下载地址:
https://qoder.com/
文档地址:
https://docs.qoder.com/
文章目录
- 1. AI 编码发展趋势
- 2. 真实世界软件开发的挑战
- 3. 我们的方法
- 3.1. 透明度
- 3.1.1. 知识可见性
- 3.1.2. 执行透明度
- 3.2. 增强上下文工程
- 3.3. 规范驱动与任务委托
- 3.3.1. 聊天模式:Agent 协作
- 3.3.2. 任务模式:自主委托
- 3.4. 提供最合适的模型
- 4. 如何使用 Qoder 完成工作
- 4.1. 启动新项目
- 4.2. 为现有项目添加新功能
- 4.3. 熟悉的 AI 辅助代码编辑
- 5. 总结
1. AI 编码发展趋势
随着大型语言模型(LLM)技术不断发展,它正在迅速改变 AI 辅助编码。应用范围正在扩大——从简单的代码建议到端到端的功能实现——AI 的自主性水平也在不断提高。
AI 编码能力正在经历三个关键阶段:
- 辅助代码编写:基本的自动补全和代码片段生成。
- 对话式重构:通过聊天进行交互式代码修改和重构。
- 自主编程:将完整的开发任务委托给 AI Agent。
这种演变使 AI 的角色从工具转变为协作者,能够处理复杂的、耗时长的软件工程任务。
2. 真实世界软件开发的挑战
虽然社交媒体上充斥着通过单个提示构建“惊艳项目”的故事,但真实世界的软件开发仍然复杂。正如 Fred Brooks 在《人月神话》中强调的,软件开发本质上是困难的,原因在于:
- 复杂性
- 一致性
- 可变性
- 不可见性
这些挑战依然存在——在 AI 时代,甚至在某些方面被放大。
- 软件的抽象性质使得知识对齐和继承变得困难,导致技术债务和协作摩擦。
- 虽然 AI 可以自动化重复的编码任务,但开发人员可能会忽视深入的设计和需求澄清,导致 AI 生成的代码难以维护。
- 当前人机协作通常是同步的,需要持续的来回沟通。这限制了 AI 的效率,并阻止其充分发挥潜力。
3. 我们的方法
我们一直在探索如何构建一个工具,最大限度地发挥 AI 的潜力,同时解决软件开发的实际挑战。
3.1. 透明度
3.1.1. 知识可见性
我们的第一个目标是让不可见变为可见。我们相信 AI 应该帮助开发人员理解项目的架构、设计决策和技术债务——就像一位对代码库了如指掌的专家策展人。
这种可见性:
- 减少了新成员的上手时间
- 改善了知识转移
- 为 AI 生成的代码提供了上下文,使其与项目的整体结构保持一致
3.1.2. 执行透明度
当 AI 在后台默默工作时,开发人员可能会感到失去控制。为了解决这个问题,我们引入了:
- 待办事项:清晰的任务分解
- 行动流:实时执行跟踪
开发人员可以随时查看 AI 的计划、进度和决策——使过程透明且值得信赖。
在 AI 编码中,可见性并非可选项——它是有效协作的必要条件。
3.2. 增强上下文工程
我们相信更好的上下文带来更好的代码。关键在于增强上下文工程,其中包括:
- 深入的代码库理解:AI 不仅仅是阅读代码——它理解结构、依赖关系和设计理念。
- 记忆:持久记录项目历史、用户操作和 AI 交互,实现长期上下文保留。
通过丰富输入上下文,Qoder 提供了更准确的建议,并为架构决策提供了洞察——超越代码补全,实现智能协同开发。
增强上下文工程不仅仅是一项技术功能——它是一种新的开发理念。
3.3. 规范驱动与任务委托
在 AI Agent 时代,开发人员的主要角色从执行者转变为意图澄清者。
3.3.1. 聊天模式:Agent 协作
- 您通过聊天引导 AI。
- 您审查、完善和批准每次更改。
- 适用于短期的迭代任务。
3.3.2. 任务模式:自主委托
- 您编写详细的规范 (Spec)。
- 您将任务委托给 AI。
- AI 异步工作,只在遇到困难时寻求帮助。
- 非常适合长期、定义明确的任务。
规范不仅仅是任务描述——它是一种思考工具和沟通媒介。它使人与 AI 的目标保持一致,充当项目指南针,并成为团队知识库的一部分。
任务模式就是为此新范式设计的:编写规范,委托任务,然后检查结果。
两种模式,两种协作风格:
聊天 Agent 模式 | 任务模式 |
---|---|
聊天迭代 | 规范优先 |
通过对话编码 | 将任务委托给 AI Agent |
适用于短期任务 | 适用于长期任务 |
监督工作流程 | 准确描述目的 |
未来的开发可能看起来像这样:
- 上午:与利益相关者澄清需求。
- 下午:使用 AI 起草详细规范。
- 一天结束:通过任务模式委托任务。
- 第二天早上:审查结果,完善,然后重复。
编写规范 → 检查与重构 — 软件开发的新工作流程。
3.4. 提供最合适的模型
随着可用模型数量的增长,我们不禁要问:“选择合适的模型应该是用户的工作吗?”我们的答案是:“不。”
开发人员需要的是解决方案,而不是模型比较。他们不应该为了选择最佳模型而研究评估指标。
Qoder 会根据复杂性和上下文自动将您的任务路由到最佳模型——确保最佳性能,而无需用户干预。
您专注于构建什么。我们处理如何构建。
4. 如何使用 Qoder 完成工作
4.1. 启动新项目
Qoder 没有学习曲线。只需用自然语言描述您的想法。
例如:
- “创建一个 Spring Boot 应用程序,用于上传、预览和下载照片。”
Qoder 将生成项目骨架和核心业务逻辑。
或者,使用任务模式首先生成一个规范——描述技术栈、架构和初始版本。一个好的初始版本是一个可运行的项目。
4.2. 为现有项目添加新功能
大多数开发都发生在现有代码库上。在编码之前,开发人员需要了解:
- 项目的功能
- 其技术架构
Repo Wiki 提供即时洞察。Qoder 会在后台构建代码库的索引并将其导入内存。当您开始任务时,上下文已经准备就绪——无需手动选择。
这使得从第一行代码开始就能获得准确、上下文感知的帮助。
4.3. 熟悉的 AI 辅助代码编辑
对于日常编码,Qoder 通过以下功能支持您的工作流程:
- 代码补全
- 下一编辑建议 (NES):预测您跨多行的下一次更改
- 行内编辑:直接在聊天中编辑代码
这些功能无缝集成到您现有的习惯中——增强而非干扰您的工作流。
5. 总结
我们的愿景是解决软件开发的实际挑战:
- 让不可见变为可见
- 加强人与 AI 之间的知识对齐
- 消除技术债务和协作摩擦
- 将开发人员从重复工作中解放出来,让他们专注于创新
Qoder 在公开预览期间免费提供。我们邀请您将其用于实际项目并分享您的反馈。