- 博客(1031)
- 资源 (21)
- 收藏
- 关注
RSS订阅
原创 Ledge：这可能是距今最好的『DevOps + 研发效能』知识平台
过去的三星期里，因为疫情 + 种种不可告人的原因，我开始建设一个 DevOps 知识平台。GitHub：https://github.com/phoda...
2020-03-30 20:58:00
2016
1
原创 无代码编程
中台之后，便是无代码编程。规模化的组织，经常要面临这样的挑战：每个应用的基础设施是相同的，部分的代码也是相同的，甚至于它们可能只是数据模型不同而已。结果却导致了，他/她们要一次又一次地重新编写一个应用。对于一个新的应用而言，它需要对接大量的三方（非自己团队）服务。服务之间的不断变化 ，导致了对应的使用方也需要发生变化。不断变化的业务，导致了前台的设计不断变化。为了应对快速谈的的前台服务，后...
2019-04-02 09:05:27
15864
16
原创 致JavaScript也将征服的物联网世界
凡是能用JavaScript写出来的，最终都会用JavaScript写出来。—— Atwood定律在那篇《最流行的编程语言JavaScript能做什么？》里，我们列举了JavaScript在不同领域的使用情况，今天让我们来详解一下JavaScript在物联网中的应用。基础：物联网的三个层级开始之前， 先让我们简单地介绍点物联网的基础知识。如果你有点Web开发经验的话，都知道下图是CS架构：相比于一
2016-08-07 22:14:26
33144
10
原创 AutoDev 3.0 → Xiuper：咻！全平台、全流程智能体编程平台
覆盖从需求分析、代码编写、文档管理到代码审查的完整开发流程，并且支持 Desktop（macOS/Windows/Linux）、CLI、VSCode、JetBrains IDE、Web、Android 和 iOS 全平台运行。从需求理解、架构设计、代码实现，到测试验证、文档编写、代码审查，乃至 UI 调整和团队协作，Xiuper 的每一个 Agent 都对应真实工程角色，实现完整的。（SDLC），每一个阶段都由专门的智能体（Agent）支持，从需求理解到运维管理，形成完整的。
2025-12-14 20:13:21
637
原创 AutoDev DocQL：Agentic RAG 下的结构化检索设计、实现与实验探索
在 Agent 流行的今天，Agentic RAG 并不是一种新的技术， 我们在 Cursor、Claude Code、Antigravity 等中看到的 Agent 在接受用户的输入之后， 做了一系列 read file、grep、codebase 等操作本身，就是 Agentic RAG。既然，我们在 AutoDev 多端版本中已经构建了多个 Agents，那么再构建一个新的 Agent 难度自然也是不大的，这也就是 AutoDev Knowledge 的想法，试验用于复杂场景下的知识问答。
2025-11-28 07:30:47
874
原创 AI 代码审查再进化：AutoDev 多智能体协作架构深度解析
CodeReviewAgent（主 Agent）/执行整体任务编排，负责 diff、lint、issue、测试等多源信息的聚合。AutoDev 智能审查流程可以概括为一个串联的四步流水线：先收集全部静态上下文，再用 LLM 做深度分析，然后生成可执行的修改计划， 最后由多 Agent 协作完成自动修复。等长期痛点：Lint、测试、Issue、变更记录散落在不同系统里；，AutoDev 让 AI 像资深工程师一样，能够全面理解代码的上下文、历史演进、质量风险，并在必要时自动生成修改建议或直接执行修复。
2025-11-26 17:40:22
328
原创 AutoDev Review Agent：应对 10 倍代码量的 Agentic 代码审查
自然而然的，我们做一个关于 Code Review 的研究，肯定不是为了好玩，所以在这一篇文章里， 我们将介绍 AutoDev 的新 Agent，基于多端架构的 SubAgents 体系的 Code Review Agent。只是对于核心的软件开发系统来说，Code Review 是非常有必要的，可以改善质量，毕竟要花费大量的时间。现在的软件往往有着非常复杂的软件架构，诸如于多系统集成的微前端应用，小程序化的移动应用，还有不合理微服务架构的后台应用，他们往往是由成十上百个 子仓库或者系统集成的。
2025-11-17 12:23:22
457
原创 2025 AI 代码检视：以 ROI 为中心的 AI 代码检视体系与智能体架构设计
