AI Coding 的下半場，何去何從？

AI Coding 演化進行時。

作者 | 董超

責編 | Echo Tang

出品丨AI 科技大本營（ID：rgznai100）

過去三年里，AI 編碼從“補一句代碼”躍遷為“承包一次變更”。Coding 可能是第一個找到所謂 PMF 的方向…如今 AI Coding 已經進入下半場，Coding 到底是 AGI 的子集還是新路徑，我們一起略窺一二。

三年演進：范式落地 → 開源上位 →

執行力為王

2023：范式落地，“可執行代理”苗頭已現

如果要給 2023 下一個極簡注解，那就是：范式被大型平臺坐實，開源在邊緣地帶萌芽。前者不難理解——Copilot 與 ChatGPT 把“人寫—AI 輔”的協作方式帶進了日常；后者更值得留心：初創公司和個人開發者開始探索“不僅會說，還要能做”。我們能在當年的兩個方向上嗅到這種味道：

• IDE/多端一體化：Continue 以開源擴展與 CLI 同步推進，讓“對話、補全、結構化編輯、Agent 工作流”在 VS Code / JetBrains / 終端間貫通，初步具備“把建議落成動作”的骨架。

• 本地可執行：Open-Interpreter 把“和模型對話→讓它在本機跑腳本/代碼”的路徑公開化，終端里一條命令就能進入循環試錯。

它們還不是“產業級代理”，卻清晰地為次年的開源 Code Agent 熱身：從“能聊代碼”邁向“能動手”。

2024：Coding Agent 上位，社區百花齊放

來到 2024，Coding Agent 從舞臺邊側走到中央，形成兩股彼此強化的潮流。

第一股：可執行的 Coding Agent ，開始對真實倉庫交付。

OpenHands（原名：OpenDevin），直言“面向軟件開發的 AI 代理平臺”，強調從計劃→調工具→編輯代碼→跑命令/測試→產出 PR 的一條龍閉環，且在項目文檔中明確“formerly OpenDevin”，標志著 Coding Agent 從演示走向工程與評測。

第二股：IDE 內的“許可式執行”成為交互共識。

Cline 把代理裝進 VS Code，但每一步都走用戶授權：讀/改倉、開終端、啟瀏覽器皆需你點頭。自動化有了抓手，可控性也不丟，這套 user-in-the-loop 范式，恰好契合工程團隊的安全與可觀測訴求。

與之并行的，是“對話 → 可跑應用”的云端工作臺：

StackBlitz · bolt.new 以 WebContainers 為底座，把“Prompt→運行→部署/分享”壓成直線。它不是替代 IDE，而是把從想法到可運行這條鏈路極限拉短，成為前端/全棧原型場景的高頻入口，并迅速形成開源社群與使用高潮。

2024 的關鍵詞是可執行代理 + 許可式自動化。一個把“提示”落成“動作”，一個為“動作”加上剎車與護欄；兩股合力讓“寫—測—改—提 PR”真正跑起來，也自然把目光推向 2025 的“形態之爭”。

2025：形態之爭進入加速段，CLI 成了主戰場

到了 2025，AI Coding 的主線從“誰補得更準”轉向“誰把一次變更穩妥地跑完”。這也是為什么 CLI 形態格外出圈：它天生貼著腳手架、測試與 CI/CD，最容易把“讀庫→計劃→修改→驗證→提交 PR”的閉環壓縮在開發者熟悉的命令與腳本里。Claude Code 代表了這種“終端即中樞”的范式：官方把它定義為 Agentic Coding 的終端工具，并給出完整的 CLI 參考與工作流示例，讓代理在命令行里承包從 Issue 到 PR 的整活，這種“拉直執行鏈路”的體驗，是它能夠走紅的直接原因。

與之并行，開源 CLI 代理把“好用”與“可治理”結合得更緊。Gemini CLI 以 Apache-2.0 開源發布，本身就是一套可插拔的命令行工作臺；更關鍵的是，它把 GitHub Actions 做成“一等公民”：在倉庫里 @gemini-cli 便能觸發協作任務，或直接將其編排進團隊工作流，使“代理執行”天然具備可觀測與可回歸的工程屬性，這解釋了它在團隊側迅速擴散的動能。

如果說 Gemini CLI 強調的是“協作原生”，那 SST 的 Opencode 則把“本地可控與多模型自由度”做到了極致。它堅持 100% 開源 與 供應商無鎖定，在 TUI 里流暢地切換 Anthropic、OpenAI、Google 甚至本地模型；對希望控制成本、規避鎖定、又想保持手感的開發者而言，這正是“能長期落地的開源氣質”。

另一條支線來自 OpenAI Codex：一頭連著本地 Codex CLI（強調“輕量、腳本化、在你機器上跑”），一頭連著 Codex Web / IDE 集成（把并行執行與倉庫上下文搬到云端）。這種“本地自治 + 云端加速”的雙軌設計，等于把可執行代理做成了一個可擴展的通用底座，既順著當下 CLI 的熱度，又為之后的系統級協同留出了增長曲線。

