闻乐 发自 凹非寺量子位 | 公众号 QbitAIAI Coding的玩法又变了。如果你留意就会发现Cursor、Windsurf、Claude Code这些顶流玩家现在基本都不爱吹“代码生成有多快”了。话锋一转全在讲“我能帮你完成多少任务”。这个微妙的转变原因也很简单代码生成越来越不值钱了。十秒出一个前端页面谁家都能做AI卷到今天生成一段CRUD跟喝水一样简单。那值钱的是啥是把一个需求从说出来到交付上线之间的整条链路跑通——拆任务、跨文件改、记住上下文、自动验证、交付。谁能把这串事儿干利索谁才真正从工具变成了队友。就在行业集体转弯的节点上阿里Qoder正式官宣1.0版本直接完成身份跃迁从传统AI IDE升级成智能体自主开发工作台。赛道转型的方向所有人都看得明明白白但Qoder交出的这份答卷里有几个地方交得更早答得更细。Qoder 1.0升级了什么先说最直观的变化Quest变成独立视窗了以前大部分IDE的AI助手都塞侧边栏跟编辑器挤一块聊多了就乱。Qoder 1.0直接打破这个固有形态把Quest从侧边栏拽了出来变成独立窗口和Editor并排跑。还有Quest里文件目录、代码Diff、终端输出、浏览器预览都是按需展开的咱可以随时深入查看项目细节。Quest独立视窗也不只是窗口变大了这么简单它背后是整个执行模型的改变。以前你在侧边栏里开一个对话它就是一问一答的聊天流所有状态都挂在那个聊天上下文里。现在Quest变成独立运行环境意味着它可以有自己的任务状态、文件范围、执行历史。开发者可在任务委派与协同编程两种工作方式之间自由切换上下文无缝衔接。而这个设计直接支撑了第二个升级点跨项目多任务并行。Qoder 1.0能在多个Workspace里同时跑不同项目的Agent任务还有个统一监控面板一眼能看到每个任务的状态。哪个任务跑到哪一步了、有没有卡住、需不需要人工介入一目了然。每个任务结束之后系统还会自动生成Summary交付清单任务进展、代码变更、产物文档全列出来。扫一眼就知道改了什么为什么改、测了什么、结果如何。Experts专家团这次正式从Chat侧边栏搬进了Quest。有规划、调研、编码、测试、审查五个角色流水线协作。每个环节有产出环节之间有衔接最后汇总交付。我开专家团模式修了个Bug于是调研员Alex、全栈工程师Felix、还有测试员Chris全来报道了。不过Qoder往前又走了一步——支持自定义专家。你可以给它配领域知识比如这个Agent只管支付模块配任务技能比如自动生成单测跑覆盖率配外部工具接口比如接Jira、接CI/CD。相当于你可以搭一个专属的AI开发团队。我试着搓了一个Python测试专家设置偏好使用pytestpytest-cov做单元测试和覆盖率统计每次生成的测试文件命名为test_xxx。专家智能体设置好后我就直接让它给我的Project B写了个测试。不用自己手写测试用例、不用纠结目录结构、不用再约定文件名规范智能体完全按照我预设好的偏好和规则输出直接生成标准可运行的test_app测试文件还顺便输出了测试报告。你还真别说通用Agent谁都能做但懂你业务的Agent才有粘性除此之外团队共享知识引擎这个可能是1.0里最隐形但可能最值钱的部分。以前Qoder内部其实有三套知识系统Memory负责记用户习惯Repo Wiki负责项目百科Knowledge Cards负责技术栈和模块知识。问题是这三套东西彼此是散的严格来说Agent不是没知识而是知识没统一。所以Qoder 1.0直接把三套系统揉成了一个统一的知识引擎。记忆系统负责记录用户表达习惯、技术偏好、团队规范、历史决策Repo Wiki和Knowledge Cards则自动从代码仓库里抽取架构知识、模块关系、编码规范和技术栈信息。然后再做成四级分层用户级、团队级、仓库级、任务级。你个人的偏好放用户级团队约定放团队级这个仓库的架构知识放仓库级当前任务需要的上下文放任务级。不同层之间各管各的需要的时候再动态调用。而且这次升级里还有一个挺关键的点Qoder做了团队级知识共享。以前很多AI IDE的记忆本质上还是单机外挂你自己训练自己的Agent换个人、换台电脑知识就断了。但Qoder现在是基于代码仓库做团队共享知识库。团队成员可以持续贡献知识、修正知识智能体再不断优化这些内容知识统一存在云端企业还能做统一维护和过程审计。某种意义上它开始把个人经验慢慢沉淀成组织能力。官方数据显示团队共享知识引擎上线后用户不满意度下降22%代码保留率提升11%输入Token消耗降低40%对话轮次减少33%。离线评测里架构知识增强后任务完成度提升约25%技术栈知识增强后端到端评分也提升了约25%。之前三套系统打架Agent有时候不知道该听谁的现在统一了知识检索的精度和效率自然上去。