一、Qoder简介

qoder官网

Qoder-官网-研发编程助手

1.1、核心定位与理念

维度	具体内容
核心理念	智能体编程（Agentic Coding）
目标	将AI从“辅助工具”升级为“协同开发者”，解决传统AI编程工具上下文不足的痛点
定位	开发者的“AI同事”/“数字员工”，覆盖从需求分析到部署的完整开发流程
发布时间	2025年8月首次发布，2026年5月发布1.0版本（正式升级为智能体自主开发工作台）

1.2、主要功能与特点

功能模块	具体描述	核心特点
仓库级理解	索引整个代码库（支持10万+文件），通过Repo Wiki显性化隐性知识（架构、模块关系等）	降低新成员上手成本，解决传统AI仅关注当前文件的痛点
多模式智能体协同	- Ask Mode：代码解释、技术选型咨询 - Agent Mode：监督下自主编码（重构、Bug修复） - Quest Mode：自然语言描述需求，自主完成任务拆解、编码、测试	覆盖日常开发全场景，从“辅助”到“自主执行”
长期记忆与自适应	学习开发者编码风格、项目规范，通过.qoder/rules适配团队规则	越用越懂用户，减少重复沟通成本
上下文工程与模型路由	支持多模态输入（代码、图片、日志等），智能选择模型（轻量模型补全/顶尖模型架构设计）	平衡效果与成本，避免“大材小用”或“小材大用”

1.3、产品形态与适用场景

形态	说明	适用场景
Qoder IDE	基于VS Code的桌面客户端，主开发环境	日常编码、智能体协同开发
Qoder CLI	命令行工具	终端集成、自动化脚本
JetBrains插件	适配IntelliJ IDEA、PyCharm等	Java/Python等语言开发者
Qoder移动端	远程操作桌面端，监控Agent工作流	移动办公、实时任务跟进
QoderWork/QoderWake	企业级“数字员工”	承担软件工程师、运营等岗位部分工作
Cloud Agents	全托管AI Agent运行平台	企业快速构建、部署智能体

1.4、核心优势与价值

优势维度	具体表现	用户价值
上下文深度	仓库级理解+Repo Wiki	解决复杂项目中AI“断片”问题，提升开发连贯性
智能体自主性	Quest Mode自主完成全流程	减少开发者重复劳动，聚焦需求定义与架构设计
团队协同	知识沉淀（Repo Wiki）+规则适配（.qoder/rules）	降低团队沟通成本，统一开发规范
成本优化	模型路由+轻量/顶尖模型按需选择	避免资源浪费，平衡效果与成本

1.5、总结与定位

总结点	详细说明
本质	AI原生开发平台，通过智能体技术重塑软件开发范式
核心价值	提升个体开发者效率，同时通过知识沉淀与团队协同，帮助企业提升工程化水平
行业定位	AI编程领域功能全面、定位清晰的有力竞争者，覆盖从个人到企业的全场景需求

二、Qoder三种模式区别

专家团：为每个需求自动组件AI工程专家团，多专家并行协作，高效产出高质量的结果

智能体：AI代理会自主规划并执行复杂任务，自动调用工具完成目标

智能问答：快速问答模式，适合简单的代码咨询和问题解答

2.1、三种模式概念总览

模式	英文名	入口位置	核心理念
智能问答	Ask Mode	Chat 面板	“先想后改”——只读理解，不修改代码
智能体	Agent Mode	Chat 面板 / Quest 工作区	“单个智能体自主决策、端到端完成任务”
专家团	Experts Mode	Quest 工作区	“多智能体协作，你定义目标，AI 专家团队交付结果”

2.2. 智能问答（Ask Mode）

概念：Ask 是一种只读问答模式，基于项目上下文回答编程问题、提供方案建议、解释权衡取舍，并可以给出可复制粘贴的代码片段，但不会自主修改代码或工作区文件。

核心特点：

🔒 只读不写：不自动重写工作区代码，与 Agent 模式最大的区别就是不会自主应用更改

📄 上下文理解：基于代码仓库的只读理解，解释代码逻辑、提供建议

✂️可复制片段：可以建议代码片段供你手动粘贴

💡 仍可优化代码：虽然不自动修改，但仍可以评论和优化代码、建议修复、帮助排查构建错误

适用场景

场景	示例
设计评审	讨论 API 设计方案的利弊
技术学习	了解某个框架/库的用法
小示例获取	获取可运行的代码片段
重构规划	规划代码重构方案但不急于执行
代码解释	高亮代码后让 AI 解释逻辑
错误排查	提供错误信息让 AI 分析原因

