智东西

作者 | 陈骏达

编辑 | 云鹏

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。