今年AI編程領域非常熱鬧，明星產品頻出，從Copilot到Cursor到Windsurf，還有很多細分領域的產品都讓人眼前一亮。比如有人很簡單的認為AI能提效50%甚至更多，也有人覺得AI提效不多，只是替代了搜索引擎。下面是KK的《讓AI提效50%》一系列文章，總體寫的還是很不錯的。

看了一下iOS上付費版第一的App是一個不懂代碼的產品經理寫的，因為這個事在Twitter上也討論不休止。

有人覺得是營銷，有人覺得真實提效。到底AI能否提效，以及AI編碼情況具體如何，這里我們梳理一篇文章，把2024年AI編程相關進展和大家分享一下。

一、前言

• AI編程的發展背景與現狀

AI編程工具的出現和快速發展是技術進步的必然產物。這種必然性首先源于開源社區和代碼托管平臺提供的海量代碼樣本，為AI模型提供了充足的學習素材。其次，編程語言本身具有嚴格的語法規則和結構化特征，這種高度規范化的特性使得AI能夠準確理解和生成代碼。同時，深度學習技術的突破，特別是大語言模型在代碼理解和生成方面的重大進展，為AI編程提供了強大的技術支撐。此外，隨著軟件開發需求的持續增長，傳統開發方式已難以滿足效率要求，開發者們迫切需要更智能的輔助工具來提升生產力，這些因素共同推動了AI編程工具的蓬勃發展。

AI編程工具的發展呈現多元化趨勢，可分為以下幾大類：

• 智能編輯器類

• Cursor：基于AI的代碼編輯器，提供實時代碼補全、重構建議和錯誤檢測
• GitHub Copilot：集成于VS Code等主流IDE，提供智能代碼建議和自動補全
• WindSurf：專注于代碼重構和優化的智能編輯器，提供代碼質量分析和優化建議

• 代碼生成與轉換類
• CopyCode AI：專注于代碼復制和轉換，支持跨語言代碼轉換和優化
• bolt.new
• V0.dev：專注于前端開發的AI工具，可直接將設計轉換為React代碼
• 開發輔助插件類
• Continue.dev：跨平臺AI編程助手，支持多種編程語言和開發環境
• Tabnine：基于深度學習的代碼補全工具，能夠適應開發者的編碼風格
• Amazon CodeWhisperer：專為AWS云服務開發的智能編程助手
• 一站式AI開發平臺
• Devin：被譽為首個完全自主的AI軟件工程師，能理解、規劃和執行完整的編程任務
• Replit Ghost：集成代碼生成、調試和部署功能的完整開發環境

這些工具的出現標志著AI編程正在從簡單的代碼補全和建議，逐步發展為能夠理解開發上下文、參與軟件工程全流程的智能助手。它們不僅提高了開發效率，也正在改變傳統的軟件開發模式。

除了國際主流AI編程工具外，國內也涌現出一批優秀的AI編程助手和平臺：

• 豆包 MarsCode（對標Cursor）

• 專注于企業級開發場景的AI編程助手，尤其是Web IDE領域，一枝獨秀
• 提供代碼生成、重構和測試等全方位功能
• 針對中文開發環境和國內開發習慣進行特別優化
• 對刷題場景也有較好優化

• WeaveFox（對標V0.dev）
• 是Image to Code領域代表產品，比傳統的d2c有本質區別
• 生成代碼和人寫的代碼幾乎無差別
• 和開發生態集成，可二次定制代碼，是面向前端開發的智能助手
• 商湯小浣熊Raccoon（對標Continue.dev）
• 基于商湯大語言模型開發的智能軟件研發助手
• 提供全面的軟件開發支持，包括需求分析、架構設計、代碼編寫和軟件測試。支持超過100種主流編程語言（如Python、Java、JavaScript、C++、Go、SQL等），并可集成至VS Code、IntelliJ IDEA等主流開發環境。
• 實際應用數據顯示，代碼小浣熊能提升開發者的編程效率50%以上。
• ClackyAI（對標Devin）
• 一站式開發，流程和devin類似
• 自主實現IDE，具備更多深層次優化
• 支持自動修復PR等