使用提示

明确目标：说明要解决的问题和期望的回答形式

说明约束：语言/运行时版本、性能/安全边界

附加上下文：使用 @ 引用文件或发送选中代码

分步进行：逐步验证每一步

2.3、智能体（Agent Mode）

概念：Agent Mode 是一种自主编码模式，具备自主决策、环境感知和工具使用能力。它能利用项目搜索、规划、文件编辑和终端操作等工具，端到端地完成编码任务。

核心特点：

🧠 自主决策：无需你持续确认，Agent 可自主应用代码变更

📁 项目级修改：自主拆解任务，修改多个代码文件

📋 计划制定：自动为复杂任务生成逐步执行计划供你审核

🔍 环境感知：自动检测项目框架、技术栈、所需代码文件和错误信息

🛠️ 工具利用：自主使用内置工具（文件读写、代码查询、目录遍历、语义符号检索等），也支持 MCP 工具

命令执行：自主决定并执行终端命令

🔄 多轮迭代：通过多轮对话优化代码，支持 Revert 回滚

适用场景：

场景	示例
功能开发与重构	开发新功能、修复 Bug、重构代码
快速原型验证	从零构建 Demo 原型，快速验证产品想法
自动化工具构建	编写批处理脚本、数据清洗工具、CLI 脚本
快速迭代优化	先让 Agent 交付 MVP 版本，再通过自然语言迭代优化

子场景选择（Quest 中）：

Spec-driven（规格驱动）：适用于需要明确技术方案的复杂任务，先生成结构化规格文档再编码

Prototype exploration（原型探索）：跳过规格，直接编码

Tool creation（工具创建）：自动评估环境并选择合适的技术栈

使用提示

清晰描述任务目标、偏好技术栈和验收标准

使用 @ 引用相关文件

先让 Agent 完成 MVP，再逐步迭代优化

可配置命令自动执行白名单，减少手动确认

2.4、专家团（Experts Mode）

概念：Experts Mode 是 Qoder 的多智能体协作功能，专为复杂开发任务设计。你只需陈述需求，系统自动拆解任务、组建专家团队，并行执行设计、实现、测试和质量保障，交付生产级工程结果。

核心特点

👥 多智能体协作：由 Lead Agent（主管智能体）统一协调多个专家并行工作

📋 自主任务拆解：Lead Agent 自动理解目标、创建计划、动态调度专家

⚡ 并行执行：专家之间互不阻塞，并行执行任务

🔄 实时协调：Lead Agent 实时对齐，确保所有产出整合为一体

📊 可视化管理：Expert Team Canvas（专家团画布）实时可视化每个专家的任务进度

🚀 自我进化：内置双进化机制——专家技能（个体进化）+ 团队技能（团队进化）

专家角色分工

角色	职责
Lead Agent（主管）	理解需求、拆解任务、协调调度、保障质量
Researcher（研究员）	研究分析、代码定位、依赖映射、环境检查
Full-Stack Engineer（全栈工程师）	实现和修改前后端代码、跨栈编码任务
QA（测试工程师）	运行测试和构建、收集验证证据
Code Reviewer（代码审查员）	审查代码、识别潜在风险、提供改进建议
UI Operator（UI 操作员）	浏览器和 UI 端到端验证、视觉 Bug 复现

适用场景

场景	示例	专家团如何帮助
全栈开发	开发用户管理模块（注册、登录、信息管理）	Lead Agent 生成计划，全栈工程师实现前后端，QA 并行测试，代码审查员保障质量
复杂问题诊断与修复	涉及多个微服务的生产环境性能瓶颈	Lead Agent 组建研究员和全栈工程师，分析日志、追踪调用链、定位并修复问题
技术方案调研	评估 GraphQL 替代 RESTful API	研究员收集资料，全栈工程师评估技术栈影响，交付可操作的研究报告

自定义专家

可为内置专家添加 Skills 和 MCP 扩展能力

可选择每个内置专家使用的模型

可创建自定义子智能体（Sub-agent）扩展专家团队

2.5、三种模式核心差异对比

2.5.1、能力维度对比

维度	智能问答（Ask）	智能体（Agent）	专家团（Experts）
修改代码	❌ 不修改	✅ 自主修改	✅ 自主修改
执行终端命令	❌	✅	✅
使用工具	❌ 仅读取上下文	✅ 内置工具 + MCP	✅ 内置工具 + MCP
任务拆解	❌	✅ 自动规划	✅ 自动规划 + 分派给不同专家
并行执行	❌	❌ 单智能体	✅ 多专家并行
环境感知	部分	✅ 自动检测	✅ 自动检测
质量保障	❌	需手动审查	✅ 内置 Code Reviewer + QA
终端自动执行	N/A	需确认（可配置白名单）	自动执行（危险命令进沙箱）
代码回滚（Revert）	N/A	✅ 支持	❌ 暂不支持
自我进化	❌	❌	✅ 专家技能 + 团队技能双进化