昨天，和我的前同事（他们 Thoughtworks Global，我们前 Thoughtworks 中国区，现 Inspire）聊完 AI Code Review 之后，觉得有几个点非常不错 的点，应该会影响到不少人对于对 AI 代码检视的架构设计与思考。简单来说，如果你要 review 10 行代码，那么我从我的上下文工程中，应该获取到 10 行的上下文信息， 诸如于：用户意图、文件依赖关系、预期结果。在足够的 context 能影响结果的情况下，我们的问题就变成了，我们是否值得投入这么多去做这件事。
2025-11-14 12:15:12
686
原创 AutoDev CLI：打造 AI 生成的 AI Agent 质量保障与验证架构
由于 AutoDev 的新架构是多端统一的，同样的 CodingAgent 代码和 Renderer 机制，就可以确保我们在 CLI 遇到的问题，99%（只能是大概率）都会 在 Desktop、Mobile 等其它端遇到。在学习了基本的 AI Agent 和对应的上下文工程之后，你很容易理解这个提示词的用途 —— 运气好的情况下，你可以直接有一个可运行的 AI 辅助问题修复的 AI Agent。AI Agent 可以在执行 CLI 后，查看变更，然后修改不合适的地方，再次循环。
2025-11-12 16:51:48
787
原创 Vibe Coding 何必只在桌面 IDE，多端智能体协同的思考与设计
我正在创建 mpp-server 服务，它可以为 mpp-ui 中的 Android 提供 remote 的 AI Coding Agent 能力，即在 Android 上可以选远程 Project，然后提供 Http API 和 Koog 或者 Ktor 提供 SSE/Streaming API 来提供远程的数据，先前的 ComposeRenderer.kt 接口就是提供统一的跨平台渲染能力。无论你在哪端操作，AI 的“心跳”都是一致的——你的指令、你的想法，都能被及时响应和呈现。
2025-11-11 12:08:24
976
原创 AutoDev 架构升级：多端编程 Agent（CLI/Desktop/Mobile），欢迎一起参与演进
PS：之所以叫重构，是我们在 AutoDev 上已经有大量的经验，尽管架构上是紧耦合的，但是利于 AI 阅读后重写，比如，我们的 DevIns 语言。在新的架构里，MPP-Core 是我们的核心，基于 Kotlin 的 Multiplatform 技术，我们构建出了 JS 和 JVM 版本的两个核心接口和实现，基于 这两个实现。既然，我们有了更好的 Vibe Coding，那传统的 IDE 交互方式是不是就不需要了，非专业人士只需要一个聊天界面，以及可以实时预览和交互的 UI 就行了？
2025-11-04 15:20:00
589
原创 零基础指南：从 Prompt 到上下文工程构建 AI Agent 【万字长】
领域特定的输出格式。主管-专家模式（层级结构）：一个“主管 Agent”（Supervisor）或“协调员 Agent”（Coordinator）负责接收高层级的用户目标，将其分解为一系列子任务，然后根据每个子任务的性质，将其分派给相应的“专家 Agent”。尽管，我们并不一定需要引入 A2A 架构，如我们在 AutoDev 中实现的机制是，将 A2A 协议的 Agent 以 MCP 工具的形式暴露给 Agent 使用， 在不添加系统复杂度的情况下，实现了 Agent 与 Agent 之间的协作。
2025-10-14 11:51:43
774
原创 AutoDev A2A 新能力下的云端 Agent 路径思考，从扩展到协作
而现在引入了 A2A 则是将其作为现有 Tool 的补充，即在 AutoDev Sketch 可以将任务委托给一个 MCP Tool，也可以由其它的智能体来完成。A2A（Google 推出的 Agent-to-Agent 协议）协议的出现，旨在解决 AI 智能体生态系统中的一个根本性难题， 并为构建一个真正互联互通的智能网络提供基础。实验前沿架构模式：通过引入 A2A 与 MCP 的协作机制，AutoDev 可以尝试跨智能体、跨系统的任务分发与协作，这是闭源商业工具难以轻易实现的。
2025-09-29 11:18:43
995
原创 从 Langchain 到 Spring AI，我们究竟需要怎么样一个企业级 AI 开发基础设施？
