在AI自动编程软件Devin第一时间官宣出来后，我邀请了三位程序员代表直播讨论：ShowMeBug创始人&CEO /全栈工程师/连续创业者李亚飞；联易融副总裁沉旸；技术领导力黄哲铿Mr.K先生。

　　特别的是，在这次连麦讨论中，我惊奇发现，亚飞和团队其实早在去年已经做出相关探索，并研发出了1024Code这款产品。

　　如果按照时间线Code几乎可以称为中国的Devin。在和亚飞的团队深度交流时，他们认为1024Code的产品功能和内测效果可以称得上国内“第一个AI自动编程软件”。当然1024Code的技术逻辑和产品思路与Devin又有所不同，后文中会做详细论述。

　　1、Devin的发布是比较典型的AI在编程领域的突破。AI Agent跟过去的AI相比，与外界有一定互动能力。比如ChatGPT一开始就有聊天的功能；但类比为人，其实没有眼睛、手和脚，因此“不能干别的”。Devin现在可以跟很多工具做链接，它会自动找哪些工具比较好用，主动阅读博客，访问网站，通过不停迭代你的意图，把编程实现。

　　2、整个AI最先落地的就是AI编程领域。它不需要和物理世界关联，编程领域中有Github以及后面很多运行程序，从而支持形成了闭环。从request提需求开始，到需求解决，代码合并，到最后运行，形成一个闭环。

　　其实，沉旸曾经找到李亚飞，提出过一个诉求——实现Web IDE（我们会在下文分析“IDE”），很多程序员以前是在本地写程序、做文档，这里包含了编程的几个关键步骤：

　　第二步，产品经理画出原型图，大家确认，团队开发。整个过程都是线下的，虽然有数字化，但可能是断点的，原始资料也可能会丢失。

　　基于在线编程，比如在线设计软件、Figma等工具结合起来以后，就从需求到运行，实现了闭环。这样，AI就能培养出一个很好的工具体系。

　　Kevin比较震撼地在于实现了工程闭环。就像是做软件开发，首先要定义问题，确认需求，反复交互。Devin先定义问题，确认好之后，会尝试联网读取文档，学习编程语言，用工程的方法调试和开发。整个过程复刻日常工作的流程，实现了AIGC。

　　Devin的优点是没有情绪，不会犯低级错误。缺点是展现出偏工程化的思维，对产品的哲学思考欠缺，达不到产品思维。接下来，也许会产生AI产品经理这样能够解决产品哲学思考的智能体。

　　下文，我把李亚飞的思路，做一个完整的梳理，希望给到更多读者启发。也希望你有任何不同意见，可以与我探讨。

　　研发效能的提升以及相关技术的定制，是我们在2019年之后的工作重点。我的主要工作就是提升“工程效能”这件事。工程效能的最高境界是全自动编程，评估好人才的能力，我们从这个维度去做了一些工作。

　　AI跟程序员领域怎么结合出一个新的应用？或者说如何探索AI对于开发架构的改变，我把AI编程领域的创新理解为L5级别的全自动编程探索。

　　我认为这就是趋向L5级别的创新应用。去年，ShowMeBug探索出关于编程能力的全新的底层逻辑。我们制作出了1024Code这款产品。专门成立了一个小分队研究自动写代码的技术和体系。

　　1024Code是采用1024PaaS（全栈自研的云端编程环境）为核心，通用大模型为基座，花费了十多个月构建一套自主决策链AIAgent（目前称为AI导师），提供了编程环境感知，代码编辑，Shell、Console的自主阅读，运行与自主Debug。简单来说，就是将AIAgent安装了手与脚，让其自主完成需求分析到编码调试的过程。

　　在这个工作体系之外，我看到的方向是自研一套云上最好用的IDE。因为你掌握了核心技术，后面才能跑得更快、更远。实际上，融资几千万之后，我们一直在规划这个核心引擎。

　　L1是取代一定搜索能力的AI搜索。智能化搜索体现为信息整合检索的能力，尚不能支持对人类的启发。

　　从L3开始，AI能够替代50%人类的工作，用自动化的方式完成任务。L3以上级别的自动化程度就可以解放出人类，人类就可以干别的工作了。

　　Devin在替代工程师而不是产品经理的事情上，能够做得很好。软件领域的特殊性会使之在AI里面能够发挥巨大的作用。软件工程是客观的，这意味着每一步的探索都有正确答案，像是做数学题。软件中的每一个步骤，可以一步步验证是对还是错。