2.5.2、交互方式对比

维度	智能问答（Ask）	智能体（Agent）	专家团（Experts）
交互风格	你问→AI答	你说→AI做→你审	你定目标→AI团队交付→你审结果
人工干预	每步都由你驱动	可中途调整，支持回滚	可随时介入纠正方向、添加需求
输出形式	文本回答 + 代码片段	代码变更 + 终端输出	代码变更 + 测试报告 + 审查建议

2.5.3、复杂度与效率对比

维度	智能问答（Ask）	智能体（Agent）	专家团（Experts）
适合任务复杂度	低 ~ 中	中	中 ~ 高
执行速度	⚡ 最快	⚡ 快	🐌 较慢（但质量更高）
代码质量	依赖人工粘贴	中等	🏆 高（内部测试约提升 67% 质量）
Credits 消耗	💰 最低	💰💰 中等	💰💰💰 最高

2.5.4、入口位置对比

模式	入口
智能问答	Chat 面板（快捷键 Ctrl+L 打开），下拉选择 Ask
智能体	Chat 面板（下拉选择 Agent）或 Quest 工作区（选择 Agent 模式）
专家团	仅 Quest 工作区（右上角 Open Quest 进入，选择 Experts 模式）

2.6、如何选择合适的模式

2.6.1、任务分类对应模式

只是问问题、了解代码、获取建议（不需要修改代码）→ 智能问答（Ask）

需要自动修改代码，任务相对明确（单文件修改、小功能开发、Bug修复）→ 智能体（Agent）

复杂全栈任务、需要多人协作质量保障（多文件跨栈开发、复杂调试、技术调研）→ 专家团（Experts）

2.6.2、简单决策口诀

只想问 → Ask：问问题、看方案、学知识

想让它做 → Agent：写代码、改代码、跑命令

想让它团队做 → Experts：全栈开发、复杂修复、高质量交付

2.6.3、重要提示

在 Quest 中选择模式后，无法在任务进行中切换模式，请在启动任务前确认好场景选择。

三、切换语言为简体中文

四、提问时可上传/伴随图片

五、Qoder 的模型层级选择器

层级	说明	适用场景	积分消耗
Auto	智能路由，自动选择最合适的模型	日常开发，推荐默认	~1.0×
极致	最强推理能力，深度思考	复杂架构设计、疑难bug排查	~1.6×
性能	高级推理，高质量输出	核心功能实现、代码重构	~1.1×
经济	标准推理，高性价比	基础代码生成、单元测试、日常问答	~0.3×
轻量	基本推理，完全免费	快速验证、简单问答	免费

日常开发 → 选 Auto，省心省力

难题攻坚 → 切换 极致，获得最强推理

批量简单任务 → 用 经济，节省时间

积分不足/快速验证 → 用 轻量，完全免费

六、指定模型

模型名称	提供商	积分倍率	特点与适用场景
Qwen3.7-Max	阿里云（通义千问）	0.5×	旗舰模型，Agent场景专精，长链推理、跨文件理解强，Code Arena 全球第二
Qwen3.6-Plus	阿里云（通义千问）	0.2×	推理与效率全面飞跃，性价比高
DeepSeek-V4-Pro	DeepSeek	0.5×	擅长复杂推理、代码生成和工程任务
DeepSeek-V4-Flash	DeepSeek	0.1×	快速推理、低成本、能力均衡
GLM-5.1	智谱 AI	0.6×	擅长复杂系统工程和长期任务
Kimi-K2.6	Moonshot（月之暗面）	0.3×	擅长多模态理解和复杂任务处理
MiniMax-M2.7	MiniMax	0.2×	速度、性能和成本效率兼顾的 Agent 模型

七、自定义模型（BYOK，自带 API Key，不消耗积分）

提供商	API Key 获取地址
阿里云百炼	bailian.console.aliyun.com
DeepSeek	platform.deepseek.com
智谱 AI	open.bigmodel.cn
Kimi（Moonshot）	platform.moonshot.cn
MiniMax	platform.minimaxi.com
小米 MIMO	platform.xiaomimimo.com

八、Credits 是什么？

Credits是Qoder CN系列产品调用AI模型的计量单位，按任务复杂度和模型扣费，优先消耗最先到期资源，支持多渠道查看用量与日志记录。-Qoder CN 系列(Lingma)-阿里云帮助中心

8.1、Credits 是什么？

Credits 是 Qoder 的计费单位，类似于“积分”或“代币”，用于衡量你使用 AI 模型时的资源消耗。

项目	数值
套餐总额度	2850 Credits
已使用	296 Credits（11%）
剩余	2554 Credits

8.2、Credits 消耗规则

不同模型/模式消耗的 Credits 不同，以倍率计算：

模型/层级	消耗倍率	示例
轻量（Lite）	🆓 免费	0 Credits
经济（Efficient）	~0.3x	约 3 Credits
Auto	~1.0x（基准）	约 10 Credits
性能（Performance）	~1.1x	约 11 Credits
极致（Ultimate）	~1.6x	约 16 Credits