从过去只是提供模型服务，到 Dify、Coze Studio、OneAgent、Copilot Studio 等大量的 B 端 AI 应用平台的崛起，它们已经承接了原来 AI 框架的功能：知识库处理、RAG：检索策略、Embedding、重排策略等，并且可以直接对外提供 AI Workflow 的接口，只需要接入即可。对以 Java 为核心的企业而言，这些挑战又有其独特性：如何将 AI 能力无缝集成到庞大的 Java/JVM 生态中，既兼顾企业既有系统的稳定性， 又能释放生成式 AI 的创新潜力。
2025-09-08 20:11:34
552
转载 AI × 老旧系统：Vibe Coding 构建 AI 迁移工具，实现 10x 端到端智能迁移
因此，在现阶段（2025.08，毕竟模型能力还会继续提升）而言，我们更多的还是关注 在使用 AI 来提升在迁移的不同阶段的提升，即在迁移的 workflow 中引入 AI 来提升效率。而 AI 编程工具的完善与 Vibe Coding 的兴起，为我们带来了一种全新的可能性：它将这些碎片化的任务连接成一个智能协同的工作流，助力我们跨越理解、转换、重构、部署的每一步。这种"用 AI 来构建更强大的 AI 工具" 的方式，不仅提升了工具的智能化程度，更重要的是创造了一个持续学习和自我完善的闭环。
2025-08-07 20:58:51
274
原创 2025 年 AI 编程趋势：智能体 10 倍生产率放大下的“粪围”蔓延
当前，AI 已经以“单兵作战”的形式渗透到 SDLC 的各个环节 —— 从市场研究（如 Google DeepResearch、Perplexity AI）、需求分析（如 Atlassian Intelligence）、 UI设计（如 v0.dev）、代码生成（如 Cursor、Augment）、代码审查（如 CodeRabbit）， 到测试（如 BrowserStack AI）和运维（如 Datadog）， 这些独立的AI工具正在为各自的领域带来显著但孤立的效率提升。二是 Agentic 能力的成熟。
2025-07-04 15:42:50
1400
原创 AutoDev Remote 编程智能体：你何必只让 AI 在白天分析需求、设计方案
因此，我们在经典的各类工具 MCP 封装的基础上，加上了 GitHub 工具的封装，可以自动获取 issue，并将分析结果和任务规划结果写入到 issue 中。在探索过程中，我们使用 Augment（~~虽然 AutoDev IDEA 很强~~，但是显然 Augment 是至今最强的 AI 编程助手）来帮助我们完成了第一个版本的 AI Agent 设计 —— 基于我们从 VSCode 重构出来的内核，以及我们在 AutoDev Workbench 中的 AI 编程助手的设计。
2025-06-13 22:10:23
818
原创 AutoDev 预上下文引擎：预生成代码语义化信息，构建 AI 编程的知识基座
Context Worker 是基于我们先前的 VSCode 版本开发的，我们从中提取核心的代码解析和分析功能，构建了一个独立的工具。尽管我们在 AutoDev 的 VSCode 版本中，构建了多种向量化 RAG 的方式，但是我一直认为在 AI 编程中， 对于大量的项目来说基于向量化方式的 RAG 的性价比并不高。构建项目级知识图谱：将解析出的代码实体（类、函数、变量等）及其关系（调用、继承、实现、引用等），并围绕领域模型构建知识图谱， 标注实体的语义和上下文信息。SDK、API 等。
2025-05-28 10:22:51
744
原创 两周 3 万行代码！我们的 7 个 AI “粪堆求生” 最佳编程实践
即 AI 生成的代码可能存在大量的注释和不必要的代码，这些代码需要被重构和清理 —— 但是从我的角度来说， 我只需要更关注于 AI 生成的代码是否可以被再次生成和修改。另外，类型才是 AI 生成的一个核心依赖，缺少类型，AI 生成的代码会有大量的错误。我们将其总结为 7 个实践，我们将其称为：“AI 粪堆求生编程实践”， 尽管生成的代码的可审查性、可维护性及整体质量还存在问题，我们还在使用 AI 进行重构，但是如何从被动变为主动规划，建立更稳健、更具前瞻性的 AI 辅助开发体系变得非常有必要。
2025-05-27 11:10:10
938
原创 AutoDev Workbench 智能驾驶舱：为你的 AI 编程工具生成高质量的上下文
如果你对 AutoDev Workbench 感兴趣，可以访问我们的官网：https://www.autodev.work/ ，或者在 GitHub 上查看我们的代码：https://github.com/unit-mesh/autodev-workbench。代码上下文知识预生成：基于代码的 interface、API、文档等信息，预先生成上下文知识，以便于 AI 编程工具能够更好地理解代码。AI 化的工程项目生成：针对于后端、前端、移动端等不同的技术栈，提供 AI 化的工程项目生成能力。