綜上，今年項目“火爆”的共同邏輯并不神秘：誰把執行閉環做得最順、最可插拔，誰就最容易贏得團隊側的采用。CLI 之所以成為主戰場，是因為它把“可組合（腳本/管道）”“可治理（權限/審計/觀測）”“可遷移（接現有工具鏈）”三點合而為一；而開源項目之所以在這一波里占優勢，則在于它們更容易成為“標準拼裝件”：既能接入 IDE 與 Web 工作臺（例如前一年流行起來的 bolt.new 這類“對話→可跑應用”的入口），又能下沉到 CI/CD 的底層執行。接下來，勝負將更多取決于上下文理解與工具生態（誰更懂你的代碼資產）、推理與穩定性（復雜改動能否一把過）、以及開放與成本（是否便于團隊規模化落地）。

針對近幾年如火如荼的 AI Coding 領域，市場側也給出背書，根據 The Business Research Company 的數據，全球 AI 編程工具市場規模預計將從 2024 年的 62.1 億美元增長至 2029 年的 182 億美元，對應 CAGR 為 24.0%。某種意義上，這是“滲透率 + 客單價 + 組織級復用”的合力。

數據脈動：新上榜與“長紅”并存，生態換擋加速

與今年 5 月份的大模型開源開發 Landscape 相比，百日后我們看到“兩端拉長”的態勢：Cline、Continue、OpenHands 等“長紅”項目穩居高位，同時 Gemini CLI、opencode、goose、marimo、openai/codex、avante.nvim 等“新面孔”快速上行。

這組數據背后，我們可以看出：

1）協議/接口優先的項目擴散更快（如 ACP/MCP 生態、Actions 一等公民）；

2）本地可控 + 多模型自由度帶來開發者粘性（opencode、Avante.nvim + Ollama）；

3）從原型到交付的鏈路被壓短（bolt.new、Codex Web），降低了“從想法到產物”的門檻。

縱覽近兩年的熱門項目，其出圈背后有以下因素：

• 降低“黑箱云端”的心智負擔：優先在本地/可控環境動手，審批與可追蹤執行是默認能力；

• 協議優先、生態可插拔：MCP/ACP/ACI 等把“工具—代理—宿主”解耦，IDE/終端/CI 的接入成本驟降；

• 開發體驗“一條龍閉環”：從建議到自動打補丁、測試、PR、回滾/審計，交付路徑更短；

• “Vibe Coding” 讓代碼平權：自然語言操控倉庫與腳手架，更多角色能參與原型與運維，但生產級仍強調審閱與回歸。

為什么今年偏愛 CLI ？

是個例還是趨勢？

以新上榜的 Gemini CLI 為例，它到底是什么？

Gemini CLI 是 Google 開源的命令行智能代理，目標是“從你的提示直達模型”，把代碼生成、改動、測試與協作動作嵌回到開發者最熟悉的終端里。項目采用 Apache-2.0 許可證，并提供官方的 GitHub Action（run-gemini-cli），將“代理執行”直接接入倉庫級工作流（Issue/PR 觸發、@gemini-cli 命令派發等）。這使它既是“個人終端工具”，也是“團隊協作節點”。

為什么它“上來就很像團隊的工具”？

• 協作原生：官方 Action 把它做成“倉庫的一等公民”，可在 PR/Issue 上自動值守：分揀與優先級、出測試、補修復、響應 @gemini-cli 命令等；企業側可用 Google Cloud 的 WIF（Workload Identity Federation）做安全集成，減少長期密鑰暴露。

• 上下文與容量：官方口徑對外強調與 Gemini Code Assist、MCP 等生態協作，并主打“大上下文 + 高頻免費限額”作為開發者冷啟動的動力。這類“足夠用”的默認配額，降低了團隊一線嘗試的門檻。

• 從 CLI 到 CI 的“半步距”：開發者本地跑順手后，幾乎零改造就能把同一套命令編排進 GitHub Actions 里做回歸與可觀測。對于需要“把 Issue 變成可審 PR”的團隊而言，這一步是決定能否規模化推廣的關鍵。

因此，它更適用于需要“默認協作”的組織，希望讓代理圍繞 PR/Issue 工作，而不是只在本地 IDE 里“幫我寫點代碼”。不過，值得注意的是，與 IDE 內部深度上下文的體驗相比，CLI/CI 形態對“細粒度編輯體驗”的可視反饋較少，必要時可與 Cline/Continue 這類 IDE 代理搭配使用；

Gemini CLI 不是“更酷的命令行”，而是“把代理直接變成團隊協作節點”的范式樣本——這正是 2025 年 CLI 出圈的縮影：承接現有腳本 → 接入 CI/PR → 形成可觀測的執行閉環。

這并不意味著 IDE/插件 與 Web 工作臺式微：前者在“所見即所得”的上下文編輯上仍是個人效率之王（如 Cline、Continue），后者把“從零到可運行/可分享”的鏈路縮到極短（如 bolt.new）。CLI 則是團隊把自動化落地的“承力面”。三者是界面層的取舍，而非零和博弈。

