信息情报站AI 情报 · 按工作日整理

资料库 · 演进

AI 编程与 Agent 发展脉络

七个阶段不是严格替代关系。当前最前沿被概括为 Agentic Software Engineering(智能体驱动的软件工程)。

七个发展阶段

点击或用 ← → 切换阶段
1

第 1 阶段 · Code Completion

代码补全

成熟

程序员写代码,AI 预测下一行或下一段代码。

人机分工人负责绝大部分工作,AI 负责提高编码速度。

AI 的角色代码助手
人的角色程序员

代表产品

关键技术

代码上下文理解语言模型Fill-in-the-Middle
2

第 2 阶段 · Chat-based Coding

编辑器内 AI Chat

成熟

开发者选中代码、提出问题,AI 解释、修改和生成代码。

人机分工AI 开始理解多个文件,但仍主要由人控制任务。

代表产品

  • GitHub Copilot Chat
  • Codeium Chat
  • Amazon Q Developer

关键技术

代码上下文RAG代码库检索
3

第 3 阶段 · AI Native IDE

AI 原生独立编辑器

成熟

AI 深度融入整个 IDE,理解代码库,可以同时修改多个文件。

人机分工AI 不再只是代码输入助手,而是参与整个开发流程。

AI 的角色编程搭档
人的角色主导开发

代表产品

关键技术

Codebase IndexingContext EngineeringMulti-file EditingDiff
4

第 4 阶段 · Coding Agent

自主编码 Agent

成熟

用户给出目标,Agent 自己分析代码、制定计划、修改文件、运行测试、修复问题。

人机分工用户从逐行编写代码转向分配开发任务。

AI 的角色软件开发执行者
人的角色任务分配者

代表产品

关键技术

Tool CallingAgent LoopPlanningMemoryTerminal Execution
5

第 5 阶段 · Cloud Coding Agent

云端异步 Agent

商用

把任务交给云端独立环境,Agent 自己操作仓库、开发、测试,最后提交 PR。

人机分工一个开发者可以同时管理多个 Agent。

AI 的角色云端开发工程师
人的角色监督者

代表产品

关键技术

SandboxCloud RuntimeGit WorktreeCI/CD异步任务调度
6

第 6 阶段 · Agent Team / Multi-Agent

多智能体协作

发展中

不同 Agent 分别负责架构、前端、后端、测试和代码审查。

人机分工AI 开始模拟一个软件开发团队。

AI 的角色AI 开发团队
人的角色技术负责人

代表产品

  • Devin 多 Agent 工作流
  • OpenAI Codex 多任务工作流
  • Claude Code智能体团队Claude Code Agent Teams

关键技术

任务分解Agent Orchestration并发执行共享状态冲突管理
7

第 7 阶段

Agent Bot / 自主软件工程系统

早期

通过自然语言、Issue、Webhook、定时任务或业务事件触发开发任务。

人机分工AI 不再等待程序员打开 IDE,而是能够在开发工作流中主动接收和执行任务。

AI 的角色自动化开发服务
人的角色产品负责人

代表产品

  • Slack Bot
  • GitHub Bot
  • 企业内部开发 Bot
  • 长期运行的编码 Agent

关键技术

Agent Runtime持久化任务状态事件驱动工具权限可观测性

成熟度来自整理对话中的主观判断,不是官方统计:1–4 成熟,5 商用,6 发展中,7 早期。对话认为 2026 年处于第 5 阶段向第 6 阶段过渡。

人机角色演进

AI 从助手变成团队,人从写代码变成定目标
  1. Code Completion代码助手人:程序员
  2. AI IDE编程搭档人:主导开发
  3. Coding Agent软件开发执行者人:任务分配者
  4. Cloud Agent云端开发工程师人:监督者
  5. Multi-AgentAI 开发团队人:技术负责人
  6. Coding Bot自动化开发服务人:产品负责人
  7. Software Factory自主软件生产系统人:目标制定与治理者

当前前沿方向

方向 1

多 Agent 并行开发

Orchestrator、Frontend、Backend、QA、Security、Integration & Release 等 Agent 分工。

  • Multi-Agent Orchestration
  • 任务依赖图Task Dependency Graph
  • Git Worktree 隔离
  • 并行任务调度
  • 代码冲突解决
  • 统一测试与集成

方向 2

长时间自主执行(Long-running Agent)

  • 接受一个复杂目标
  • 持续工作几十分钟甚至更长
  • 保存任务状态
  • 遇到错误自动调整
  • 必要时请求人类批准
  • 最终交付可验证的结果

方向 3

计算机操作智能体Computer Use Agent

  • 打开浏览器
  • 操作网页
  • 使用图形化软件
  • 点击按钮
  • 填写表单
  • 查看执行结果
  • 根据屏幕反馈继续操作

方向 4

Agent Skills + MCP

未来竞争力不只是模型有多聪明,还包括围绕模型构建的 Harness 是否优秀。

  • MCP:如何连接外部工具,连接 GitHub、数据库、浏览器等
  • Skills:如何掌握专业工作流程,提供规则、知识、脚本和方法
  • AGENTS.md:如何理解项目规范,项目级开发约束和说明
  • Agent SDK:如何把 Agent 嵌入应用,开发自己的 Agent 产品
  • Harness:如何稳定运行 Agent,管理上下文、执行、权限、恢复

方向 5

事件驱动的 Coding Bot

  • Slack:用户直接通过聊天指挥开发 Agent。
  • Discord:团队开发 Bot。
  • Telegram:个人 AI 开发助手。
  • GitHub:Issue、PR 自动触发开发。
  • Web Dashboard:统一管理所有 Agent。
  • 企业内部系统:通过 API 接入业务流程。

方向 6

Software Factory(AI 软件工厂)

  • 人类 / 产品负责人Human / Product Owner
  • Product Agent
  • Architecture Agent
  • Design Agent
  • Coding Agents
  • QA Agents
  • DevOps Agent
  • 软件交付平台Software Delivery Platform

建议重点研究的产品

  • 独立任务执行环境
  • 多 Agent 并行管理
  • 本地、CLI、云端多入口
  • 可扩展的 Agent Harness

Devin

  • 独立开发环境
  • 浏览器、终端、编辑器操作
  • 长时间执行开发任务
  • 企业开发工作流

GitHub Copilot Agents

  • IDE智能体模式IDE Agent Mode
  • 云端 Coding Agent
  • GitHub Issue / PR 集成
  • 自动化开发流程

未来三年判断

  1. 第一阶段:2026

    Agent 成为主要开发工具

    • IDE 和 Terminal Agent 融合。
    • 多 Agent 并行。
    • 云端开发任务。
    • 人类从写代码转向审查和管理。
  2. 第二阶段:2027

    软件开发流程自动化

    • Issue 自动转化为开发任务。
    • 自动修复 Bug。
    • 自动测试和 PR。
    • Agent 之间协作和交接。
  3. 第三阶段:2028

    自主软件工程平台

    • 持续理解整个软件系统。
    • 主动发现技术债和异常。
    • 根据业务需求持续迭代。
    • 人类主要负责产品方向、架构约束和关键审批。

设置

主题
涨跌颜色
默认语言(抓取的新闻与资料)

页头的国旗 / 地球图标可随时临时切换。设置只保存在本机浏览器(localStorage)。