陈鑫-QoderCodingAgent探索上下文工程的能力边界.pdf

1、Qoder Coding Agent 探索上下文探索上下文工程的能力工程的能力边界陈鑫|阿里巴巴资深技术专家陈鑫阿里巴巴资深技术专家花名神秀，致力于企业研发效率、产品质量、DevOps、AI Coding 方向研究和探索。曾担任过阿里集团研发工具平台Aone负责人、阿里云云效负责人、通义灵码负责人。带领团队不断挑战研发效能提升上限，打造世界领先的开发者工具产品，普惠万千中国软件企业。目 录CONTENTSI.AI Coding 智能体技术发展趋势II.真实软件开发过程中的痛点与思考III.Qoder 上下文工程技术优化实践IV.未来技术挑战与应对 AI Coding 智能体技术发展趋势PART

2、 01AI Coding 已经全面进入 Agent 时代模型能力发展为产品带来更多可能性Qwen3 Max1TRILLIONPARAMTER AI MODELQoder Agent VS Code Completion1001VSLines AcceptedCoding Agent 正在改变传统软件研发流程任务的复杂度环境信息复杂度低高高研发问答代码补全编码任务需求实现SDLC应用场景在扩大，产品边界在延伸Qoder Agent IDE&插件 终端 CLI 代码仓库 CICD流水线 知识库 即时通讯工具 项目管理工具 运维工具围绕同一个 Repo 进行任务协同。本地是以人为主体进行决策修改，远

3、端是以 Agent 为主体，完成研发任务Qoder IDE x Qoder AgentDevOps x Qoder Agent基于非交互式 CLI、SDK 方式，传统 DevOps 工具与 Coding Agent 进行集成，增强现有软件工作流，从流程人主驱动进化到 AI 驱动。上下文工程成为 Agent 效果的核心提示词工程上下文工程系统提示词用户输入提示词封装模型服务用户输入多轮迭代模型服务系统提示词工具提示词工具反馈手动上下文注重提示词构建上下文组合简单无工具交互执行时间短系统+工具提示词复杂工具交互上下文组合复杂多轮迭代执行时间长上下文成为 Agent 效果优的核心模型上下文注意力瓶颈

4、复杂问题信息检索瓶颈复杂工具使用瓶颈长任务交互信息瓶颈真真实软件开发过程中的痛点与思考PART 02真实软件开发过程中的痛点Coding Agent 存在的问题大模型能力不足工程知识信息不足无法记忆偏好和教训没有编程规范指导开发者的期待生成可编译的准确代码遵循我的个人/工程习惯复用现有的代码资产不犯同样的错误不自作主张积极过度开发者没有清晰表达诉求Qoder，为真实软件开发而设计先编写规范，明确需求，再委托 AI 研发实现，结果校验，更少的过程态交互，更长的执行时间，交付更优质的结果Spec-Driven Development增强对代码工程的理解，更强的检索能力让 AI 更懂复杂工程。通过记

5、忆&个性化上下文，让 AI 在实际编码过程中，更懂得用户行为偏好Enhanced Context Engineering隐性知识显性化，促进真实软件工程可见性提升，依赖代码和提交历史还原知识，降低人的认知负载，完成人与 AI 的知识对齐Knowledge Visibility大量的暗知识，知识不对齐：人与人知识不对齐，导致协作成本高；人与 AI 知识不对齐，导致 AI 效果不达预期大量重复、繁琐的 Coding 工作占据了开发者大部分时间，反而在需求澄清意图识别上投入精力过少，导致返工率高与 AI 协同，多采用对话式沟通，过程中不断校正完成代码编写，这种模式下 AI 的工作时间上限是人类的工作

6、时间通过 CLI 产品模块，快速与企业内部工具集成对接，成为这些工具的 Agent 核心。复用模型适配、Agent框架、上下文工程能力，专注企业特有场景实现。DevOps Toolchain Integration工程知识不仅仅是代码，有更多的隐性信息没有被记录过去 Coding Agent 的上下文组成以及面临的问题手工建立的 Project Rules根据用户问题检索的代码系统提示词中的编程要求MCP 获取的三方 API 文档手工引入的知识库内容编写优秀的 Rules 非常困难没有架构知识，容易遗漏代码仅有粗略要求描述没有企业私有的文档无法及时维护和更新真实软件开发过程中的期待自动化提取工