AI模型与脚本程序的本质差异及应用

AI模型与脚本程序之间的联系，尽管AI模型同样由代码编写而成，但二者存在显著差异。AI模型的输出具有不确定性，而传统程序在相同输入下会给出确定的结果。

在日常工作中，许多需要思考的任务可以被AI替代或增强，例如撰写文档、编写代码或进行头脑风暴。

然而，工作中还存在大量重复性高、无需创造性但繁琐的操作性任务，如打包发布、点击部署应用、提交工单等。这类任务流程固定，不允许随意发挥，只需严格遵循规定步骤，非常适合通过编写固定程序来完成。

以提测需求为例，每次都需要打包镜像、复制镜像、打开对应项目、选择服务、修改镜像、提交代码、创建合并请求（MR），并将最终MR交给测试人员进行部署发布。

上述过程涉及大量繁琐操作，若仅处理单个服务尚可，但若涉及多个服务并重复多次，一小时便消耗殆尽。更关键的是，这些工作不仅浪费时间，而且枯燥乏味。

因此，我让AI根据上述流程编写了一个脚本程序。只需运行该脚本，即可一键创建MR，随后将MR交付测试同学即可。整个流程变得流畅高效。

--

进一步结合高级用法，AI加脚本程序可形成工作流（Workflow）。

工作流本质上是一段代码，其中部分环节由AI负责决策，相当于具有一定灵活性的脚本程序，也可以称为“受约束的AI模型”。

想到这里，我发现自己的工具可以升级为工作流，这应该会更有意思，明天可以尝试实现。

若有有趣成果，后续再与大家分享。

--

利用今日空闲时间，我让AI实现了一个既有趣又实用的AI原生应用，待完善后再与大家分享，哈哈。