的软件会被 ai 快 速压缩价值。如果这个逻辑成立，那萨斯行业未来最大的机会其实 不在工具软件，而在那些能够把 ai 和真实商业场景深度结合的公司，成为 ai 驱动的战略方向。

为什么用拍放的 seven 年网络爬虫会打不开网页？那是因为这个网页有反爬虫机制。不过不用担心，其实解决起来并不困难。比如你可以在代码中设置不同的 user agent， 以模拟不同的浏览器访问网站， 或者使用代理 ip 来隐藏真实 ip 地址，还可以在请求之间设置一定的延迟等。如果遇到了更复杂的反爬虫机制，比如说验证码模拟登录等，那就需要用到 ocr 库来识别验证码，或者使用 sso 库来模拟登录了。

今天我借助 ai 编程插件，手把手打造一款智能网页爬虫工具，这款工具主要依靠 call 四 ai 库来实现核心功能，接下来就带大家快速过一下整个开发过程。 本次实战任务顺利完成，后续会持续更新学习进度， 如果你们也在尝试用 ai 辅助学习新技能，欢迎在评论区打卡交流，关注我，一起变强！

哈喽，大家好，今天咱们来聊一个特别有意思的话题，就是一边是人工智能哇，炒的铺天盖地，好像要颠覆一切了。另一边呢，是像 salesforce 这样的企业软件巨头，股价却跌得不行，这到底是怎么回事？是炒作过头了？还是这些大公司真的要完蛋了？ 咱们就从这个数字开始看吧，负二十五 percent。 没错，光是今年 salesforce 的 股价就跌了这么多，你想想看，这可不是个小数目啊，市场一下子就慌了。所以这就引出了一个大家都在问的问题， 是不是这些老牌的大型软件公司真的要走到头了？在 ai 时代，它们还有没有未来？ 嗯，要搞清楚 salesforce 到底遇到了什么麻烦，咱们得把眼光放远一点儿。因为啊，这事不光是 salesforce 一 家公司的问题，可以说整个软件行业现在都陷入了一种巨大的恐慌之中。 你看这张图就特别清楚了，左边是 salesforce 跌了二十五 percent， 右边那个呢，是代表整个软件行业的一个指数基金也跌了百分之十七， 这就说明什么？说明整个行业都在撑压。而这背后啊，其实是有个很厉害的新故事，或者说新概念在影响着所有人的看法。 那这个新故事的核心主角是谁呢？就是这个东西， ai 智能代理。很多人都觉得这玩意可能就是下一个要颠覆一切的技术， 所以 ai 智能代理到底是个啥？简单来说，你把它想象成一个软件就行，但它跟你现在用的软件完全不一样，你不需要去点各种按钮，填各种表格，你直接给它一个任务，就像跟一个真人同事说话一样，它就能自己去一步步完成。 这就意味着，我们现在熟悉的那些复杂的软件界面，可能以后就用不着了。那谁在搞这个东西呢？主要就是这两家 ai 领域的零星创业公司， 一个是大家都很熟的 open ai， 就是 做叉 gpt 的 那个。另外一个呢，是 entropack， 这家公司特别值得注意，因为它从一开始就瞄准了企业市场，直接就要跟 salesforce 这些老巨头抢生意。 好，你看这威胁听起来是不是挺吓人的？感觉这些 ai 公司马上就要把传统软件给取代了。但有意思的事来了，就在大家觉得这事板上钉钉的时候，这些搞革命的人自己却出来说了点不一样的话。 你听听 anthropic 的 高管自己是怎么说的，他说，本来以为二零二五年 ai 智能代理就要大显身手了，结果发现这个想法太天真了，炒作的有点早。 你看，连他们自己都承认，要把这个技术真正在公司里用起来，比想象中要难太多了。 open ai 那 边也遇到了同样的问题，他们发现最大的挑战根本不是 ai 模型聪不聪明，而是你怎么才能把它真正的顺畅地整合到一个大公司的现有系统和工作流程里去。 这事太复杂了，复杂到他们自己都搞不定，还得去找专门的 it 咨询公司来帮忙。这就说明理想和现实之间有条巨大的鸿沟。 好，那既然挑战者们自己都遇到麻烦了，这就给了像 salesforce 这样的老牌巨头一个绝佳的反击机会，那么他们是怎么做的呢？他们其实有一个秘密武器， 你看这个数据就知道了， salesforce 自己也搞了个 ai 智能代理软件，你猜怎么着？他的收入在短短六个月里，就从四点四亿美金直接飙到了八亿美金，几乎翻了一翻。 对，你没看错，就是八十二 percent 的 净利润只用了半年时间，这个增长速度简直太疯狂了。你想想看啊，这跟他那个跌了二十五 percent 的 股价讲的完全是两个故事啊。 当然哦，你可能会说，这八亿美金跟 salesforce 几百亿的总额比起来，还只是很小的一部分，大概就百分之一左右没错，但重点不在于大小，而在于这个增长速度。 它就像一个风向标，特别清楚地告诉我们，大公司们到底是怎么一步步地把 ai 用起来的。所以，从 salesforce 的 故事里，我们就能看出来， 关于 ai 的 真实情况，可能跟媒体上说的那些天花乱坠的宣传不太一样。咱们得看看更宏观的数据，看看在整个经济体里， ai 的 落地到底是个什么情况。 这是美国官方的数据，非常能说明问题。你看，在所有企业里，真正在用 ai 的 只有百分之十八，就算是在那些超过两百五十人的大公司里，这个比例也才三十二，连三分之一都不到。 所以说啊， ai 的 普及是个慢工出细活儿的过程，为什么这么慢呢？经济学家早就告诉我们答案了，任何一项新技术的落地，都不是说你买个新软件装上就完事了， 不是那么简单的，你得重新设计你的工作流程，你的员工得学习新的技能，甚至还需要有一堆配套的新发明出来，整个系统才能赚起来，这需要时间。 而且这次的情况跟二十年前云计算刚出来的时候完全不一样了，那时候啊，很多老牌巨头根本看不上那些浏览器上的新应用，结果呢，后来就被拍死在沙滩上了。 但这次这些公司学聪明了，他们非常认真地对待 ai 这个威胁，并且在非常积极地把它变成自己的东西。 所以说最关键的一点是什么呢？就是 ai 这个新技术，它没法像个空降兵一样直接跳过那些现有的软件公司。为什么？因为这些老牌公司跟他们的大客户之间已经建立起了非常非常深厚的关系，这种关系就是他们最坚固的护城河。 所以聊到最后，真正的问题已经不是 ai 会不会改变商业世界了，它肯定会，真正的问题是它会如何改变。 我们现在看到的根本不是一个新王干掉旧王简单替代的故事，而是一个新旧势力互相融合、互相博弈的一个更腐败也更有趣的进化故事。而这个故事将如何发展，才是最值得我们期待和关注的。