這些國內AI編程工具的出現，不僅為中國開發者提供了更適合本地化需求的解決方案，也在推動著整個行業的技術創新和發展。它們在理解中文編程需求、適應本土開發環境等方面具有獨特優勢。

整體來看，AI編程無論在國內還是國外都受到高度關注和期待。各大公司和開發團隊都在積極探索如何通過AI技術來降低開發成本、提升編程效率。從目前的發展趨勢來看，AI編程正在逐步實現從"專家式編程"向"人人可編程"的轉變。這種轉變不僅能夠降低編程門檻，讓更多人能夠參與到軟件開發中來，還能夠大幅提升專業開發者的工作效率。

隨著AI技術的不斷進步，特別是大語言模型在代碼理解和生成方面的持續突破（含多模態），我們有理由相信，未來AI編程工具將在以下4個方面取得重要突破：

• 代碼質量的持續提升：AI將更準確地理解開發意圖，生成更高質量、更可維護的代碼。這一點是可以預見的，很多人開玩笑說未來取決于模型能力升級，這和當年優化Node.js性能，依賴Node.js版本升級類似。
• 開發流程的進一步智能化：從需求分析到代碼部署的全流程AI輔助將更加成熟。類似Claude Artifacts，類似于Cursor composer，甚至devin、clacky之類的，都在從單文件生成到多文件，甚至項目級的生成，所以智能化也是必然的。
• 更強大的協作能力：AI將更好地支持團隊協作，提供更智能的代碼審查和優化建議。對于現在的交互形式，我不認為是AI編碼終態，比如CR現在的流程就非常不合理，不熟悉的人是review不出問題的，以至于很多流于形式的CR，我認為未來應該出現一種新的研發形態，在協作方面更強大。
• AI時代應該有AI時代的語言和框架，這些會搭配編碼方式，進一步做到效能最大化。比如moonbit就打的是AI時代的新語言，能否成功不好說，但至少是一個很棒的嘗試。至于標榜AI時代的框架就更多了。我個人以為語言和框架和編碼方式是三者相互影響的，所以現在下結論，討論好壞還為時過早。

這種發展趨勢不僅會改變軟件開發的方式，也會為整個行業帶來新的機遇和可能性。

二、客觀聊聊  豆包 MarsCode

豆包 MarsCode 本質上就是一個側重于輔助編程方向的 AI Agent 應用，主要提供代碼補全、問答等能力，雖然能力上與 Cursor 比較相似，但它更側重于中文環境環境下的應用，對于國內用戶而言使用成本更低，不需要翻墻，不需要做復雜的配置，幾乎一鍵安裝啟動。其次， 豆包 MarsCode WebIDE 版本還內置了許多項目模板，開發者無需任何配置即可快速啟動 Node、Web、Python 等類型的項目，堪稱新手福音，非常適合學習用。

它有如下特性是我用過很好的。

• Generate(生成)：只需以文字方式提交需求，豆包 豆包 MarsCode 即可生成對應代碼，這一功能對編程新手尤其重要，可幫助新手快速理解和掌握編程的基本原理和技巧。另外，通過直接觀察生成的代碼，新手也可以更好地理解代碼的結構、邏輯和語法，從而提高自己的編程能力，進而提升學習效率；

圖片

• Explain(解釋)：能詳細解釋給定代碼的作用，對于新手可通過這樣的方式，更加深入地理解代碼的功能和邏輯，從而更好地掌握編程技能，最終也還是能夠提升理解與學習效率；
• Test(單測)：為特定代碼生成單測，以提升代碼穩定性；事實上，許多程序員擅長編寫業務代碼但并不擅長為這些代碼編寫對應的單元測試代碼，因為這需要對代碼的功能、邏輯、邊界情況等有深入的理解，并運用合適的測試框架和工具來實現，而 豆包 豆包 MarsCode 非常擅長分析并生成模塊對應的測試代碼，這能夠非常有效地提升開發效率；
• 問答：可以直接在 IDE 中咨詢各類問題，過往需要在 IDE 與搜索引擎間來回切換，花許多時間閱讀冗長的解說文檔，而現在只需提出正確的問題，多數時候即可獲得正確答案，效率要高出許多許多。

