1. AI CODING APP TECHNOLOGY AI POWERED TESTING AI AGENT FRAMEWORK AI POWERED PRODUCTION INNOVATIVE EXPERIENCE 03.21 ONE-PERSON COMPANY

2. （蛋总）@Qoder 王兴 代 AI 编程平台的 Qoder：构建下 程实践

3. 主会场演讲嘉宾 王兴 （蛋总） Qoder 客户端技术负责

4. 1 Qoder 设计的整体思路 2 端到端交付核 能 3 Qoder 专家团解密 4 未来研发范式思考

5. 阶段 段级代码推荐 从 AI 类提出需求，AI 主动探索代码库并完成 多 件级代码变更。由于模型在复杂需求 上准确率有限，仍需阶段性 类确认，防 任务执 偏移主线。 Agent Mode 类 AI 类提出复杂需求，AI 主使 多种 具 完成任务并交付经过测试的成品。模型已 经 够强 ， 类仅需监督和验收。 Quest Mode CLI / Web / Mobile 类 AI 级代码交付 AI … 类提出复杂 程需求，AI专家团 动组建并 协作，任务拆解、编码、测试、评审全流程 动 化。 类仅需监控计划与关键决策 Experts Mode

6. Knowledge Visibility 增强对代码 程可AI 研发实现，结果校验，更少的索能 过程态交互，更忆&个性化上下 性提升，依赖代码和提交历 的认知负载， 的执 交付更优质的结果 与 AI 的知识对 Enhanced Context Engineering 先编写规范，明确需求，再委托 完成 Spec-Driven Development 隐性知识显性化，促进真实软件 史还原知识，降低 Qoder，为真实软件开发 时间， 程的理解，更强的检 让 AI 更懂复杂 程。通过记 ，让 AI 在实际编 码过程中，更懂得 户 为偏好

7. 持单库 代码 件的 Wiki 成 卸载 类的认知负载，加 速知识流转、学习和传承 持共享模式，可以由 名成员 成 Repo Wiki， 提交 代码库中共享给团 队 RepoWiki: 使隐性知识显性化 档的结构化呈现，让知识 档化、 档代码化

8. 深 理解 程上下 和 具， Agent 可 规模 成上下 感知的 代码，显著提升研发效果和准确度 10万 内置代码检索引擎，可检索 个代码 件 通过 TO-DO，打开智能体执 的 盒，将任务结构化，确保智能体执 的准确性和确定性 Agent Mode：基于对话的智能体实时协作

9. Quest Mode：Spec 驱动的 AI Spec Driven Specification 对于开发者来说是最 熟悉的意图表达式 设计、 档是 与 与 AI 之间主 要的沟通媒介 AI 开发者的主要 图、协作 执 主编程 作变成明确任务意 成设计 档，最后确认 结果，有了Spec， 作模式从 实时伴随，进化到异步委派 主编程

10. 多专家分 将单 ，并 协作 Agent 的串 流程拆解为多 并 推进，缩短复杂任务的端到端链路 越强的 AI 团队 通过任务经验的持续沉淀与复 上下理解成本，协作效率随使 从「成代码」到「交付结果」 作范围从代码 成扩展 输出可合并的完整交付物， 逐步提升。 规划、测试与评审， 孤 将 ，减少重复的 的代码 标是 段。 越 专家团（Experts）模式：你的 AI 程专家团

11. 改得准 精准 基于 码 超级 程知识图谱注 程知识引擎 精准上下 能 验得透 ，准确率提 升 11.91%，token 消耗降低超 10%。 端到端交付核 动验证 Agent 像 AI 驱动的前端 跑的稳 验证 样操作浏览器，闭环编码到验 证。较 Playwright MCP Credits 降低 65%。 安全执 沙箱：AI 主执 三平台内核级沙箱隔离， 的安全基座 需逐条审批， 越界即拦截。让 Agent 放 去 。

12. （隐性知识、 智能体上下 增强 维设计知识、低维代码关系、垂域知识等） 知识可视化 （知识学习、上下游依赖、代码影响分析、跨团队协作） • 有效提升准确率 在Qoder Bench测试集中，开 外部知识扩展 户标注 外部隐性知识 MCP/SKILL 协作 程知识图谱引擎 图谱关系图谱存储 WIKI + 代码Nodes wiki、 symbol、…… 多库连接 代码 + Commit WIKI + WIKI 启 程知识引擎后，提升得分 11.91% • 有效减少token消耗 开启后，input token降低 户分享 13.65%，oupupt token降低 10.39%。 Edges Ref、Call、 Modify…… 知识授权 • 近 半任务被记忆强化 智能体对话记忆参与率和有效 率接近50%，让智能体结果更 （RepoWiki、代码 超级 AI 驱动数据 产与更新 段、关系图谱、Commit Graph、 符合 程记忆、企业知识） 户偏好。