前面四个是看得见的部分而1.0最不显眼但最重要的升级是底层Agent Harness的系统性重构。模型提供智能Harness决定这份智能能否转化为可用交付。Qoder 1.0在这一层沿两条路径做了升级把聊天对话升级为结构化的任务运行时Task Runtime把分散的上下文供给收敛为贯穿运行时的知识工程Knowledge Engineering。先说任务运行时。Workspace绑定让每个任务从源工程创建在绑定环境里跑产物、Review和Commit落到明确的交付目标。多任务并行从“开了几个目录”升级为“跑着几个任务运行时”。Artifact流水线把执行过程结构化为可审查的产物链路任务规划、代码生成、文件变更、交付审查每一步都有归属和状态。任务边界一旦稳定复杂任务完成度提升60%以上。再说知识工程。过去Agent拿知识的方式是“需要时检索一下”本质是基于相似度的片段拼接经常拿到词面相关但语义不相关的噪声。Qoder 1.0把知识引擎下沉到运行时沿两条路径升级知识源从相似到相关记忆、Repo Wiki、Knowledge Cards联合供给结构化上下文不再是单点检索凑出来的拼盘应用路径从单点检索到全链路供给知识按用户级、团队级、仓库级、任务级分层跟Workspace绑定关联在规划、生成、审查各阶段自动调用合适作用域的知识。为啥这东西重要因为Agent真正难的不是生成代码是稳定执行。代码生成谁都能做但让Agent跑完一个任务不出岔子这事儿才难。边界不稳就没法并行没法并行就没法规模化没法规模化就只能当补全工具用。Qoder 1.0把这套底子重新铺一遍说明团队想清楚了打牢地基的长期路线。而这条路线恰恰也是整个赛道正在奔赴的方向。整条赛道都在拐弯Qoder 1.0不是一个人在拐弯整个AI Coding赛道都在转向。其实是因为模型能力过了一条线。SWE-bench Verified这个专门测AI能不能修真实Bug的基准2026年Q1的分数已经突破了80%。这个数字意味着AI在真实工程任务上的表现已经到了工程师觉得“可以托付”的临界点。当模型能力过了这个门槛竞争就从模型层下沉到了工程层。谁的执行环境更稳定、谁的知识管理更精准、谁的多任务调度更强、谁的交付链路更完善这些成了新的竞争维度。市场数据其实也很能说明问题。全球AI编程市场预计将在2026年达到128亿美元年复合增长率24.5%。而且这波增长并不是某一家独大而是整个赛道开始全面扩张。△图源Grand View Research最典型的变化就是Copilot的统治力开始松动。GitHub Copilot的市场份额已经从80%下滑到55%与此同时Cursor ARR冲到20亿美元估值来到300亿美元量级。国内市场的节奏也明显加快了。根据IDC的数据显示中国活跃AI编程的用户已经有数百万人其中企业开发占据了45.3%而Qoder在企业端的表现也是最好的——企业客户贡献了70%的营收。这说明国内开发者的付费意愿真的起来了也是真有人拿AI工具做生产级开发了。Qoder自己的数据也能说明问题。NEXT补全的采纳率从32.1%跳到了53%首Action延迟从800ms砍到300ms。这些都是实打实在跑的能力指标。虽然目前Qoder在这个格局里不是颠覆者但追得很快。去年8月21日首发9个月迭代60多个版本产品矩阵从IDE铺到了CLI、JetBrains插件、移动端、Qoder Work、QoderWake数字员工……不是东打一枪西放一炮而是围绕完整开发工作流在做布局。而且9个月从0做到全球500万用户、国内70%企业营收Qoder起跑的速度确实不慢。Need is all you need现在回头看AI Coding赛道其实已经经历了三轮变化。第一阶段是会不会生成代码。Copilot刚出来那会儿能自动补全一行代码就是新闻。第二阶段是能不能理解上下文。战场变成了跨文件改代码、读懂项目结构、记住你的偏好。而现在行业正在进入第三阶段谁能真正完成开发任务。Qoder 1.0这次升级一个挺明显的信号就是AI IDE正在慢慢演变成真正的Agent开发环境。开发者负责定义需求而执行、验证、协作、交付开始逐渐被Agent接管。也不是说开发者要被替代了而是说开发者的核心能力在迁移。以前人类的核心能力是能写出来现在核心能力是能想清楚。想清楚需求是什么、边界在哪里、验收标准怎么定这些恰恰是最难被自动化的部分因为它需要业务理解、需要产品判断、需要跟人的沟通。这也是Qoder想表达的——Need is all you need.Attention解决的是信息聚焦问题Need解决的是需求定义问题。当AI的能力强到可以接手执行人类最稀缺的能力就变成了知道自己到底要什么。换句话说你只需要把需求说清楚Qoder就能帮你实现。官网https://qoder.com