而  豆包 MarsCode 背后主要使用字節的豆包模型實現內容生成，豆包模型的成長速度非常快，雖然相比于 GPT-4o 等還有不小差距，但在國內已經成功打進第一梯隊，準確率、穩定性都還不錯，也就保證了  豆包 MarsCode 的代碼生成質量還是非常不錯的，我第一次用的時候甚至覺得有點驚艷。

另外，由于 豆包 模型長期深耕于中文環境，相比與 Claude、GPT 等，天然地有更出色的中文理解能力，因而更適合中文開發者。

不過，客觀地說，體感上  豆包 MarsCode 與 Cursor 差距還是比較大的，我個人認為 Cursor 已經算得上生產力工具，而  豆包 MarsCode 目前更像是一個充滿想象力的“玩具”，前期驚艷但在專業項目中，很快就會發現  豆包 MarsCode 經常返回一些并不準確 —— 甚至可以說是謬誤的結果。這也就導致雖然  豆包 MarsCode 在國內聲浪很高，但實用性并不高。不過反過來說，畢竟 Cursor 這類應用有先發優勢，早在兩年前就開始研發， 豆包 MarsCode 短短幾個月確實很難追趕上，相信假以時日，未來還是值得期待的。

作為一個普通開發者，我認為完全可以將  豆包 MarsCode 看做增強版的 VS Code —— VS Code 能做到的事情它同樣都能做到，只是在此基礎疊加了許多渾然天成的 LLM 交互能力，即使不做任何配置，也能通過 Auto Completion 等能力獲得極大增強的編程體驗與效率提升 —— 并且它目前還是免費的，非常推薦使用。

三、AI編程當前的局限（以 豆包 MarsCode及其它工具暴露的問題為例）

在當前AI編程領域，產品形態和技術路線都處于探索階段，尚未形成統一的最佳實踐方案。豆包 MarsCode作為這個領域的重要玩家，也面臨著需要在不同方向上進行取舍和平衡的挑戰。以下是我總結的一些主要的局限性：

• 產品定位的取舍

• 在追求通用性和專業性之間需要權衡，目前更傾向于企業級開發場景。大廠的很多技術是優先滿足內部，然后再對外售賣。理論上，內部夠用，外部80%以上都是夠用的。
• 為了保證代碼質量，出碼準確性和安全性，可能會犧牲了一定的靈活性和創新空間，但大公司產品，通常會這方面有非常嚴苛的要求。
• 應用場景偏部署還是刷題？部署的話，需要被國內的各種實名增加很多步驟和成本，只做海外，ROI似乎又不足。如果做刷題，用戶粘性不高，上限略低。

我理解 豆包 MarsCode投入極大，團隊規模和產品功能設計都是想著打造下一代AI編程工具，所以它大概率會走一個大而全的方式，就是你需要的我做的都很好。按照字節的產品做法，會小步快跑，快速試錯，所以大家看的部分會變化非常快。

• 技術路線的探索

在完全自動化和輔助開發之間尚未找到最佳平衡點。現在的做法是每個地方都做了增強，每個地方又不確定能否組合一下更好，還是個未知數。從技術演進上也大致可知，先單個文件（早期cursor，現在的continue.dev等），然后跨文件（cursor composer），最后是項目級（devin）。這些對 豆包 MarsCode開發來說都不是事兒。我理解他們的路線應該是這樣的。

• 模型升級第一，在模型沒有升級的前提下，優先做體驗

模型能力和開發體驗二手抓，但模型能力是個不確定性的事兒，可能需要有人探索出來，完全自研路就非常長。而體驗是當下最容易實現的，比如性能，之前 豆包 MarsCode打開文件過多就會慢，他們快速搞定，性能可以說行業里top3了。

