为什么JoyCode不只是编程辅助工具，更是最好用的AI入口
从一个简单的任务开始#
我想通过图表的形式对比招商银行和四大行的股价，JoyCode给了我一个完全符合我想要的结果，甚至更好。
任务过程中我只是提出我的需求，并且无脑点同意。
JoyCode做了什么？#
- 拆分问题：一开始先分析完成任务需要的步骤。
- 调用工具：通过工具搜索数据。
- 多步决策：在遇到问题的时候，自行改变策略，从通过搜索获取数据改变为创建脚本获取数据。
- 自我迭代：会去按照标准判断，不断迭代成果直至满足标准。
JoyCode和其他形式的AI区别在哪？#
其他形式的AI完成这个任务大致是以下两种形式：
- LLM通过自己的知识去虚拟生成，那么股价必然是不准确的。
- 用户通过对话得到一段说明和代码，然后去本地执行，并解决出现的环境问题。用户作为"胶水"，在AI和代码执行结果间来回反复。
根本区别在于JoyCode集成了最新的模型 + 整个软件生态的积累。我不再需要去复制、去装库、面对报错还得将报错贴回去问ChatGPT怎么改。而现在AI 自己就把程序跑通了，我只需要确认最终成果好不好就行。
JoyCode让使用AI的方式从"我问你答"到"我说你做"#
JoyCode彻底把"写代码"当成了实现目标的中间环节，而不是最终交付物。我们需要和关注的是结果，而非一堆实现细节。过去 ChatGPT/Copilot 那种"写好代码再给人类去执行"的模式，就仿佛是做饭前先让 AI 提供一道菜谱，而人类必须亲自下厨；如今 Agentic AI 则如同一个真实的厨房助理，从买食材到洗切炒全包了。你只要说你想吃什么，AI 就端出成品让你品尝——这当然会带来更大的冲击和更深层次的思考。
原先使用电脑算力是通过GUI的方式解决，在股票软件中选取股票，叠加，起点归一化。不可否认用户界面提供了一个简化操作的形式，但仍然需要学习软件的使用，但现在完全可以通过自然语言来调用电脑算力，不需要在乎他底层是通过代码还是别的工具实现，只在乎能否得到想要的结果。
JoyCode可以解决更多的长尾需求#
现在存在着数量庞大的类似"股价对比"这样的个性化需求，因为成本的原因并没法很好的满足。但现在有了JoyCode这种Agentic-AI的帮助下，成本急剧降低。这样的发展趋势下，人们不再需要考虑怎么做，只需要考虑做什么。
可能在最开始，对于什么样的任务可以用JoyCode完成还没有想法，但我要说的是，应用尽用，它会给你惊喜。