　　Devin最大的缺点在于他还是一个预览版本。一个公司的CTO朋友曾经在第一时间觉得Devin是1024Code的翻版。Devin的交互思路体系和我们很接近。今天我们对AI编码的畅想肯定能够实现，关键是什么时候实现。

　　如果硬说Devin的第二个缺点，现在AI大模型底座能力还不够强，Devin SWE-bench测试（解决指定2000个问题）13%的通过指标，还是偏弱。

　　1024Code也能做到这个程度，但我们认为这不是一个高标准，所以去年1024Code做出来后，没好意思去做专门的发布。

　　此外，我还发现一个核心的问题，不管你（Devin这些应用层Agent）怎么努力，其实只是在大模型之上加入了一套特别复杂的决策链（类似现在最流行的ReAct决策链）。但最终可能会发现这些都是无用功，等到后面大模型升级，从普通人变成聪明人，这些将不再需求。所以更关键的是给AI软件装上手和脚。什么是手和脚？

　　1024Code现在是公测邀请阶段，虽然是邀请制（有邀请码才能注册），但我们也没限制的那么死。只要是有一定经验的软件工程师去申请获取邀请码我们就会给，然后就可以去体验功能。

　　更多是让大家感受AI自主编程的能力，1024Code的目标是设计成L5级别自主编程能力的AI编程软件，在实现里，也是有一套决策链，会去分析项目/程序代码的语义语法结构，压缩信息（一些大模型的上下文是有限的），决策修改或者添加哪些文件，然后再进入到具体的更新代码动作里。

　　传统的大模型助手模型下，生成代码，需要你自己找地方写入，比较费劲。1024Code基于CDE可以做到自主去定位修改文件，并在CDE编辑器内完成修改。

　　这里面的决策链还是比较复杂的，但实际上我们已经给大模型加上了手和脚，比起本地IDE更有竞争力。

　　我的思考逻辑是——一定会诞生一种人类与AI更友好的交互方式。比如1024Code，我们更认为人类要审批，人类可以直接改代码，AI也可以改它自己的代码。

　　随着时间的推移，大家也逐步意识到，只是把IDE搬到云端并不会被用户简单接受，而是需要全新思考与设计。22年底，随着Gitpod拿到2500万美元的A轮融资，整个市场进入了全新的元年，重新把云端IDE定义为CDE（CloudDevelopmentEnvironment），我认为这个词总结得特别好，所以以下我们将原本用「云端IDE」但更合适用「CDE」的地方，统称为CDE。

　　Coder是一个先从开源出发（code-server），允许开发者用VSCode连接到任意的远程服务器，进而演化出来完整的CDE（coder）环境的发展模式。也是开发者生态经典的发育模式。其核心定位是为开发者提供云端的资源配置管理、复用，开发者仍然可以复用本地开发环境。目标画像是在实际开发工作场景的开发者。

　　能感受到他们更加懂开发者，Gitpod的定位也是为开发者提供生产力工具，替代本地开发。目前增长比较明显，很多开源项目的托管平台选择都有他们的影子。目标画像：在实际开发工作场景的开发者。

　　AI理解数字世界或者软件的过程要靠RPA或者API。但在API方面，国内软件发展的进程并不太友好。国内产品在标准接口和标准文档上有缺陷。国内很难顺利地把两个系统对接起来。按理说简单粗糙的策划工作应该是AI完成，现在AI在做一些比较高级的工作，人类再完成前后较为低级的体力活。

　　超级程序员的出现，以及企业数字化转型的场景，可能是AI编程自动化带来的结果。后者生态如果爆发，对程序员的需求反而会越来越大。

　　凡本网内容请注明来源：T媒体（）”的所有原创作品，版权均属于易信视界（北京）信息科技有限公司所有，未经本网书面授权，不得转载、摘编或以其它方式使用上述作品。

　　本网书面授权使用作品的，应在授权范围内使用，并按双方协议注明作品来源。违反上述声明者，易信视界（北京）信息科技有限公司将追究其相关法律责任。