做完開發體驗之后，他們大概率會去做多模態，在文本之外，可能會對圖生代碼，視頻生代碼等方向。我們能看到的是v0.dev和bolt.new之類的已經可以用，好不好用另說。基于各種Vision language的的技術，雖然還有很多幻覺，但已經可以解決很多問題了。再有sora之中3d生成也有模有樣，這個方向也是非常有想象空間的。

其實還有一個不確定的點，就是快速行駛中，換輪胎。前面我有講過，語言、框架、編碼方式做有機組合，可以玩出更多高效的可能性。其實按照現在 豆包 MarsCode的折騰勁，很有可能在過程中，找到一種更好的交互方式，這才是我最期待的的。

• 技術局限性

以下我對AI的一點實踐得出的淺顯理解

Transformer 架構是有局限性，對于中文的理解，其實還只是一部分，遠沒有英文那種智能程度。中文轉英文，很多就缺失了。這是整個中文世界都需要攻克的難題。

在復雜邏輯和大規模項目上的局限性。目前新增項目上，AI編碼跑的都還不錯，存量項目和復雜項目已經不是很樂觀。舉個例子，處理Node.js包依賴問題，讓AI推理實驗，目前還是做不到的。比如esm和cjs互轉等細節，AI未必能夠排查出來。

應對創新型、行業特定問題的能力不足。像低碼，由很多部分組成，比如設計器，函數，存儲，邏輯，第三方集成能，如何能夠更好的結合AI，集合編碼，多項智能，組合智能，其實也是非常有想象力的。這方面，我還沒想明白應該如何做，估計 豆包 MarsCode產研同學還沒來得及想。

這些局限性并非單純的技術問題，而是整個AI編程領域在發展初期必然面臨的探索性挑戰。隨著技術的進步和實踐經驗的積累，這些問題將逐步得到解決和優化。

另外2點，也是我非常關注的，分別是自動化和多輪問詢出碼解決前端問題。

在一站式開發自動化方面， 豆包 MarsCode目前的集成程度與Devin這樣的完全自動化助手相比還存在一定差距。主要體現在自動化程度的局限性上，如尚未實現完全自主的項目規劃和任務分解能力，在復雜項目的環境配置和依賴管理上自動化程度不足，同時缺乏自動化的錯誤處理和異常恢復機制。

在集成度方面，與各類開發工具的深度集成仍需加強，在持續集成/持續部署(CI/CD)流程中的自動化程度有限，跨平臺協作能力也需要進一步提升。此外，在處理復雜業務邏輯、遺留系統和特定領域知識時仍存在瓶頸，安全性和代碼質量的自動化保障機制也尚需完善。

要實現類似Devin的完全自動化開發能力， 豆包 MarsCode需要在AI模型訓練、工具鏈集成、自動化流程等多個方面進行突破，這不僅需要技術上的創新，還需要考慮實際開發環境中的各種復雜場景和邊界情況。

對于類似V0.dev這樣的多輪問詢式代碼生成方案， 豆包 MarsCode目前仍有提升空間。雖然當前版本已經支持基礎的交互式代碼生成，但在前端開發領域，特別是涉及到UI/UX設計轉換為代碼的場景中，多輪對話式的精確控制和迭代優化顯得尤為重要。

開發者往往需要通過多次調整和反饋來實現理想的界面效果，這就要求AI工具能夠準確理解每輪修改意圖，并在保持代碼一致性的同時實現增量更新。

未來， 豆包 MarsCode可以考慮加強這方面的能力，引入更智能的對話管理機制，支持更細粒度的代碼生成控制，并提供更直觀的預覽功能，從而更好地服務于現代前端開發需求。

五、未來AI編程的發展方向設想

基于目前AI編程工具的發展趨勢，未來的發展方向主要取決于兩個核心要素：一是底層模型能力的持續升級，這將直接決定AI理解和生成代碼的質量；二是開發流程和工具的模塊化與原子化，這將為AI提供更靈活的組裝和調用能力。

