适合很多公司和团队的 AI Coding 落地范式(一)

大家好,我是 lv。

我从 0 ~ 1 探索前端 AI 落地,到现在已经 3 年多时间了。

从一开始的 V0、Bolt、Github Copilot、Devin 等 AI Coding 平台 ,到现在市面上成熟的 AI Coding 基建,如 Cursor 、Claude Code 等。

不同的产品形态都有自己的受众人群、面向的场景、以及解决的问题。

下面这个系列,总共两篇文章,我们来探讨,基于不同形态的 AI Coding 产品,适合很多公司和团队的 AI Coding 落地范式。

有同学也已经在团队内部落地实施了这套范式。

不多说,开始第一篇~

欢迎加入最懂 AI 的前端伙伴们群

AI Coding 生态现状

现在市面上的 AI Coding 产品,我们划分为两大类型:

  • AI Coding 平台类产品:如 Bolt New、V0、Lovable、Compoder 等。

Compoder 是一个 AI 驱动的组件代码生成引擎,可以基于它定制基于特定技术栈(React、Vue、开源组件库、私有组件库)、特定业务场景(landing page 等)的组件代码生成器。

详见: github.com/IamLiuLv/co...

  • AI Coding 基建类产品:具有代表性的如 Cursor、Claude Code 等,这也是程序员现在日常工作都高频使用的产品。

不同产品形态的侧重点

先聊 AI Coding 平台类产品,平台方(V0、Bolt New、Lovable、Compoder)已经内置了一整套产品研发的环境,同时把 AI 融入到了这个研发的环境中。

作为用户来说,核心的三个步骤就是:

1、输入需求(prompt)

2、查看效果(preview)

3、发布上线(deploy)

中间的代码生成、代码运行环境、代码执行效果、构建发布等,这都都交给了平台方。

那作为 AI Coding 基建来说,其实本质上就是把 AI 生成代码的能力集成到了现有程序员的编码环境中来。

对于开发人员来说,相当于在产品研发的各个环节多个一个很强的 AI 助手,随时提供帮助。

所以这种 AI Coding 基础建的产品形态作为程序员来说,用起来的心智负担会更小。

下面我们来聊下他们的优缺点。

不同产品形态的优缺点

总结起来一句话:AI Coding 平台类产品的门槛低,但灵活性有限 ,AI Coding 基建类产品的门槛相对较高,同时灵活性也更高。

这里的优缺点是这两类产品相比较于对方来说的。

举一个例子:

我们可以基于 V0 快速生成一个产品的原型代码出来,也可以迅速发布上线到 Vercel 平台上。

如果原型代码本身不需要进行后续的维护和迭代,保持当前的形态,那 V0 产品就足够了。

但是如果我们进行后续的迭代开发,那么 V0 产品就不太能够满足需求了。

首先从技术栈来说,V0 大概率生成的是 nextjs + shadcnui 技术栈的代码(自家产品,自产自销),如果公司团队内部使用的是其它技术栈,那基于 V0 定制特定技术栈的代码就比较麻烦了。

这里加一句 ,Compoder 产品的其中一个形态是属于 AI Coding 平台类的产品,和市面上其他 AI Coding 平台类产品对比起来,灵活性会更高,用户可以基于 Compoder 定制基于特定技术栈、代码规范的代码生成器,具体我们下一篇文章再探讨。

言归正传。

所以对于需要进行长期迭代的项目来说,AI Coding 基建类产品会更加合适。

比如说,我可以基于 Cursor 的 Rules 能力,定制化出一套符合公司内部研发规范的代码生成规则,然后基于这套规则,我可以快速生成符合公司内部研发流程的代码。

尤其是在基于已有复杂项目的迭代场景下,我们需要深入到代码实现细节进行调节,那就需要很灵活的 AI 辅助能力来配合。

如果我选择的是 Cursor,那我的迭代开发路径大概是:Vibing => Plan => Coding

Vibing: 在 Chat 模式下,和 AI 聊天,梳理需求、讨论方案。

Plan: 在 Plan 模式下,规划具体的技术方案实现路径,具体到针对哪些文件进行哪些更高。

Coding: 基于 Plan 出来的技术方案实现路径,Agent Build 实际的代码。

不同产品形态面向的人群

基于以上分析,我们可以理解不同产品形态面向的人群大致分布情况。

下图中的 75% 和 25%,不代表实际的值,只是为了方便对比。

AI Coding 基建类产品,程序员是绝对的主力军,占了大多数。

AI Coding 平台类产品,面向的人群大部分是 非程序员,尤其是程序员的上游岗,如产品经理、设计师、运营等。

适合很多公司和团队的 AI Coding 落地范式

不同形态的 AI Coding 产品,在公司和团队中,面向的人群,解决的问题场景是不同的。

了解了不同 AI Coding 产品的不同形态、特征、优缺点和面向的人群之后。

下一篇文章,我们来探讨,AI Coding 平台类产品、以及 AI Coding 基建类产品,在公司和团队中,落地的范式是什么样的。

相关推荐
子兮曰4 天前
jev-ultrafast 深度解析:7 秒订机票的浏览器 Agent 是如何炼成的
前端·后端·agent
子兮曰4 天前
Jev 爆发一周:7 秒 Agent 背后的 System One 生态与三场争议
前端·后端·ai编程
AlbertZein4 天前
Step-5-Preview 上手实测:3D 游戏、金融分析、网页设计一次跑完
人工智能·aigc
前端小万4 天前
写公众号赚了 3000 块后,我做了一款叫 "一键成稿" 的软件
前端·微信小程序
爱勇宝4 天前
ZCode 开源 24 小时:一份没有历史的账本,回答不了"有没有偷代码"
前端·后端·chatglm (智谱)
三十而立洋4 天前
Cookie 详解:从产生到安全,一次讲透
前端·javascript
1点东西4 天前
做了近两年的Agent开发,其实真正要学的就是这五件事
llm·agent·ai编程
七牛云行业应用4 天前
Qwen-Image-2.1 开源部署完整指南:Diffusers、ComfyUI 与推理服务
ai编程
卡布鲁4 天前
把一个 Vite + Vue3 应用塞进 qiankun (React + Umi3) 主站:十个坑的复盘
前端·javascript·react.js
福如意如我心意4 天前
TencentDB Agent Memory和其他开源memory
ai编程