工具在进步，代码在退场——我的 AI 编程三幕剧

CHAM_GJ

416人浏览 · 2026-06-12 08:51:53

CHAM_GJ · 2026-06-12 08:51:53 发布

从通义灵码到 Cline，再到 WorkBuddy，我经历了 AI 编程工具的两次范式跃迁。每一次切换，都不是简单的"换工具"，而是对"编程"这件事本身的重新理解。

第一幕：通义灵码 — 「帮我把这行补完」

2024 年初，我第一次认真使用 AI 写代码。

那时候通义灵码刚火起来，阿里云出品、中文优化、免费、IDE 插件一键安装。它的核心体验很简单：你写一半，它帮你补完。我在 IDEA 里写 Java，敲 List<Patient> patients =，它自动补上 patientMapper.selectList(wrapper)，甚至能感知到当前文件里定义的变量和方法。

说实话，一开始是惊艳的。那些重复性极高的代码——getter/setter、MyBatis-Plus 的条件构造、Spring Boot 的 Controller 模板——它几乎全包了。我的诊所预约 SaaS 项目（ruoyi-clinic）里大量 CRUD 接口，通义灵码帮我省下了至少 30% 的敲键盘时间。

但很快，天花板就到了。

问题不在它"不够聪明"，而在于它只能做补全。当你需要它理解跨文件的业务逻辑、当你需要它在三个模块之间做关联查询、当你需要它帮你排查一个 ArkTS 编译错误——它就沉默了。你问它问题，它只能给出教科书式的回答，无法真正理解你的代码上下文。

那是 AI 1.0 时代：AI 是一个高级的自动补全器，能帮你写一行代码，但理解不了你的一个项目。

我在心里给它贴了个标签：「好用的代码橡皮擦」——能帮你擦掉重复劳动，但画不出新东西。

第二幕：Cline — 「Agent 来了，但你还得盯着」

2025 年，Vibe Coding 这个词火了。Andrej Karpathy 说，开发者可以"完全沉浸在 vibe 中，忽略代码细节"。而 Cline，成了这个理念最激进的实践者。

第一次用 Cline 的感觉是震撼的。它是一个 VS Code 插件，但和通义灵码完全不同——它不是一个补全工具，它是一个 Agent。

你可以对它说："帮我在这个 Vue 项目里加一个员工管理的弹窗表单"，它会自己读文件、自己写代码、自己创建组件。它有 Plan 模式和 Act 模式，可以先分析方案再动手执行。你只需要点"批准"或"拒绝"，看着它一步步把活干了。

我开始在电联国际产融园的空间管理系统和员工管理模块上大量使用 Cline。Vue.js 的表格、弹窗、表单校验——这些前端组件在 Cline 手里几乎是秒出的。

但蜜月期并不长。

三个问题让我开始重新审视 Agent 模式：

第一，上下文爆炸。 项目规模一旦超过几十个文件，Cline 就开始"失忆"。它会在 A 模块里重复创建 B 模块已有的工具函数，因为它根本"看不到"B 模块。Vibe Coding 那句"忽略代码细节"，在真实项目中是致命的——你忽略的细节，最终都会变成技术债。

第二，安全焦虑。 Cline 可以执行 shell 命令、修改文件、甚至发起网络请求。虽然每一步都要你确认，但当它在你的项目目录里 rm -rf 时（哪怕只是清理构建缓存），那种"把刀递给别人的感觉"挥之不去。更不用说当时我在排查 AllinPay 支付插件的硬编码密钥问题——我根本不敢让一个黑盒 Agent 碰支付安全代码。

第三，调试地狱。 AI 生成的代码能跑，但一旦出 Bug，定位问题比手写代码难十倍。你在 DevEco Studio 里看到一个 ArkTS 编译错误，但你根本不知道是 AI 在哪一步的逻辑里埋下的雷。修复一个 Bug 的时间，常常超过了手写这段代码的时间。

那是 AI 2.0 时代：AI 从"补全器"进化成了"执行者"，但它是一个需要你时刻盯着的执行者。就像一个天赋异禀但粗心大意的实习生——能做很多事，但你不敢把整个项目交给他。

第三幕：WorkBuddy — 「从工具到搭档」

2026 年，我开始使用 WorkBuddy。这一次，感受完全不同。

不是因为它能写更多代码，而是因为它改变了"我与 AI 协作的结构"。

三个根本变化

第一，记忆系统。

之前的工具，每次对话都是一次"失忆"。你说"继续昨天的任务"，它一脸茫然。WorkBuddy 有三层记忆：Cloud Memory 自动学习你的偏好、User Memory 存储跨项目规则、Workspace Memory 记录每天的开发日志。它知道我在做 ruoyi-clinic 的多租户 SaaS、知道我的核心技术栈是 Spring Boot + Vue3 + HarmonyOS、知道我偏好暗黑科技风的设计。

这不是"更聪明的 AI"，这是有连续性的合作者。

第二，Skills 系统。

这是最关键的变化。通义灵码擅长一行一行补全，Cline 能做单个任务，但 WorkBuddy 引入了 Skills——可复用的能力模块。我可以调用 screenshot-to-code 把诊所小程序首页的设计稿直接转成 HTML/CSS，可以调用 uni-app-x-uts-plugin 来处理 UTS 插件的编译问题，可以调用 vue-best-practices 来确保代码风格一致。

更重要的是，Skills 是可积累的。每次解决一个复杂问题，WorkBuddy 会自动把它沉淀成一个新的 Skill。这意味着你的"AI 搭档"在和你一起成长——你们共同的"能力库"在不断扩张。

