智东西1月29日报道，今天，腾讯旗下AI编程工具CodeBuddy核心团队向智东西等媒体，分享了其AI编程CLI工具CodeBuddy Code发布2.0版本背后的开发实践与技术思考。
腾讯云开发者AI产品负责人、CodeBuddy首席产品经理、腾讯云产品专家汪晟杰称，CodeBuddy Code项目自去年下半年启动，最初以终端形态切入，但在0.x、1.0再到2.0的持续迭代中逐渐被重新定义为“AI原生运行时基建”。
汪晟杰称，腾讯一贯坚持“吃狗粮文化”，CodeBuddy Code也不例外，必须先在内部被充分使用和验证。目前，这一工具已经覆盖腾讯内部1.2万名工程师，生成海量代码，变成“大家几乎离不开的工具”。
具体到CodeBuddy Code本身，此次升级中，90%的代码由CodeBuddy自己生成，AI团队7×24小时协同开发。
腾讯CodeBuddy是首个支持插件、IDE、CLI三形态的AI编程工具。CLI形态的CodeBuddy Code主要面向专业工程师，定位类似Claude Code。
升级后的CodeBuddy Code支持了计划模式，兼容ACP协议，SDK集成等新功能，还提供基于隔离沙箱的安全代码执行环境，确保项目开发过程的安全性和可靠性。
此外，CodeBuddy还上线了国内企业版，支持腾讯统一身份认证、研效度量、安全审计、组织知识资产托管及分发等20多种能力。
一、从终端到AI原生基础设施：CodeBuddy Code的演进之路
CodeBuddy试图构建的是一种面向未来的AI原生运行时基建。汪晟杰称：“终端只是形态，更重要的是背后的运行时infra和软件技能。”
围绕这一方向，CodeBuddy Code的能力逐步从单一产品扩展为平台级基础设施。一方面，产品能力通过团队打造的Agent SDK，得以接入各类业务系统。
另一方面，团队在安全层面通过云端E2B协议隔离，并结合iOS、Windows等系统的原生安全机制，试图解决AI基建在不同环境中安全运行的关键问题。
在应用层与生态层，CodeBuddy Code看到了Skills的快速发展，并成为国内首款引入Skills的AI编程工具。
Skills与腾讯内部现有技术的结合，让AI的生成质量远超普通对话，这一模式已在内部办公、数据分析、Office工具等场景中广泛使用，成为“大家几乎离不开的工具”。
Codebuddy技术团队专家易潇介绍道，Codebuddy选择将其打造的SDK命名为Agent SDK，是因为Codebuddy已经不只是一个coding agent，而是一个可以覆盖半开发甚至非开发场景的通用Agent。通过去掉“code”的限定，团队希望释放其在更广泛业务领域中的潜力。
在多Agent协作层面，Codebuddy构建了内部称Sub Agent（子Agent）的系统能力，本质上是一个高性能的多Agent架构。通过并行执行、上下文隔离以及技能与MCP的协同调用，多个子Agent可以同时处理独立任务，最终将结果汇总至主Agent层。易潇称，这项技术“在效果和速度之间达到了一个比较完美的平衡”，且该能力目前已默认开启。
此外，在执行机制上，Codebuddy Code引入了更强调“计划先行”的模式。当激活计划模式后，Agent不再“马上开干”，而是先进行多轮思考和任务拆解，通过计划来充分打磨用户需求，并接入类似Spec Kit、Open Spec等规约化编程方式，使计划本身更加结构化、可执行。最终执行阶段，再由多个Agent并行完成任务，实现快速交付。
二、覆盖1.2万工程师，CodeBuddy在腾讯内部如何提效？
在采访中，智东西向易潇询问了Codebuddy Code在接入大型企业代码库并进行代码理解和维护背后的关键技术。
易潇认为，在企业场景中运用AI Coding涉及一个关键问题：如何让AI真正理解一个完整、复杂的项目仓库？在传统分工体系下，一个产品往往由前端、服务端、大数据等多个职能团队分别维护，很难获得全局视角。
