汪晟杰-AI编程工具选型实践指南插件IDE与终端形态的深度解析.pdf

1、AI 编程工具选型实践指南插件、IDE 与终端形态的深度解析汪晟杰|腾讯 汪晟杰腾讯资深技术产品专家、CodeBuddy 首席产品经理腾讯资深产品专家，20年工作经验，负责腾讯云开发者AI代码助手产品规划设计与运营，十多年协作SaaS和 SAP 云平台、SuccessFactorsHCM、Sybase 数据库、PowerDesigner 等产品的开发经理，在软件架构设计、产品管理和项目工程管理、团队敏捷、AI研发提效等方面拥有丰富的行业经验。从代码生成到工程协作AI 开发的新阶段PART 01目 录CONTENTSI.背景II.问题/痛点III.解决思路/整体方案IV.具体实现/技术实践AI

2、编程从人机协作到上下文协作人机协作：在人机协作的阶段，AI更多的是作为工具，辅助开发者完成特定任务，人作为每一步确认方和修改方。智能感知：AI不仅对当前任务有理解，还能感知整个开发流程的上下文（如代码历史、团队讨论、业务需求等）。动态反馈：AI根据实时变化的上下文，提供动态建议和反馈，而不是固定的、静态的输入。闭环优化：AI能够在开发过程中，持续学习并调整其行为，使得每一轮开发都比上一次更加高效和智能。自动化执行：AI可以根据上下文进行更为复杂的任务执行，例如自动重构代码、优化系统架构、处理技术债务等。上下文协作：在实现过程中，上一轮的完成上下文是下一轮的开始的上下文。AI自主完成它具有如下特

3、性：人机协作的关键不再是智能度，而是共享规则与约束的能力明确目标需求复杂度以自然语言表达和澄清你的开发目标，确保每一步都有清晰的方向。AI 生成初版代码借助大模型根据你的需求，快速生成基础实现方案，奠定功能骨架。运行并验证效果实际运行并测试生成的代码，及时了解功能完成度与存在的问题。反馈问题与新想法对测试中发现的问题和新的功能需求，及时进行反馈和补充说明。AI 迭代优化代码让 AI 基于反馈持续重构与完善代码，修正 bug，优化细节，提升整体质量。多轮循环直至理想重复以上流程，持续交互和迭代，直到你对代码和产品完全满意为止。AI 编程从 Vibe Coding 到氛围编程多种形态人与LLM的共

4、同协作特征 传统开发者主导的完全纯手动编码 手动调试过程 依赖浏览器搜索引擎/开发者社区等辅助开发效果 逐行编码，比较低效学习曲线及要求 陡峭的学习曲线，需了解编程底层技术，需自主学习能力和积累项目中实战经验特征 基于AI 智能体和AI对话至上，采用自然语言描述需求，实现多文件代码生成，生成执行的应用 精准描述需求和任务表达有助于 AI 生成代码质量效果 实现工程级别开发，中等效率学习曲线及要求 学习曲线中等，非程序员(如 产品、设计等小白用户）也可编码，侧重和锻炼表达功能能力特征 在 Agent 至上，基于规范和设计共识驱动 AI 全栈开发，批量生成业务代码 结构化沟通和系统设计，生成代码包

5、含所需的前提和意图 多智能体协作，先共识，帮你理清思路，集成系统思维澄清效果 规范文档和共识协作，实现系统级别完整意图的规范化代码，效率高学习曲线及要求 学习曲线高，弥补 Vibe Coding 中的痛点，对规范化、系统化有更高全局要求和把控能力，锻炼编写能充分捕捉意图和价值观的规范能力传统编程（Traditional Coding）氛围编程（Vibe Coding）规约编程（Specification-Oriented Coding）未来，基于AI的个人氛围编程，以及过渡和适应专业团队协作的规约编程，两种开发范式并存软件工程边界消融，AI Coding 重构组织协作方式AI Coding 产

6、品形态人机协作的工作范式的转移目 录CONTENTSI.背景II.问题/痛点III.解决思路/整体方案IV.具体实现/技术实践氛围编程带来的问题一句话需求注定在工程中失败逻辑漏洞的描述和超长工程代码文件让理解错误率上升目 录CONTENTSI.背景II.问题/痛点III.解决思路/整体方案IV.具体实现/技术实践代码驱动的规约表达，在 AI 驱动下难以智能化感知人与LLM的共同协作1.函数规约（Preconditions,Postconditions,Invariants）假设你在开发一个计算银行账户余额的系统，使用规约编程来确保“存款”和“取款”操作的正确性。2.模块间规约（Interfac