聊聊AI Coding领域近两年的演变趋势

22年底，ChatGPT横空出世，拉开了这一轮科技革命的序幕。

23年初，市场上出现了各种各样的“AI工具”，你能想象到的领域都有。但彼时的AI市场上，大模型的能力远不像如今这样强大，基本都是模仿ChatGPT的套壳聊天工具。

23年中段，文生图能力逐渐趋于稳定，虽然细节还略有瑕疵，但整体已经可以替代部分日常的简单工作(海报设计、文章封面)。

24年2月，OpenAI的文生视频模型Sora问世，标志着AIGC开始进入了人们的期待视野之中。

25年元旦前后，DeepSeek R1模型爆火，意味着大模型的思维链能力(逻辑推理)将AI的能力拓展到了新的边界。

以上这些都是AI大模型在通用能力方面的演变，我们可以将之统称为AIGC(AI-Generated Content)能力，即AI生成内容。

与之对应的AI技术领域，这两年也出现了很多新的名词，最典型的当属RAG、MCP、Multi-Agent和Vibe Coding。

其中，RAG缓解信息幻觉问题，MCP解决大模型和外部工具交互问题(统一标准)，Multi-Agent技术架构可以让AI更高效的协作，Vibe Coding则打通了从想法到工程再到产品的链条。

Vibe Coding广义上属于AIGC范畴，狭义上则属于AI Coding领域，即自然语言驱动AI生成代码。

最早的AI Coding产品，是微软于23年2月发布的Copilot(IDE 插件)；随后23年11月，Cursor问世(彼时还是GPT套壳)，主打AI IDE能力；到了24年10月，Lovable和Bolt.new前后问世，主打AI全栈应用生成平台；再到25年7月，亚马逊的Kiro发布，则是强调其AI驱动的全流程开发平台能力。

国内与之对应的，则是阿里的通义灵码(IDE 插件)、字节的Trae(AI IDE)和腾讯的Code Buddy(AI驱动的全流程开发平台)。

总结一下几款AI Coding工具的特点，你会发现它们基本具备如下几个特性：

快捷部署：从安装到部署使用，方便快捷，甚至可以一键发布上线。
多模型支持：内置支持多种大模型，如Claude、GPT、Gemini、DeepSeek。
全流程支持：从需求设计到编码，基本都能在同一个页面搞定，无需频繁切换，打断思路。
自然语言编程：无论是人+AI协作编码，或者通过自然语言直接生成代码，都有较好的支持。
多端适配协作：支持多端适配(Web、移动端、桌面端)，也支持多人实时协作、版本控制等功能。

上述几款国内外的AI Coding工具中，我个人认为值得拿出来作为典型案例介绍的是腾讯云的CodeBuddy。

图片

CodeBuddy通过插件(2025年4月发布)、IDE(2025年7月发布)和CLI(2025年9月发布)的协同架构，实现对开发全流程的覆盖，其支持MCP协议的扩展能力为垂直领域定制奠定技术基础。其中：

CodeBuddy插件形态服务于手动操作场景。
CodeBuddy IDE采用”对话即编程”模式，聚焦于聚焦可视化快速开发，目的是为了验证了自然语言交互在降低技术门槛方面的有效性。且IDE提供海内外差异化的安装包分发策略，满足企业级环境的安全管控需求。
CodeBuddy CLI则针对批量处理任务优化场景，通过npm一键安装实现终端智能化改造，降低部署复杂度，支持管道操作与Git、npm等工具链的无缝衔接，形成与插件和IDE的明确场景区分。
与此同时，CodeBuddy对MCP协议扩展能力的支持，不仅保障了插件、IDE、CLI三端的能力互通与额度共享，更通过标准化接口为垂直领域扩展预留空间。

从这些AI Coding工具近两年的能力演变趋势来看，乐观点未来三到五年，传统的产研设流程将被完全颠覆。

未来从产品设计到编码实现再到上线发布，冗长的流程和极度细分的岗位，可能会被极大简化。与此对应的，则是对工程师的要求不再是垂直细分领域的专家，而是一个能熟练掌握并使用AI作为助手的多领域复合型工程师。

我用百度最近推出的号称“全球首个全端通用 Agent”——文库 GenFlow2.0生成了几份AI Coding领域的工具能力演变趋势报告，感兴趣的同学可以加我好友Z11aoe，并备注Vibe Coding 资料，免费获取资料。