Qoder：构建下一代 AI 编程平台的工程实践-蛋总.pdf

《Qoder：构建下一代 AI 编程平台的工程实践-蛋总.pdf》由会员分享，可在线阅读，更多相关《Qoder：构建下一代 AI 编程平台的工程实践-蛋总.pdf（19页珍藏版）》请在三个皮匠报告上搜索。

1、03.21BJ!默浔勋惺AI AGENT FRAMEWORKBJ!悉熹扌苞AI POWERED PRODUCTIONBJ!悉熹致場AI POWERED TESTINGAI CODING榫濡省襄APPTECHNOLOGY鉀椤按病ONE-PERSON COMPANY笛惟病鶩INNOVATIVEEXPERIENCEQoder：构建下代 AI 编程平台的程实践王兴（蛋总）Qoder 主会场演讲嘉宾王兴（蛋总）Qoder 客户端技术负责Qoder 设计的整体思路1端到端交付核能2Qoder 专家团解密3未来研发范式思考4从机协同执到AI主执 辅助式编程协同式编程委派式编程类AI类AI类AI类延续原有编程

2、模式，AI 获取类为并在合适时机推荐段代码。由于模型准确率有限，需要类严格确认才能采纳代码。阶段阶段阶段三效提升 15%50%效提升 15%50%效提升 50%80%段级代码推荐多件级代码推荐特性级代码推荐Code Completion/NES Ask ModeAgent ModeQuest Mode CLI/Web/Mobile类提出需求，AI 主动探索代码库并完成多件级代码变更。由于模型在复杂需求上准确率有限，仍需阶段性类确认，防任务执偏移主线。类提出复杂需求，AI 主使多种具完成任务并交付经过测试的成品。模型已经够强，类仅需监督和验收。专家团式编程阶段四程级/项级代码交付效提升 100%

3、200%类AIAI类提出复杂程需求，AI专家团动组建并协作，任务拆解、编码、测试、评审全流程动化。类仅需监控计划与关键决策Experts Mode先编写规范，明确需求，再委托 AI 研发实现，结果校验，更少的过程态交互，更的执时间，交付更优质的结果Spec-Driven Development增强对代码程的理解，更强的检索能让 AI 更懂复杂程。通过记忆&个性化上下，让 AI 在实际编码过程中，更懂得户为偏好Enhanced Context Engineering隐性知识显性化，促进真实软件程可性提升，依赖代码和提交历史还原知识，降低的认知负载，完成与 AI 的知识对Knowledge Vis

4、ibility量的暗知识，知识不对：与知识不对，导致协作成本；与 AI 知识不对，导致 AI 效果不达预期量重复、繁琐的 Coding 作占据了开发者部分时间，反在需求澄清意图识别上投精过少，导致返率与 AI 协同，多采对话式沟通，过程中不断校正完成代码编写，这种模式下 AI 的作时间上限是类的作时间Qoder，为真实软件开发设计真实软件研发的挑战及应对策略RepoWiki:使隐性知识显性化代码库到知识档的结构化呈现，让知识档化、档代码化持单库 10,000 个代码件的 Wiki 成卸载类的认知负载，加速知识流转、学习和传承持共享模式，可以由名成员成 Repo Wiki，提交代码库中共享给团队

5、深理解程上下和具，Agent 可规模成上下感知的代码，显著提升研发效果和准确度内置代码检索引擎，可检索10万个代码件通过 TO-DO，打开智能体执的盒，将任务结构化，确保智能体执的准确性和确定性Agent Mode：基于对话的智能体实时协作Spec DrivenSpecification 对于开发者来说是最熟悉的意图表达式设计档 是与、与 AI 之间主要的沟通媒介AI 主编程开发者的主要作变成明确任务意图、协作成设计档，最后确认执结果，有了Spec，作模式从实时伴随，进化到异步委派Quest Mode：Spec 驱动的 AI 主编程多专家分，并协作将单 Agent 的串流程拆解为多并推进，缩短

6、复杂任务的端到端链路越越强的 AI 团队通过任务经验的持续沉淀与复，减少重复的上下理解成本，协作效率随使逐步提升。专家团（Experts）模式：你的 AI 程专家团从成代码到交付结果将作范围从代码成扩展规划、测试与评审，标是输出可合并的完整交付物，孤的代码段。端到端交付核能超级程知识引擎AI 驱动的前端验证沙箱：AI 主执的安全基座基于程知识图谱注精准上下，准确率提升 11.91%，token 消耗降低超10%。Agent像样操作浏览器，闭环编码到验证。较PlaywrightMCP Credits降低 65%。三平台内核级沙箱隔离，需逐条审批，越界即拦截。让 Agent 放去。精准码动验证安全