进入AI Native时代，许多团队开始重新思考组织与代码结构，更倾向于采用Monorepo（单一大仓）的形态。这种模式在谷歌等公司已被长期验证，而在AI时代，其价值进一步放大，当所有代码与配置集中在一个仓库中，Agent在编写或修改代码时，能够天然拥有完整上下文，理解从界面交互到后端调用的全链路关系。
这种变化并不只是代码管理方式的调整，更是为了适配Agent的工作方式。相比过去“一个需求拆给多个团队”，在Monorepo架构下，AI可以像人一样在仓库中自由探索，理解模块依赖与业务逻辑，从而完成跨前后端、跨系统的整体改动。
易潇称，编程之所以成为AI应用最先爆发的领域，本质在于它是一种“源能力”。只要Agent具备读写文件、执行多步任务和调用工具的能力，就可以在大型代码仓库中持续运行、逐步理解复杂系统，而不是一次性“喂”给模型全部上下文。正是基于这种能力，团队才能使用Codebuddy对自身的复杂项目进行系统性重构。
目前，CodeBuddy Code已经覆盖腾讯公司的1.2万名工程师，并从内部使用中不断获取产品优化的反馈。
汪晟杰称腾讯一贯坚持“吃狗粮文化”，产品必须先在内部被充分使用和验证。团队不仅用CodeBuddy Code开发自身产品，还通过数据、满意度、反馈等多种方式持续收集体验，并不断打磨优化，再反哺给内部和外部用户。
同时，AI编程的受益者并不限于技术人员。非研发场景里，研究人员、内容与调研团队可以通过一句话需求，驱动AI自动完成资料收集、代码生成、数据整理，并最终输出结构化报告甚至完整PPT。整个过程只需2～3轮交互，即可生成可直接使用的PPT文件。
这类实践已在腾讯研究院等团队中被“玩得很深”，甚至进一步叠加了记忆系统，形成日常自动化的深度研究流程。
当被问及相比自然语言编程，CodeBuddy Code的多轮对话是否会增加编程时间时，汪晟杰称编程时间肯定是大幅缩短的。
目前，主要的时间花在了编程之前的需求和架构讨论上。即使是传统开发，这部分也是最花时间的，使用AI后，现在只是把这部分时间用来和AI达成“契约”。一旦确认，AI的生成速度是飞快的。
而且，过去在开发中达成一致很难，是因为人的知识面不同。现在大家手里都有AI，两个AI的知识库是相同的，达成一致非常快。
作为国内首个拥抱Skills的AI编程工具，CodeBuddy有自己的思考。汪晟杰认为，Skills就像激光枪，而自然语言像散弹枪。散弹枪虽然覆盖面大但没准头，激光枪能聚焦能量解决确定性问题。
目前，Skills已经腾讯内部场景广泛使用，比如代码审查、Bug修复、深度调研报告等等，还有员工用来订会议室、订票。可以说，Skills让大模型在处理复杂问题时拥有了“稳定的情绪”，可得出相对一致的结果。
当被问及Vibe Coding是否会导致开发者过度依赖AI时，CodeBuddy技术负责人称，AI降低了编程的门槛，目前他们团队新招的同学第一天就能修Bug，并且以前修Bug要几个小时，现在把截图丢给AI，几分钟就修好了，甚至一行代码都不用手写。
至于依赖问题，他认为这就像有了高级语言后，大家不再写汇编语言一样。虽然我们对底层的掌控力弱了，但解决问题的效率极大提升了，他们更关心能否端到端交付功能。
结语：编程成为AI落地完美载体
国内外多家大厂已悉数入局AI编程赛道，行业竞争进入白热化阶段。汪晟杰认为，这场“编程大战”背后的逻辑十分清晰：编程很可能诞生出优秀的AI产品落地形态。
首先，大模型最擅长的本质上是生成文字，而代码正是一种逻辑高度严密的文字，天生与模型契合；其次，代码不仅仅是字符，它是具备行动力的指令，可以直接操控文件、软件乃至各类数字工具，让AI具备了干预现实世界的能力。
更为关键的是，代码执行结果的好坏能立即反馈给模型进行后训练，从而形成强大的“数据飞轮”，让AI在实践中不断自我进化。
热门跟贴