大模型究竟能处理多复杂的任务？近期几个实操案例颇具说服力。先来看两款工具——在线 LaTeX 预览工具与智能体调试器。前者仅凭一条提示词便轻松完成，后者则经历了多轮迭代才勉强达标。

公式在线预览

提示词非常简洁：“帮我开发一个工具，基于 katex.js，用户输入公式即可实时预览渲染效果”。豆包立即生成了完整页面，连样式都已封装好。实际效果如下图所示：

不得不服，最令人头疼的样式难题，大模型一句话就搞定了。从这类展示型页面来看，大模型的生成能力已经非常成熟，即使完全不懂前端开发，稍微调整就能获得一个精美的网页。

智能体调试器

第二个工具的实现就没那么顺利了。起初打算用 Makepad 开发，但这个库过于小众，可用资料极少，大模型生成的代码幻觉率非常高，根本无法运行。同时 Makepad 的 DSL 调试起来也很困难，再三权衡后果断放弃。

初版只计划实现提示词修改功能——这纯粹是程序员特有的偷懒心态，不想手动修改库文件。大约花了十分钟，但由于大模型没有按照官方最新 API 生成，不得不手动调整了部分代码后终于运行成功。界面简洁、功能实用，完全能够满足业务场景中的提示词测试需求。

随着智能体应用日益增多，逐个到业务场景中去亲身体验简直是场灾难。于是很快开发了第二版：开启调试模式后，输入参数即可直接获取返回结果。不过此时响应仍要等待 SSE 流结束后才整体返回，交互是同步的，体验上略有欠缺。

第三版的开发重点转向了流式交互：如何让框架实时渲染大模型的返回内容？这次没有查阅官方文档，全程通过与大模型对话尝试调试，最终成功实现。随后又将 Dify 的“问题建议”功能集成进来，在 API 设计与界面展示上反复调整了多个版本。

最终效果如下：

整体使用下来，一个非常明显的感受是：大模型正在模糊技术的边界。无论是 Vue、Java、Go、Rust 还是 React，在大模型面前统统都变成了提示词。在工具类应用开发上，完全进入了面向提示词编程的时代。

当然，涉及大型项目时，大模型只能看到皮毛，无法顾及每一个细节。目前国内还没有能与 Claude Code 相匹敌的项目级工具。因此，从当前阶段的技术成熟度来看，大模型最可靠的杀手级应用方向，实际上是工具类的辅助生成。对于这个判断，您是否有不同看法？欢迎在评论区留言讨论。