13. AI 已 幅降低编码成本，开发者时间正加速向验证环节迁移 🌐 External 🔨统 本地 Chrome 唤起 户本地 Chrome，通过 CDP 协议连接控制 • 完整 Chrome 能 ，多 Tab、扩展可 ，零污染、隔 💻 Native 🌐 network / console 请求监控 · 错误诊断 浏览器操作 理 模型， 轻量模型，编码推 重活不浪费 ✂ 精简 验证 45% Election webview • 结果直接展示在 IDE 编辑区 • 表示 紧凑 a11y 格式，25KB 智能阈 值， 25% IDE 内置浏览器，基于 Electron Webview，开箱即 • 零配置，浏览器像终端 样内置 🖱 click / fill / hover CDP 事件驱动交互 下 离执 具集 🧠 智能模型路由 按需召唤，不常驻 主 Agent 上下 的内置 MCP ⚡ performance Core Web Vitals 分析 🛡 Subagent 架构 浏览器能 编码 📷 snapshot / screenshot 快照感知 · 截图验证 • 独 窗 展示验证结果 • 需要 户已安装 Chrome AI 驱动的前端 验证 快照按需读取不撑爆上 持 Remote SSH 远端开发 vs Playwright MCP 实测 65%↓ 58%↓ Credits 消耗 总 Credits 22.78 vs 64.62 · 上下 上下 消耗 33k vs 79k

14. 沙箱：AI 主执 让 Agent 放 去 沙箱核 险场景 ⚠ 的安全基座 模型幻觉导致命令跨语法切换，引号解析差异引发灾难性后果 🔒 价值 主性：精确指定 Agent 可访问的 ⚡流畅性：命令执 录和 需逐条审批，减少 络范围 预 🛡安全性：越界访问即时拦截通知，操作系统级隔离 • 核  MacOS🐧 Linux🪟 Windows Apple SeatbeltBubblewrapRestricted Token 具：sandbox-exec • 实现原理：内核级 TrustedBSD MAC 强制访问控制 • 内核层 强制执 策略 • 核 • 核 具：bwrap • 实现原理：Linux Namespaces 创建 具：sandbox.exe • 实现原理：受限令牌 + ACL 权 件系统隔 离视图 • 命名空间构建隔离 件视图 限管理 + 络锁定 • 受限令牌降权精确管控

15. Qoder 专家团架构概览 Experts Leader 统 协调，SWE Agent 各司其职，共享 件存储层 Experts Leader 派发任务 调研专家 业界 并 前端编码专家后端编码专家测试专家前端测试专家代码评审专家 UI + 交互API + 数据库Lint + 集成测试E2E 交互验证逻辑 Bug + 安全漏洞发现 案调研 派遣专家 汇报结果 执 汇报 Leader 评估决策 派遣新专家 循环往复…

16. 加载历史、构建 Prompt、消费 户信息 调 模型推理 状态检查 是否完成？是否继续? LLM、解析响应 完成处理 清理资源、 成最终响应 消息消费机制：从收件箱到决策 可能的 收件箱 “后端 API 完成” from 后端 程师 读取 + 标记已读 1.注 动 消息到上下 2. 调 LLM 推理 3. 决策下 步 动 条消息都可能触发新的 和派遣，形成持续推进的消息驱动 📝 更新任务状态 💬 回复 “数据库选项建议” from 调研员 程师 每 动 🚀 派遣新专家 🧠 Leader 评估 “测试发现问题” from 测试 程师 Leader 决策循环：消息驱动的持续推进 作流 户

17. Qoder 专家团 限画板模式

18. • 某个特性从群 讨论到实现只需 15 分钟 • 开需求评审会，边开会边 Coding，需求会开完了，功能也开发好了 • 某个程序员前 Mac 和 Windows 两台设备 N 个 WIndow M 个会话并 开发 • 5 7天上线 QoderWork • 户上报缺陷，AI 分析、修复、验证、回复 拉取任务 更新状态 运 Agent Team 户邮件 skills • …. IM 决策确认 环境 Context • 内部 Agent 社交平台的需求提出、代码开发、功能上线都由 Agent 操作 未来研发范式思考 WORKFLOW.md Workspace Verify Layer

19. THANKS