第三，Agentic Engineering。

如果说 Cline 是"一个 Agent 做所有事"，WorkBuddy 则是多 Agent 协作 + 工作流编排。你可以创建一个 Team，有研究员、有前端开发、有后端开发，它们各司其职、互相通信。你有 Plan 模式（先设计方案再动手）和 Craft 模式（直接执行），你有 Memory 系统来追踪上下文，你有 Automation 来处理周期性任务。

这不再是一把"万能锤子"，而是一个工程化的工作台。

真实体验

在过去几个月里，我同时维护着四个项目：ruoyi-clinic（多租户诊所 SaaS）、jzwm-app（HarmonyOS 应用）、电联国际产融园管理系统、uni-app-clinic 小程序。如果没有 WorkBuddy 的记忆系统和 Skills，光是在四个项目之间切换上下文，就足以让我崩溃。

它帮我做的事包括：

用 image-to-code 把诊所小程序 UI 截图直接转为代码
排查支付插件的安全漏洞（硬编码密钥问题）
生成 tabBar 图标和完整的前端页面
处理 ArkTS 编译错误，补全 UTS 插件接口参数
写 AI 编程经历文章（对，就是你现在看的这篇）

它不是替代我的判断，而是放大了我的判断力。

工具在进步：三代 AI 编程工具的底层逻辑

回顾这三段经历，每一次跃迁都不是"量变"，而是质变——是 AI 在软件工程中的角色发生了根本性变化。

维度	通义灵码（1.0）	Cline（2.0）	WorkBuddy（3.0）
定位	代码补全器	任务执行者	工程协作者
上下文	当前文件	当前对话	持久记忆 + 跨项目
粒度	行级	任务级	工程级
可复用性	无	无	Skills 系统
安全边界	IDE 内	需人工确认	分层权限 + 工作区隔离
协作模式	人写 → AI 补	人说 → AI 做 → 人审	人设计 → AI 编排 → AI 执行 → 人把关
学习曲线	即时上手	需要适应 Agent 模式	需要建立工程化思维

每一次进步的核心，都是 AI 承担了更多的"工程复杂性"。

1.0 时代，AI 帮你写一行代码
2.0 时代，AI 帮你完成一个任务
3.0 时代，AI 帮你管理一个工程

下一代 AI 编程工具是什么样？

站在 2026 年中回望，通义灵码不过两年前的事，AI 编程的发展速度远超任何人的预期。那么，下一代工具会是什么样？

基于我的实际使用体验和 Anthropic 2026 Agentic Coding 趋势报告的研究，我认为以下五个方向将定义下一代 AI 编程工具：

1. Spec-Driven Development（规范驱动开发）取代 Vibe Coding

Vibe Coding 的口号是"忽略代码细节"，但真实工程中最值钱的就是细节。下一代工具将从"你说我做"进化为**"你说需求，我出规范，我们一起对齐"**。

以 OpenSpec、GitHub SpecKit 为代表，SDD 的核心理念是：需求先行。开发者不再直接用自然语言让 AI 写代码，而是先和 AI 一起产出一份可验证的规范文档——包括接口定义、数据模型、状态流转、异常处理。AI 基于规范生成代码，再基于规范验证代码。

这解决了三个核心问题：

需求偏差：AI 不再"猜"你要什么
质量失控：规范 = 验收标准
上下文丢失：规范本身是最精确的上下文

2. 真正的多 Agent 协作与角色分工

今天 WorkBuddy 的 Team 模式、Cline 的 Plan/Act 模式，都是多 Agent 协作的雏形。但下一代工具将做得更深：

角色专业化：架构师 Agent、前端 Agent、后端 Agent、测试 Agent、安全审计 Agent——每个 Agent 有独立的专业知识和行为模式
工作流引擎：不是简单的"你做完 → 我做"，而是有分支、有回滚、有人工检查点的完整流水线
冲突解决：当两个 Agent 的方案冲突时，AI 自动提出折中方案，而不是各自为政

Anthropic 的数据显示，使用多 Agent 协作的团队，复杂项目完成时间缩短 67%。但在我看来，效率提升只是表象，真正的价值在于让 AI 来管理工程的复杂性，让人专注于定义问题和把控方向。

3. 记忆进化：从"文件存储"到"知识图谱"

今天 WorkBuddy 的记忆系统已经很好用，但它本质上是文件存储——记录一段文字，下次读取。下一代记忆系统将是知识图谱：

不只是记录"你用了 Spring Boot"，而是理解"你的项目架构是 Controller → Service → Mapper 三层，tenant_id 是多租户隔离的核心字段"
当你在新项目中做类似的事，AI 主动提醒："上次 ruoyi-clinic 的处理方式是……，要复用吗？"
跨项目经验自动迁移，而不是每次从零开始

4. 全栈可观测 + 自动修复

今天的 AI 能写代码，但不能运行代码、不能监控代码、不能修复运行时错误。下一代工具将补齐这个闭环：

写代码 → 自动部署到沙箱 → 自动运行测试 → 发现问题 → 自动回溯修复
你不再需要对着编译错误一个一个改，AI 会自己跑通整个流程
甚至连性能问题、安全漏洞、兼容性问题，都能自动检测和修复

比如我在 HarmonyOS 开发中经常遇到的 ArkTS 编译错误——IFullscreenError 接口缺字段、module.json5 里 querySchemes 位置不对。如果 AI 能直接在 DevEco Studio 的编译日志里读取错误、自动定位源码、自动修复、自动重新编译——那才是真正的解放。