大家有没有觉得，现在各大 AI 公司的研究方向有些“一条路走到黑”了？
来看 2025 年至今发布的 LLM 统计图。这里统计还只是最好用的那批。
这么多的模型，真有点用不过来了。
一些已经号称达到了博士级智能，甚至能发现新的科学成果。
大家都还记得马斯克画的那张饼吧：Grok4 有望在明年发现新的物理学。
听起来很炸裂，但问题在于：对我们普通人而言，模型智能卷到“博士级别”、“博士后级别”，但依然没法真正落地到日常场景。
举个例子，你现在要点个外卖，LLM 最多推荐几家餐厅，但选菜、下单、付款等操作还是得自己亲自去做。
又比如，你现在有一堆数据需要分析处理，大多数人会选择跑 Python 脚本，而不是把文件丢给 LLM 。
所以我们也常能看到有人吐槽：比起 AI 为人类服务，现在反倒更像是我们成了 AI 的助手。它负责“think”，我们负责“do”。
有问题，就会有解决方案。
前两天，我在 GitHub 上翻到一个 LLM + Python 的开源项目：AiPy 。
比起去卷大模型的智能，纠结谁能跑的分更高，它聚焦于让 LLM 能够真正执行任务，比如数据分析、脚本生成等。也有人称它是“中国版的开源 Manus”。
推出后好评如潮。
前不久还上了北京卫视。目前该项目已经在 GitHub 上收获了 1.9k 星标。
指路链接：
https://github.com/knownsec/aipyapp一、AiPy介绍
AiPy 的目标很简单，就是让 LLM 充分发挥潜力，能够独立思考并主动利用 AiPy 解决复杂问题。
LLM 相当于是“大脑”，AiPy 为 LLM 接上“手脚”，即为它提供了完整的 Python 执行环境，让它可以生成并执行 Python 代码。
是不是听上去和智能体有点像？
它们的不同点在于 AiPy 没有定义任何工具接口，LLM 可以自由使用 Python 运行环境提供的所有功能。
二、实测案例
Case 1：分析茅台股票表现
我们用下面的 prompt 让 AiPy 来帮我们分析一下茅台最近三个月的股价表现。
prompt ： 请帮我分析贵州茅台近三个月的股价表现，包括涨跌幅、成交量变化、资金流向，并生成可视化图表。
发送 prompt 后耐心等待即可。
除了执行任务之外，它的回答也提供了满满的情绪价值。
Case 2：网站信息爬取
不知道有没有小伙伴和我一样，每次入新坑的时候都需要花很多时间去搜罗博主找相关内容，能不能直接让 AiPy 来帮我们找到需要的博主呢？
答案是肯定的，以数码博主为例，我们直接把下面的 prompt 发给它。
prompt ： 通过MCP全自动化操作，登录小红书网页端后搜索“数码”相关关键词，根据搜索出来的笔记信息，自动提取该笔记对应博主的昵称、粉丝量、活跃度、过往合作品类及主页链接等信息，100条数据，整理成表格保存到桌面并自动打开验证数据真实性。接着，只需要完成账号登录操作，其他什么都不用干。
它会自动打开浏览器，登录后自动搜索相关的数码博主，保存在本地的 Excel 表格中并且打开到桌面。
整个过程非常丝滑。
还有非常多好玩实用案例
