AI 开发工具的过去、现在和将来

1. 施乔

2. 施乔智能开发产品拓展经理，亚马逊云科技 2018年加入亚马逊云科技，历任解决方案架构师、解决方案研发经理，现负责智能开发产品线的市场战略拓展。深耕人工智能与大数据领域，具备12年端到端产品研发全周期管理经验。擅长通过技术布道与企业级解决方案设计，推动生成式AI 技术在组织内的规模化应用落地。

3. 目录

4.

5.

6. 编程体验的变化趋势 2023 2024 2025 代码伴侣单智能体编程 “领域”智能体

7. 理解当前项目全项目理解能力生成实施计划

8. 代码生成代码解释内嵌聊天理解代码库

9. 2023 2024 2025 代码伴侣单智能体编程主动协助者智能体

10. 单智能体编程 : 单元测试生成 Agent (/test) 自动执行生成单元测试的端到端过程测试覆盖率更高，交付代码更可靠使用内置检查保持控制权

11. 单智能体编程 : 安全扫描 & 代码质量扫描代码，发现隐藏漏洞和质量问题。近乎实时地生成修复建议满足企业 “安全左移” 的需求

12. Q Detector Library - 支撑安全和代码质量扫描 Agent 基于多年的亚马逊安全标准，“Security is Job Zero” 长期维护，及时更新，基于规则和机器学习的扫描规则在大多数流行编程语言的检测方面，性能优于领先的公开基准测试工具

13. 智能体 Agent – Java 项目现代化 Java Java v8 / v11 构建&测试 Java 8或者 11 V17/21 应用知识库构建&测试 Java 17/21 使用生成式AI 进行错误修复持续维护

14. 编程体验的变化趋势 2023 2024 2025 代码伴侣单智能体编程主动协助者智能体

15. 通过交互式编码体验自主执行复杂工作流程通过自然语言对话和上下文感知优化开发工作流程 • 读写本地文件 • 写代码 • 跑测试 • 调试问题 • 部署代码

16. 2024: 代码辅助, 提升效率，提升质量 2025: 与专家一起独立完成人类需要数小时的工作 2027: 突破，AI 能完成非常具备挑战性的任务，需要团队数年完成的任务。

17.

18. 2022～2024 GenAI 主要赋能编码来源: [1] Yes, you can measure software developer productivity. McKinsey & Company, 2023 2025 ～ GenAI 赋能全生命周期

19. “使用标准AWS图标创建一个横向布局的基于AWS的简单的电商平台架构图，使用drawio 格式保存。架构图包含用户、负载均衡层、应用服务层（用户、商品、订单、购物车等服务 on EC2）、数据层（MySQL和 Redis on EC2）、数据分析层（EMR on EC2和 S3数据湖）” 亚马逊云服务 Amazon Q Developer

20. • • • • 理解架构图生成 IaC 总结输出 … 亚马逊云服务 Amazon Q Developer CLI

21. 亚马逊云服务 Amazon Q Developer Amazon CodeCatalyst

22. AI Agent in Pull Request • /describe • /review • /improve 第三方组件主要亚马逊云服务 Amazon Bedrock

23. 生成 Dockerfile 生成 CDK 项目执行部署亚马逊云服务 Amazon Q Developer CLI

24. 修复安全修复 NACL 修复路由表亚马逊云服务 Amazon Q Developer CLI

25.

26. Q Developer CLI context Q Developer CLI 此贡献者不会 Rust Developer CLI Q Developer 2 4 https://github.com/aws/amazon-q-developer-cli/pull/834 Q

27. Vibe Coding (氛围编程) Rough idea Research Codebase Implementation Requirements Clarification Design Solution Implementation Plan Prompt-driven development (PDD) 27

28. 实际上，绝大部分的需求都来自于一个 “rough idea”

29. Rough Idea Research Codebase Implementation Requirements Clarification Design Solution Implementation Plan 29

30. > What is this codebase? > Do more research on the q chat implementation and give me a summary > Create a directory called planning and write this summary information to a file called codebase.md > write a file in the planning folder called slashcommand.md covering how slash commands are implemented. Include enough detail so a developer could implement a new slash command using this information 30

31. 31

32. Rough Idea Research Codebase Implementation Requirements Clarification Design Solution Implementation Plan 32

33. > Read rough-idea.md. Ask me one question at a time so we can develop a thorough, step-by-step spec for this idea... 33

34. Rough Idea Research Codebase Implementation Requirements Clarification Design Solution Implementation Plan 34

35. > Based on all the planning docs so far, create a detailed design document so a developer can immediately begin implementation. 35

36. Rough Idea Research Codebase Implementation Requirements Clarification Design Solution Implementation Plan 36

37. > Convert the implementation plan into a series of prompts for a code-generation LLM that will implement each step in a test-driven manner... 37

38. Rough Idea Research Codebase Implementation Requirements Clarification Design Solution Implementation Plan 38

39. > Implement prompt 1 from the prompt plan. Update todo.md with progress. https://github.com/aws/amazon-q- developer-cli/pull/834 39

40. 生成式 AI 下的新型软件开发范式 Vibe Coding (氛围编程) 跳过所有中间过程 Prototype ? v.s. Prompt-driven development 遵循软件设计与开发规范 Production ready development？ 40

41. • 当 Agent 编程成为主流时，程序员的技能需求将发生根本性转变。传统必备的编程语言、算法和数据结构能力可能让位于新的核心技能：精准的需求定义能力，以及对Agent特性和边界的深刻理解。 • Agent 编程带来的效率革命远胜传统代码伴侣，其核心价值在于：自主思考能力，工具协同调用，和软件开发工作流整合。 • “领域通用” Agent 可能是未来 Agent 发展方向，Amazon Q Developer CLI 定位是软件开发的“领域通用” Agent。

42.

43. 大模型正在重新定义软件 Large Language Model Is Redefining The Software