編者按： AI 編程智能體的發(fā)展前景如何？創(chuàng)業(yè)者在這個快速變化的賽道中應(yīng)該如何找到突破口？

文章作者基于一年來打造 Codebuff 編程智能體的實戰(zhàn)經(jīng)驗，深入分析了團隊在產(chǎn)品開發(fā)過程中的成功決策與失誤教訓(xùn)。他特別強調(diào)了 CLI 優(yōu)先、注入更多上下文、產(chǎn)品定位高端等關(guān)鍵策略的重要性，同時也坦誠地反思了產(chǎn)品穩(wěn)定性不足導(dǎo)致用戶留存率低迷的問題。作者還對 2025 年編程智能體的發(fā)展趨勢做出了預(yù)測。

作者 | James Grugett

編譯 | 岳揚

我努力打造最佳的編程智能體已經(jīng)整整一年了！

去年的 7 月 4 日，我還不知道我的生活即將改變 —— 那是在一次黑客馬拉松上，我首次為一個最終蛻變?yōu)?Codebuff[1] 的 CLI 編程工具制作了原型。這一路走來真不容易！

從離開 Manifold[2]，到加入 YC F24，再到組建團隊，以及與 Claude Code 的競爭，同時每周平均工作約 70 個小時 —— 甚至大部分周末時間都在奮斗，這一切都實屬不易！

或許我們尚未贏得第一輪比賽，但對于未來，我的熱忱與期待卻前所未有地高漲。

01 我們所做的賭注

最初我們做對了太多關(guān)鍵決策：

• CLI 優(yōu)先。將產(chǎn)品范圍聚焦于命令行工具，讓我們得以全力打磨編程智能體的核心。
• 注入更多上下文。即時讀取與用戶提示詞相關(guān)的十余個文件，這讓我們在與對手的競爭中形成了一定的優(yōu)勢。
• 不做權(quán)限檢查。我們從一開始就進入“全憑直覺橫沖直撞”模式 —— 這在當(dāng)時簡直是離經(jīng)叛道。
• 產(chǎn)品定位高端。相較程序員的薪資成本支出，本工具成本效益顯著。
• 引入知識文檔。我們創(chuàng)新性地提出將 ??knowledge.md?? 文件納入代碼庫。Codebuff 能在學(xué)習(xí)過程中自動更新這些文檔。

如今這些策略大部分已成為編程智能體的標(biāo)配或準(zhǔn)標(biāo)配！

02 效果欠佳之處

頭十個月里，我們總以為距離爆發(fā)式增長僅有數(shù)周之遙。在 YC 期間，我們確實有過指數(shù)級增長 —— 月營收一度沖至 5k MRR。

常有用戶評價這是最優(yōu)秀的編程智能體，但其穩(wěn)定性始終存疑。

我們的文件編輯策略數(shù)月間一直不穩(wěn)定，表現(xiàn)遠(yuǎn)遜于采用定制文件重寫模型的 Cursor。

即使在我們采用 Relace 的快速重寫模型后，我們的產(chǎn)品仍然存在大量問題，導(dǎo)致約 5-10% 的任務(wù)失敗。部分問題本就需時間排查修復(fù)，但我們的優(yōu)先級排序本可更優(yōu)。

若穩(wěn)定性不足，則無法實現(xiàn)高留存；若留存率低迷，則 Codebuff 難有增長空間。

03 我們應(yīng)該采取什么行動

以下是我在經(jīng)過深度復(fù)盤后會做出的不同選擇。

3.1 建立端到端的評估體系并每晚運行

這將使我們獲得關(guān)于編程智能體 Codebuff 表現(xiàn)的定期量化反饋。此舉既能解決產(chǎn)品的可靠性問題，又能驗證對產(chǎn)品的相關(guān)優(yōu)化措施的假設(shè)是否成立。

正因缺乏這種機制，我們需要耗費大量時間在每次產(chǎn)品變更后進行手動測試，或在切換模型時反復(fù)進行評估。

3.2 砍掉所有非核心功能

我們原以為聚焦 CLI 已足夠精簡，但其實本應(yīng)該刪減更多。Elon Musk 說得對：你首先就必須得“delete the part!”。

下面是一些我們本應(yīng)早點刪掉的功能：

• 自動識別輸入內(nèi)容是終端命令還是提示詞
• 自動更新知識文件，我們對該功能進行了數(shù)月的調(diào)整，最終基本放棄了該功能
• 用于實現(xiàn)文字顏色/樣式的控制和命令縮寫的偽終端庫（node-pty），該庫最近被我們評為史上最坑爹的功能