從應用到模型：“模型吞噬應用”的回響

應用側的卷法，終究受制于模型側的躍遷。比如 Qwen3-Coder 模型可以為模型配置讀寫文件、列舉文件等工具，使其可以直接修改代碼文件。

Qwen3-Coder collection /DeepSeek-Coder collection

互聯網巨頭的大模型在 Coding 榜單名列前茅，最近陸續下場，借助簡潔的命令行形態調用模型，進一步增強模型能力。我們從 HumanEval、SWE-Bench verified、LiveCode-Bench 這些專業的代碼大模型榜單可以看出，OpenAI 的 O3 、Anthropic 的 claude、Google 的 Gemini 均穩穩占據前三。OpenAI 是在調出了 O3 之后，推了 DeepResearch 和增強版本的 O3Search；打了 perplexity 的主陣地；Claude Code是在 Claude 3.7 獨占 Coding 領域一段時間后，和 Claude 4 一起發的，雖然形態不是 IDE，但也引起了大量程序員的切換。當模型迭代到“能理解倉庫 + 能穩態執行”，僅做“調用包裝”的工具會更難存活——這也是為何協議、流程與數據（而非“只換個 API”）正在成為真正的護城河。這種"降維打擊"被迫讓很多開源項目最終進入“墓園”，曇花一現。

代碼大模型相關的榜單

技術剖面：AI Coding 的“五層堆棧”

AI Coding 迭代極快，如果不把這些項目放進統一的技術坐標，很容易陷入“今天誰加了新按鈕”的比較，而忽視了會決定長期護城河的層次。同時由于模型側“降維打擊”來得更快（榜單換代、推理升級、本地化增強），只有把能力拆到層上，才能在模型換代時替換最上游的一層，而不是推倒重來。因此，為了防止過度追逐熱點項目導致失焦，我們把 AI Coding 拆解為五層堆棧：

1）接口形態（IDE/CLI/Web）：決定人機邊界與團隊嵌入方式，代表項目分別是以 Cline 為代表的 IDE 形態，以 Gemini CLI 為代表的 CLI 形態，以及以 bolt.new 為代表的 Wed 形態，成為前端/全棧原型的高頻入口。

2）執行內核（Agent Runtime）：計劃、工具編排、沙箱/并行、斷點恢復；

3）上下文織層（Context Fabric）：RAG over repo/issue/wiki、語義索引、AST/CFG 級編輯；

4）標準與協議（MCP、ACP、ACI 等）：讓工具與代理可插拔、可觀測；

5）模型與路由：多模型/本地/級聯仲裁，平衡成本、質量與時延。

把開源項目往這五層一落，差異就一目了然：例如 OpenHands 強執行內核與 ACI；opencode 強接口形態（CLI/TUI）與多模型路由；Gemini CLI 把協作工作流（Actions）做成外部擴展的“北向接口”；Codex 以本地/云端雙軌把上下文與執行拉通。

因此，在 AI Coding 的下半場，競爭的焦點回歸到三件事：推理與穩定性（復雜改動能否一把過）、工具/上下文生態（誰更懂你的代碼資產）、開放與成本（能否以可控成本落進企業流程）。開源社區將持續作為“最快擴散層”，CLI 與 IDE 插件吸收新模型/新工具更快；像 OpenHands、Codex CLI、Gemini CLI 這樣的“可執行代理底座”，會成為團隊流水線里的標準拼裝件。底層收斂到“統一執行內核 + 協議層”（開源更具外延力），負責計劃、工具調用、讀寫倉、運行/觀測與回退；上層維持 IDE、CLI、Web 多形態，按“個人效率、團隊自動化、原型演示”各取所需。

結語

AI Coding 的拐點不是“模型更聰明”，而是“讓聰明的模型可靠地完成一次真實的變更”。當可執行的 Coding Agent 與自動化授權成為默認，把 IDE/CLI/Web 三種形態放進同一臺“執行引擎”上，人機協作就從“能交互”進化為“能交付”。下一輪競爭，將在執行閉環、上下文理解與開放生態里決出高下。

本文出自《》洞察報告專題洞察 AI Coding 篇，作者董超（螞蟻開源）。

10 月 16-17 日，2025 全球機器學習技術大會將在北京威斯汀大酒店（亮馬橋）舉行，大會特別設置了「AI 賦能軟件研發與氛圍編程」專題，北京大學博雅特聘教授李戈、阿里 Qoder 技術專家彭佳漢、騰訊代碼大模型技術專家夏偉、百度 Comate 資深算法工程師陳一言、智譜 AI CodeGeeX 算法研究員張少博、深信服研發主管、Costrict 負責人韋體東等深耕 AI Coding 的資深專家學者將深入 AI Coding 在軟件工程的探索與實踐，幫助大家一起更好地擁抱 AI Coding 下半場，歡迎掃描下方二維碼報名。

日程詳情可戳：《》