从简单罗列工具中看AI趋势

• 2024 年讨论的是"怎么写 Prompt"；2025-2026 年真正值得讨论的是"怎么构建 AI 能理解的工程环境"
• 嘿嘿，水一篇，如果有言论不当，实在抱歉

GitHub Copilot

已经不是代码补全的copilot了

Repository Context
+
Instructions
+
AGENTS.md
+
Skills
+
MCP
+
Code Review
+
Cloud Agent

甚至 Copilot Code Review 已经可以利用完整项目上下文进行 Review

Claude Code

大名鼎鼎的CC，虽然容易封 实力不容小觑：它代表的 Agent 化趋势

理解代码库
→ 搜索
→ 修改
→ 执行命令
→ 测试
→ 修复

大大解放了程序员的工作，当前同时对业务理解、语言表达、思维逻辑有更高的要求

腾讯 CodeBuddy

这个还是不错，官方企业课程甚至已经把这些作为 AI 研发工程化体系的一部分。

Rules
Context Engineering
Skills
MCP
Agent SDK
Plan / Craft / Ask

百度 Comate

Custom Agent
Subagents
项目知识
工具调用
团队规则

复杂任务可以让 Architect Agent 负责整体分析，再由 Deep Read、Actor 等子 Agent 分工执行；早起的虫子也可能被鸟吃，这个事情、这个事情，不好说

TRAE

已经明显进入 Agent 化阶段，提供 SOLO、自定义 Agent、多 Agent 等能力；同时其官方也强调了 Sandbox 等代码安全机制

咱们的历程

1. 开始AI补全：几行代码，是吧，感觉这个还在昨天
2. 后来AI局部函数：一个完整健壮的方法：CRUD、工具函数、单元测试啊什么的
3. 再后来AI修改模块：实现KafkaConsumer，需要制定计划：code、test、review等
4. 再后来AI跨文件开发：实现任务下发、取消管理：设计MVC、MQ、DB、Test等还有上面的all
5. 现在出现Agent救星：分析issue找到代码、修改测试修复创建PR，这个时候权限、安全、sandbox、git分支、reviewgate非常重要了