3.3 讓整個團隊都投入核心產(chǎn)品的改進

我攬下了太多核心系統(tǒng)的開發(fā)任務(wù)，而讓聯(lián)創(chuàng)去處理價值較低的其他任務(wù)。讓所有人都參與進來有助于集中精力辦大事、鼓舞士氣。

3.4 永遠(yuǎn)比市場快半步

永遠(yuǎn)不要停止思考如何顛覆現(xiàn)有產(chǎn)品。下一步突破點在哪？今天我們可做哪些實驗來實現(xiàn)它？

3.5 推行月度復(fù)盤機制

若能建立月度復(fù)盤會議機制，或可達成上述目標(biāo)。請將其排入日程表，并預(yù)留一小時讓全員共同探討以下問題：

• 應(yīng)加倍投入什么？
• 該狠心砍掉什么？
• 下一步亟待探索什么？

04 Codebuff 的下一步行動

過去數(shù)月間，隨著 Claude Code 等競品攜相似的理念蜂擁進入市場，我們展開了更深的反思與探索。

（順便提一下，我認(rèn)為 Claude Code 的成功部分源于更聚焦的定位：僅推出客戶端、僅作搜索-替換式文件編輯、僅采用 Agentic-RAG 架構(gòu)。）

我們始終在醞釀著下一次突破，現(xiàn)在我確信我們知道它是什么了。

05 對明年編程智能體發(fā)展趨勢的預(yù)測

在 Manifold[3] 上關(guān)注并參與預(yù)測吧！

既然我們?nèi)ツ陮幊讨悄荏w的發(fā)展趨勢判斷如此精準(zhǔn)，今年還能再次做到嗎？我有十足的把握！

以下是我的預(yù)測：

多智能體范式將主導(dǎo)市場。 實踐證明：通過將任務(wù)分派給專項智能體，能指數(shù)級提升系統(tǒng)能力。

“實時學(xué)習(xí)”將成為標(biāo)配。 智能體在執(zhí)行任務(wù)中持續(xù)學(xué)習(xí)的能力是非常強大的。

編程智能體將掌握主動權(quán)。 「用戶單向發(fā)起指令」的模式將轉(zhuǎn)變?yōu)椤妇幊讨悄荏w更主動地為用戶提供任務(wù)」（例如主動要求用戶審核關(guān)鍵決策）。

編程智能體將實現(xiàn)完整的開發(fā)閉環(huán)。 它們不再僅僅提出代碼修改建議，更能自主執(zhí)行 QA 測試、效果評估，并完成代碼提交。

遞歸優(yōu)化型智能體將嶄露頭角。 頂尖產(chǎn)品均將采用該架構(gòu)的變種形式。

xAI 將獲得可觀的領(lǐng)先優(yōu)勢。 隨著 xAI 在模型質(zhì)量和智能水平方面取得決定性的領(lǐng)先優(yōu)勢，多極時代將逐漸遠(yuǎn)去。

模型優(yōu)勢的重要性將降低。 產(chǎn)品核心競爭力將轉(zhuǎn)移至智能體協(xié)作網(wǎng)絡(luò)的構(gòu)建能力。

END

本期互動內(nèi)容 ??

?文中提到 CLI 優(yōu)先策略被證明是他們的正確決策之一。在你看來，當(dāng)前 AI 編程工具最應(yīng)該聚焦哪個使用場景？終端 / IDE 插件 / Web 平臺？為什么？

文中鏈接

[1]??https://codebuff.com/??

[2]??https://manifold.markets/??

[3]??https://manifold.markets/JamesGrugett/ai-coding-agent-forecasts-from-my-b??

本文經(jīng)原作者授權(quán)，由 Baihai IDP 編譯。如需轉(zhuǎn)載譯文，請聯(lián)系獲取授權(quán)。

原文鏈接：

??https://jamesgrugett.com/p/what-i-learned-building-an-ai-coding??