AI编程工具实测：WorkBuddy与Trae功能对比评测
1、开发一款股票财务报表数据采集、分析与展示的应用系统，兼容A股、港股和美股市场
2、通过akshare的以下三个接口获取A股财务报表的三张核心表格
stock_financial_debt_ths,
stock_financial_benefit_ths,
stock_financial_cash_ths，
利用stock_financial_hk_report_em接口获取港股财务报表三张核心表格，
利用stock_financial_us_report_em接口获取美股财务报表三张核心表格
3、采集近十年的财务报表历史数据
4、利用pandas和matplotlib.pyplot生成以下可视化图表
1) A股：生成（销售费用率、管理费用率、研发费用率、财务费用率）趋势折线图
2) 生成多只股票毛利率趋势折线图（将00700【蓝色线条】,09988【橙色线条】,GOOGL【绿色线条】,META【红色线条】,MSFT【紫色线条】的毛利率呈现在同一图表中）
3) 港股、美股：生成（股东应占溢利、折旧及摊销、经营业务现金净额、自由现金流FCFE、已付股息、回购股份）柱状图；
同时统计并展示近10年及近3年的净利润总额，自由现金流FCFE总额，（分红+回购）总额；
以及自由现金流FCFE总额与净利润总额的比值，（分红+回购）总额与净利润总额的比值。
（其中，自由现金流FCFE= 经营活动现金流净额 - 购建固定资产 - 购建无形资产及其他资产 + 新增借款 - 偿还借款 - 偿还融资租赁）
5、提供一个操作界面输入框，用户输入股票代码（如茅台为"600519"，腾讯为"00700"，苹果为"AAPL"）；
提供“执行”按钮触发运行；
提供“查看结果“按钮，点击后跳转到生成的图表目录查看。
6、注意事项：
1）A股、港股和美股财务报表数据的计量单位存在差异；
2）自由现金流FCFE计算公式中，港股和美股的加减项存在差异
3）分红和回购的数据实际上对应上一年度的财务报表数据，需要进行特殊处理
4）图表的横纵坐标长度比设置为1.2:1
“4---3) 港股、美股...”属于进阶题目，涉及FCFE的计算，近10年分红/回购数据的汇总与展示
接下来对比两款工具的实际表现：
一、系统架构设计与交互界面
WorkBuddy采用的是C-S架构，
优势是实现速度快，问题点相对较少，
但扩展性方面的考量不够充分。
C-S这种界面风格虽然看起来比较传统，但对于本题来说是非常合适的选择，WorkBuddy在完成这个界面任务时花费了较长时间。
Trae采用的是B-S架构，
优势是界面实现速度快，扩展性强，
不足是对于本题来说相对复杂了（后续会提到：关于服务启动失败的问题、服务端数据不准确的问题，调试花费了很长时间）
WEB风格的界面，看起来非常现代美观。
二、基础题的输出结果对比
题目：A股：生成（销售费用率、管理费用率、研发费用率、财务费用率）趋势折线图
先看我个人编写的作为参考：
以下是WorkBuddy的输出
以下是Trae的输出
总结：
这个题目两者完成得都很快，基本不需要太多调试
Trae生成了年度和季度的详细数据
从整体图表布局、字体大小、展示效果看，WorkBuddy输出得更胜一筹
三、进阶题的输出结果对比
题目：生成多只股票毛利率趋势折线图（将00700【蓝色线条】,09988【橙色线条】,GOOGL【绿色线条】,META【红色线条】,MSFT【紫色线条】的毛利率呈现在同一图表中）
先看我个人编写的作为参考：
以下是WorkBuddy的输出
以下是Trae的输出
如上WorkBuddy遇到的问题，Trae第一次就解决了，成功生成图表。
总结：
在图表生成方面，和第一题类似，Trae稍逊：整体图不够协调，清晰度不足
在问题解决方案探索上，WorkBuddy稍差，毕竟“毛利率=毛利/营收”这种变通是很基础的，不涉及特别的专业知识。
本题，Trae解答得更好
四、高阶题的输出结果对比
题目：港股、美股：生成（股东应占溢利、折旧及摊销、经营业务现金净额、自由现金流FCFE、已付股息、回购股份）柱状图；
同时统计并展示近10年及近3年的净利润总额，自由现金流FCFE总额，（分红+回购）总额；
以及自由现金流FCFE总额与净利润总额的比值，（分红+回购）总额与净利润总额的比值。
先看我个人编写的作为参考：
以下是WorkBuddy的输出
以下是Trae的输出
Trae在这个问题上，
净利润和FCFE数据经常出现为0，
原因是从B-S服务器端获取的数据不准确。
另外，Trae在多元素图表展示上存在困难（文字显示不完整、乱码等），
这几个问题下来Trae这块都是短板。
再者，B-S架构设计，多次出现运行服务后台启动失败的问题。
总结：
对于10年/3年的统计数据，三者都有出入，没去深入追究先放着
Trae的B-S设计扩展性好，界面简洁美观，但是在实现调试过程经常碰到问题，对这块问题的分析定位处理还不是很熟练。
本题，WorkBuddy解答得更好。
最终总结
经过仅一次的实践对比，只能发现它们的部分优点和不足
相对于我当时花了几个周末才完成的软件，在代码实现上，它们已经完胜
如果我把功能需求/设计方案/输出要求/注意事项等，写的更加详细，输入给他们，那么会完成得更快和更好
随着大量用户的使用和训练、反馈和修正，它们的编程技能会非常强大
这也是我上次不禁感慨，很多软件工程师要失业、要转型了
So，我们必须认知一个事实：AI真的正在改变这个世界~
软件工程师：
应用类、数据类、UI类的，很大部分工作正在被AI替代
底层嵌入式的，新算法类的，AI还只能是作为辅助
怎么办呢，转型为：
熟悉行业/跨行业、精通产品业务（产品经理）
软件架构设计（软件架构师）
新算法建模（算法工程师）
训练AI并核查错误反馈AI修正（AI训练工程师）
......