Full text · 原文
3,798 字
允中 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
9月9日，腾讯发布AI CLI工具CodeBuddy Code，并宣布CodeBuddy IDE开启公测，面向所有用户开放使用，无需邀请码。<br>
IDE和CLI都区分了国内外版本，分别支持海内外模型。国内版无限制使用；国际版测试期间赠送部分Pro模型体验额度，IDE和CLI共享。<br>
CodeBuddy Code定位于专业工程师用专业的 CLI Agent，基于npm安装（指令npm install -g @tencent-ai/codebuddy-code），支持用自然语言驱动整个开发运维生命周期，实现极致自动化效率提升。<br>
显然，这就是腾讯版的“Claude Code”。<br>
之前Claude Code几乎垄断AI CLI，但伴随着最近Claude作妖事件，也让中国开发者纷纷表示要弃用。这个节骨眼上，腾讯自研的AI CLI出来得刚刚好，而且国内版直接集成DeepSeek免费使用，在很多运维场景中也完全够用了。<br>
比如，它已经可以自己给自己做需求了……<br>
腾讯的工程师在直播中演示了他们用CodeBuddy Code开发CodeBuddy Code一个真实场景：<br>
当时，研发在企业微信群中接收到一个需求，通过截图和自然语言描述给到CodeBuddy Code，进行需求理解、特性分支创建、AI 编程、创建 MR和 Commit Message，全程不用写一行代码。<br>
这个AI有两下子，还能自己开发自己…<br>
伴随CodeBuddy Code的诞生，腾讯云CodeBuddy成为业内首个同时支持插件、IDE和CLI三种形态的AI编程工具矩阵。<br>
AI Coding迈入L4时代，CLI成为基础设施<br>
随着AI编程能力的快速发展，软件工程正在经历一场范式级变革。<br>
从最早的“单文件代码补全”，到如今可参与项目级开发与多智能体写作的AI工具，AI的角色正逐步从“辅助”升级为“驱动”。<br>
我们可以把AI编程工具的发展划分为五个层次：<br>
L1，文档级补全：能够在单文件内进行代码生成和优化；<br>
L2，任务级自动化：能够处理子流程任务，需要精心设计上下文与提示词；<br>
L3，项目级自动化：从需求到PR的端到端流程，适合小型项目；<br>
L4，AI软件工程师：独立承接复杂项目，辅助架构与策略决策；<br>
L5，AI开发团队：多智能体写作，处理企业级复杂项目。<br>
在这个过程中，AI CLI形态的出现改变了市场的格局。产品形态也从最早只有IDE插件，到今天插件、AI IDE和AI CLI三种形态并存。<br>
Claude Code开创了AI CLI形态，提供了完整的自动化流水线：集成了传统CLI的所有优势，适合自动化、批处理、远程操作，可嵌入企业开发者流水线，且拥有了AI的智能。<br>
命令行形式门槛太高不适合非技术用户，却很适合专业开发者，尤其是企业级的开发者。<br>
于是它一经推出，深受专业开发者喜爱。<br>
AI CLI形态的出现也标志着AI大模型智能能力的进一步提升。因此，腾讯认为，在2025-2026年，AI编程将向L4级AI软件工程师演进；到2027年，开始向L5级迈进。<br>
同时，随着AI智能体能力的逐级攀升，大模型业内逐渐形成一种新的共识：<br>
而随着AI智能体能力的逐级攀升，大模型业内逐渐形成一种新的共识：<br>
CLI（命令行界面）正在成为下一代AI编程的底层基础设施。<br>
其关键在于，未来，AI不再只是IDE插件，而是能够深度嵌入企业开发流程的智能协作伙伴。<br>
为什么CLI是企业级AI编程的未来<br>
不同开发场景对AI工具的需求完全不同。<br>
比如IDE/插件模式，适用于单人开发者或小团队，特点是AI提供建议，人工手动确认。<br>
可视化编程平台则更适用于非技术人员与技术人员的快速开发场景，AI能够生成完整代码文件，图形可视化。<br>
而CLI模式，适用对象正是需要大规模写作的企业级团队。这种模式下，AI支持多模块、多任务自动化，深度集成CI/CD，能够保证安全与权限控制。<br>
在企业级场景中，CLI模式具有天然优势：<br>
易于集成<br>
可与Git、CI/CD、监控系统、日志分析工具无缝结合。高效协作<br>
支持多文档、多任务、多智能体并行处理，提升团队效率。全链路自动化<br>
从任务分解到部署上线，几乎覆盖整个软件生命周期。CLI更像是企业级开发的操作系统，让AI从“代码生成器”升级为全流程开发伙伴。<br>
目前，腾讯内部超90%工程师都在用CodeBuddy，整体编码时间平均缩短40%以上，AI生成代码占比超50%，结合内部大规模投产经验，研发提效超16%。<br>
