ShowMeBug李亚飞：IDE与AI自动编程技术将增强超级程序员|ai|插件功能|李亚飞|自动编程技术|超级程序员

口述/李亚飞

访谈、撰文/宇婷

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；联易融副总裁沈旸；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，1024Code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。

沈旸在讨论中，也表达了他的观点：

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，沈旸曾经找到李亚飞，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：

第一步，也许是几个人之间聊天，在思想上产生碰撞。对产品产生诉求。

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。

无论是Web1.0还是3.0，最重要的就是积累足够的数据，以培训AI。

Web/云端IDE其实就是AI编程，或者说带领AI工程师打开第一步。

黄哲铿（Mr.K）的观点是：

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。

如果有足够的法律法规监管，确实能够实现编程领域的AI智能体。

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。

1、从“工程效能”到对Devin的辩证思考

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。

海外软件Devin，是一个十多个人的团队，他们发布了号称全球首款AI软件工程师。

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。

【国内也有Devin了！一个来自国内创业者 L5 自主编程能力的探索-哔哩哔哩】https://b23.tv/neb8Aoq

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。

参考自动驾驶的理解，这里分析一下，L1到L5之间在自动编程上的差异是什么：

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。

L2是超越20%-30%人类的思考能力，对人类有一定的启发作用。能够用在助理和自动化领域。

L3能够替代50%的人类工作，自动化完成任务。

L4能够完成90%的人类工作。

L5则100%超越人类。

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。

所以也会有“程序员不存在”这个话题的讨论。

2、AI自动编程要看谁跑得快

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的应用过程中，跑程序出现错误之后，通过找到错误的编码，就能够解决掉问题。AI的能力和ChatGPT在本质上是概率的动作。在AI编程领域的成功，每一步都相当于做一次Commit，把非常难的步骤分成多步骤，每一步骤都可以验证对不对，相比其他工程更为清晰明了。

Devin在获取工具的能力上，包括连接海外的搜索应用，其效果非常好。对工具的检索有一个非常好的体系和列表。借助工具做想做的事，每一步都能够检验。对于产品经理来说，产品从实践到落地，以及涉及的运营环节，判断产品好坏，需要进行大量灰度测试。软件工程师是目前能够看到的AI进展最快的一个应用。

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。

现在要看谁跑得快？快步向前，抓住机遇。

3、给自动化编程软件装上“手”与“脚”

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？AI软件需要闭环，且最容易闭环，而闭环的核心就是程序员经常工作用的那套编程环境IDE，或者在AI编程领域，叫做CDE（云端编程环境）的东西。CDE的发展趋势，最后就是云端编程+AI的融合体，它里面会很简单，没有那么多功能概念，只有测试、发布两三个步骤。

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。

4、“块编辑”与“CDE”技术的发展前景

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。

程序员当下培养成本是非常高的，复杂而且稀缺。当AI进入这个行业，程序员会变成一个普通职业，让这个职业在未来成为一个供给平衡的市场。这是1024Code和ShowMeBug能够帮助行业创造的一种新的交互形式。程序员的精力也会被释放出来。

让4天的工作进入到3天的工作制甚至继续压缩。我的逻辑是程序员行业要像美国社会一样，人均生产力提高几倍。推动整个社会经济的发展。

对于AI自动编程，你的手和脚装齐，等待大模型能力不断变强，对着IT体系不断增强，最终形成一个自主化高效的编程体系。

如果想让IDE落地，需要再补充一条——兼容现有环境。海外现在流行一个新的概念——CDE。也就是云端开发环境这一概念。并且能够实现兼容到你的私有化IT环境中部署。Gartner预测，到2026年，60%的云工作开发将使用CDE构建和部署。

先讲一下什么是云端IDE。IDE是指本地集成开发环境，也就是包括开发人员所需要的、与编写代码相关联的一系列环境及配置。而云端IDE即是简单放在浏览器上，就可以直接运行的IDE环境。但云端IDE技术实现上有很多差异，针对场景不同，功能会有取舍考量。

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。

说到CDE，我们必须从海外的市场开始讲起。

第一个值得讲的就是Coder（https://coder.com/）。

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。

PV 4.9万，UV：2.4万。

值得讲一下，他们三个联创都特别年轻，现在才20出头，但已经创业5年了。在22年宣布拿到了3000万美元。

第二个是现在CDE市场的新秀产品Gitpod。

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。

PV：67.3万，UV：15万。

目前融资情况：Github的创始人领投了最新一轮2500万美元。

AI编程自动化这项技术，你要把自主技术核心掌握在自己的手里。1024Code提倡一个概念——块编辑。也就是一开始，就要决定是谁在写，但其实其他体系是做不到的，包括Devin。我的思考是要更闭环。

在我们做ShowMebug的时候，也积累了这项技术。并且花了两年多的时间。这是一个非常核心能够形成壁垒的技术。

CDE的应用场景上，本质是一家技术驱动的公司。技术应用在什么样的地方，是需要你自己进行探索和判定的。我们当时从能力测评这个角度出发，面试验证程序员能力这个场景开始。这是因为我们判断，这个地方离商业化最近。

第二个场景是编程教育。海外公司Replit，目前有2000万活跃用户，活跃率超过50%，价值12亿美元。

第三个领域就是AI自动编程。中国有上千万正规程序员。加上非正规军达到2000万人群体。节省一半人力，就能达到一千万市场。其实，微软40年来，就是抓住了程序员的群体，微软之前也推过.net但都被历史淘汰了。

现在有了AI加持之后，会让创业公司拥有创新力。但是挑战就在于早期对于产品的要求需要突破一个临界值。这方面，商业化挑战比较大。