具體來說，未來的發展方向可能包括以下3方面：

• 更細粒度的開發流程拆解，將復雜任務分解為可被AI理解和執行的原子操作
• 標準化的工具鏈接口，使AI能夠無縫調用和組合各類開發工具
• 智能化的工作流編排，讓AI能夠根據具體需求自動組裝最優的開發流程

這種發展路徑不僅依賴于AI模型本身的進步，更需要整個開發生態系統的協同演進。只有做好這些基礎準備，才能在未來模型能力突破時快速釋放AI編程的潛力。

我最希望的時候，腦機接口和AI編碼的集成，動動意念就能夠完成某些功能的開發，讓人人都是開發者，變成可能。

計算機編程從專家模式到人人可開發，想想還是很讓人激動的。很多人問我，以后還能不能選計算機相關專業，我的回答是可以選，即使AI時代，也是在互聯網時代基礎上構建的，計算機編程相關知識，不會沒用，只是可能變得像英語一樣，成為每個人都必須要掌握的專項技能。

六、總結與展望

回到AI編程領域，我們看一下 豆包 MarsCode帶來的變化。

• 豆包 MarsCode的主要成就：

• 優秀的中文語境理解和代碼生成能力
• 完善的企業級安全保障機制
• 高效的分布式架構設計
• 深度集成主流開發環境的能力

• 當前存在的主要問題：
• 在完全自動化開發方面與最新工具相比仍有差距
• 多輪交互式代碼生成的精確控制需要提升
• 處理復雜業務邏輯和特定領域知識時存在瓶頸
• 自動化的錯誤處理和異常恢復機制有待完善

未來，AI編程的發展前景令人振奮。在2024 IDEA大會上，來自各個行業的領袖分享了他們對AI未來的洞見。從低空作業到市場營銷，再到制造業，AI展現出了巨大的發展潛力。工業界和學術界普遍對AI持積極樂觀態度，認為它將重塑多個領域的未來發展。

然而，也有持謹慎態度的聲音。比如Linux創始人就預測在未來5年內，AI的實際落地應用可能僅占10%。這種保守估計和樂觀預期形成鮮明對比，反映了當前對AI發展的不同觀點。

事實上，無論是保守還是激進的預測都有其合理性。重要的是，我們已經確實進入了AI時代，它正在以前所未有的速度改變著我們的生活和工作方式。在這個充滿機遇與挑戰的時代，保持開放和務實的態度至關重要。

我對未來AI編程的發展有以下期待：

• 更智能的編程輔助能力

• 【不斷進化中】AI將更深入理解業務邏輯和架構設計，不僅能生成代碼，還能提供系統性的技術方案。
• 【這個還不行，基本為0】自適應學習能力將顯著提升，能更好地理解和適應不同團隊的編碼風格與最佳實踐
• 【現在是出碼，還不到重構級別】代碼質量預測和優化建議將更加準確，幫助開發者編寫更高質量的代碼

• 更深度的工具鏈聯動
• 【不斷進化中】與開發工具鏈的無縫集成，實現從需求分析到部署運維的全流程智能化
• 【當前就沒有統一框架，這個路還很遠】跨平臺和多語言開發場景的智能協同，提供統一的開發體驗
• 【降本增笑，目前路子可以玩，但上限不高】自動化測試和調試能力的顯著增強，降低開發成本
• 垂直領域的深度突破
• 在金融、醫療、教育等特定領域出現更專業的AI編程解決方案
• 針對不同規模企業的定制化AI編程工具將更加普及
• 新興技術領域（如區塊鏈、IoT）的專屬AI編程助手將不斷涌現
• 空間計算和3D建模領域，我個人尤為期待

總體看，AI編程工具正在朝著更智能、更專業、更實用的方向發展。隨著底層技術的不斷突破和應用場景的持續拓展，AI編程必將在軟件開發領域發揮越來越重要的作用，為開發者帶來更高效、更優質的開發體驗。我們有理由對AI編程的未來充滿期待和信心。