CodeBuddy团队透露，对比2024年腾讯内部实践看来，今年AI代码生成覆盖的流程广泛，更加侧重以智能体为代表的项目级代码生成而不仅是代码补全，同时更加关注AI代码评审环节，AI生成代码占比从35% 增加到50%；AI在代码评审中贡献占比从12%增加到35%。<br>
腾讯认为，随着AI CLI工具的普及，AI开发的代码占比将会更高，超过90%。<br>
CLI驱动的智能编程平台<br>
腾讯的CodeBuddy Code正是一个CLI驱动的智能编程平台。<br>
它定位于专业工程师用专业的 CLI Agent，基于npm安装，支持用自然语言驱动整个开发运维生命周期，实现极致自动化效率提升。<br>
1. 安装命令：<br>
npm install -g @tencent-ai/codebuddy-code<br>
2. 进入项目目录：<br>
cd your-project-dir<br>
3、 启动Codebuddy Code<br>
codebuddy<br>
其核心功能亮点包括：<br>
自然语言交互：无需学习复杂命令，直接输入需求<br>
文档驱动管理：任务与模块可溯源、可共享<br>
多智能体协作：前端、后端、DevOps、安全Agent分工合作<br>
长期记忆 + 上下文压缩：跨会话、跨项目的连续理解<br>
与Git/CI/CD深度集成：覆盖从开发到上线的全链路自动化<br>
CodeBuddy.md<br>
CodeBuddy Code会将项目上下文管理在CodeBuddy.md文件中，形成一个 可追踪、可共享的智能工作空间。<br>
# 初始化工作空间
<br>
codebuddy /init
<br>
# 使用自然语言描述任务
<br>
codebuddy "设计电商订单系统：购物车 + 订单处理 + 支付 + 库存"
<br>
# 进入交互式终端，支持选择 @file
<br>
codebuddy
<br>
> 在输入框中选择文件并输入：
<br>
@file1 设计电商订单系统：购物车 + 订单处理 + 支付 + 库存<br>
这种文档驱动开发模式让 AI 能够理解历史决策、架构约束和团队约定，从而实现长期上下文管理。<br>
上下文压缩与长期记忆<br>
在长期项目中，AI需要持续理解数百次交互内容。CodeBuddy Code通过语义化上下文压缩 + 项目级长期记忆实现智能管理。<br>
核心机制是：<br>
自动压缩：上下文达到阈值时，系统自动触发压缩。<br>
手动压缩：开发者可通过 /compact 命令手动压缩，降低token消耗。<br>
语义保持：智能提取关键信息，避免丢失项目上下文。<br>
增量更新：只更新变化的部分，降低计算成本。<br>
其记忆体系如下：<br>
MCP（Memory & Context Plugin）扩展<br>
MCP是CodeBuddy Code的上下文扩展协议，可以实时接入外部知识源。<br>
例如，安装Context7 MCP后，可以让CodeBuddy获取最新的软件文档和示例。<br>
安装步骤如下：<br>
# 1. 退出 CodeBuddy Code
<br>
# 2. 安装 MCP
<br>
npx -y @upstash/context7-mcp@latest
<br>
# 3. 配置远程 MCP
<br>
codebuddy mcp add --transport http context7 https://mcp.context7.com/mcp
<br>
# 或使用 SSE 传输
<br>
codebuddy mcp add --transport sse context7 https://mcp.context7.com/sse
<br>
# 4. 验证是否安装成功
<br>
codebuddy mcp list
<br>
# 如果看到 "Connected" 状态，表示安装完成<br>
CodeBuddy Code实战工作流<br>
在真实企业项目中，一个典型的CodeBuddy Code工作流如下：<br>
1. 项目初始化<br>
codebuddy /init<br>
2. 智能架构设计<br>
codebuddy "设计支持千万商品的电商搜索系统，包含 ES 集群、缓存策略和降级方案"<br>
3. 安装与配置 MCP<br>
4. 按照上节步骤安装 Context7，持续优化与重构<br>
codebuddy "基于性能测试结果优化查询性能"<br>
5. 安全执行与自动化部署<br>
未来，CodeBuddy Code将可以通过生态扩展集成沙盒运行、权限控制、审计机制，确保企业级安全。<br>
实际上，像CodeBuddy Code这样的产品，代表了企业级AI编程的新方向：<br>
CLI驱动：让AI融入开发流程，而不是外挂插件<br>
多智能体协作：前后端、DevOps、测试、安全全链路打通<br>
文档化上下文管理：保持长期记忆，支撑大型项目开发<br>
对开发者而言，掌握这一范式，意味着从“代码执行者”升级为AI协作架构师。<br>
这不仅是工具的迭代，更是软件工程思维的升级。<br>
— 完 —