倍率越高，单次对话消耗的 Credits 越多；实际消耗还会受任务复杂度、对话长度、上下文窗口大小等因素影响。

8.3、Credits 关键要点

每月重置：套餐内 Credits 按计费周期（通常为月）重置

用完怎么办：Credits 耗尽后，只能使用免费的轻量 (Lite) 模式

共享资源包：截图中的“共享资源包”是额外的 Credits 充值包，可跨周期使用

节省技巧：简单任务用“经济”或“轻量”模式，复杂任务再用“性能”或“极致”，合理分配 Credits

8.4、简单理解

Credits = Qoder 的“话费”，用 AI 模型就扣，不同模型扣费不同，月底清零。

九、Token 是什么

Token 是 AI 大语言模型处理文本的基本单位。模型不直接理解“字”或“词”，而是将文本切分为 Token 进行处理。

Token 估算规则

1 个英文单词 ≈ 1~2 个 Token

1 个中文字 ≈ 1~3 个 Token

一次 AI 对话请求中的 Token 分类

Token 类型	含义
输入 Token（Input）	用户发送给模型的提示词、上下文、代码等
缓存 Token（Cached）	输入中命中缓存的部分（如对话历史中已处理过的上下文），价格远低于普通输入
输出 Token（Output）	模型生成返回的回复、代码等

十、Credits

Credits 是什么

Credits 是 Qoder 的资源计量单位，用于衡量 AI 执行任务时消耗的计算资源配额。

关键要点：

计费逻辑：Credits ≠ 请求次数，基于实际 Token 消耗换算，而非简单按提问次数扣减。

消耗场景：

Editor：Inline Chat、Ask 模式、Agent 模式

Quest：Agent 模式、Experts 模式

知识引擎：RepoWiki、知识卡片

失败处理：模型调用失败时不扣减 Credits，仅在调用成功时计费。

版本差异：Qoder 国际版与 Qoder CN（原灵码）的 Credits 不等价、不可互通。

十一、Credits 和 token 的关系

Token是基础：模型处理的文本量（如输入/输出长度、任务复杂度）直接决定计算资源消耗。

Credits是折算：不同模型/层级的Token处理效率不同，通过“消耗倍率”将Token消耗转化为用户可理解的计费单位。

动态影响：实际Credits消耗还受任务复杂度（如多文件开发需处理更多Token）、对话长度（上下文窗口越大，Token越多）等因素影响。

十二、skills

研发编程助手-skills

十三、repowiki 生成项目文档

十四、打开Quest / 探索 模式

十五、在指定位置打开对话框

CTRL + I 在指定位置打开对话框

十六、移动端控制

十七、Quest Mode 委托式开发（AI 辅助编程 X ， AI 替你编程 V）

你用自然语言说"要做什么"，AI 智能体自主完成"怎么做"——从需求分析 → 方案设计 → 编码 → 测试 → 交付，全链路端到端执行，你只在关键节点做决策。

核心理念就一句话：Define the goal. Review the result.（你定义目标，AI 交付结果。）

	Ask Mode（问答模式）	Agent Mode（代理模式）	Quest Mode（委托模式）
定位	即时问答，代码建议	结对编程，你盯着它写	全流程委托，你不用盯
你的角色	提问者	监工	产品经理 / 架构师
AI 的角色	顾问	助手	全栈工程师
适合场景	语法问题、技术选型	快速重构、修 Bug	复杂功能开发、深层 Bug 修复、代码重构
你需要盯屏吗？	需要	需要	不需要，异步执行

第1步：你输入自然语言需求
        ↓
第2步：AI 主动澄清（多选题形式问你细节）
        ↓
第3步：AI 生成 Spec 设计文档
       （需求描述 + 设计方案 + 任务拆解 + 验收标准）
        ↓
第4步：你确认/修改 Spec ← 人类做决策的关键环节
        ↓
第5步：AI 自主执行，全程可视化监控
       （你可以去开会，回来代码已写好）
        ↓
第6步：AI 生成任务报告，你审查结果
       Local → Accept/Reject
       Remote → Create PR

人类只在两个节点介入：确认意图（Spec）、审查结果。中间所有脏活累活，全部交给 AI。

Quest Mode 的本质是：把开发者从"代码执行者"升级为"需求定义者 + 质量验收官"。你不再一行一行告诉 AI 怎么写，你只需要说清楚要什么，AI 负责把事情做完。这不是 AI 辅助编程，这是 AI 替你编程。