2025-05-26 11:14:48
708
原创 预生成上下文：重构 RAG 的关键工程，构建 AI 编程底座
本文探讨了预生成上下文作为增强 AI 编程能力的关键机制。传统 RAG 方法面临的不确定性和知识质量问题，使得预生成上下文成为一种更可靠的替代方案。通过对比分析了当前代码检索方法的局限性，我们看到基于关键信息检索虽快速但理解有限，而 DeepWiki 等预生成文档工具虽有进步但在处理复杂代码逻辑时仍有不足。预生成上下文代表了 AI 友好架构的重要实践，它将传统软件工程的结构化思维与AI大模型的生成能力相结合，为下一代智能编程工具铺平了道路。
2025-05-09 15:08:09
1185
原创 AI 友好架构：DevOps 平台 & 平台工程赋能 AI 自动编程 | 万字长文
上下文感知一直是 AI 辅助编程的核心要素之一。在模型不再是瓶颈的 2025 年里，如何获得当前任务所需要的上下文信息，将是 AI 助手能否成功的关键。AI 编程助手是通过 Workspace 与 编辑器/IDE 来构建工具，进而让模型获得相关的上下文。随着客户端侧的 AI 编程助手的成熟，在服务端围绕于 DevOps 平台/平台工程来感知任务所需要的上下文，将是今年的一个重要的趋势。于是，结合我们过去在 客户侧的探索以及 AutoDev 的诸多实现，我们将 AI 友好的平台工程的模式进行了总结。
2025-05-07 22:20:09
1035
原创 AI 友好架构：AI 编程最佳范式，构建 10x 效率提升的代码库（万字长文）
问题：用户的需求描述往往模糊不清，AI 难以理解其意图，导致生成的代码质量不高。问题：在每次与 AI 交互时手动提供完整的项目特定上下文（编码规范、技术栈、架构模式、API 约定等）效率低下且容易遗漏，导致 AI 生成的代码不符合项目要求或团队标准。解决方案：利用现代 AI 编码助手提供的“项目规则”或“自定义指令”功能，预先定义项目上下文信息，使 AI 能够自动加载并遵循这些规则。这需要结合有效的知识捕获和管理策略， 并通过检索增强生成（RAG）技术将知识提供给 AI。
2025-04-29 12:01:13
1097
原创 一句提示词，一个智能体：AutoDev 本地智能体，你的 Agent 自由工坊
AutoDev 本地智能体系统给开发者带来了真正的控制权。你定义行为，而不是接受行为你组合模块，而不是等待功能更新你掌控模型，而不是被平台绑定每个开发者都应该拥有属于自己的 AI 编程助手，而不是为一个 “通用 Copilot” 妥协。这，就是 AutoDev 想做的事。📌 项目地址：https://github.com/unit-mesh/autodev📚 文档 & 快速上手：https://ide.unitmesh.cc/docs。
2025-04-25 16:02:13
821
原创 AutoDev MCP 调试器：连接跨模型工具生态，构建国产模型生态
上个月，我们在 AutoDev 中添加了双向 MCP 的能力，AutoDev 作为一个 MCP 服务端，可以被任何 Agent Tool 调用；同时，AutoDev 作为一个 MCP 客户端，可以调用任何 MCP Tool。而随着，国内 MCP 生态的不断发展，我们进一步构建了 AutoDev 的调试器（AutoDev MCP Debugger）， 以便于更好地调试和测试 MCP 服务。。查看当前的 MCP 服务是否正常工作。通过 mock 数据生成、手动调试等方式，调试 MCP 工具。
2025-04-14 10:26:07
537
原创 面向 Workspace 知识增强：AutoDev 领域知识生成、动态项目规则、提示词优化器
TL;DR，在最新的 AutoDev 2.0.7 中，我们引入了 Workspace 的概念，来帮助用户使用 AutoDev Sketch 智能体，它包含：动态项目规则：让智能体针根据场景选择规则，以生成更精准、符合规划的代码工作区文件管理：即你在 Planner 中可以管理所有的变更文件领域知识生成：生成项目的 domain 知识，以便于更好地理解项目提示词优化器：根据项目的上下文，优化用户的输入，以便 AI 更好地理解用户的意图。
2025-04-10 15:33:12
1032
原创 AutoDev Next：IDE 即 AI 编程服务，构建多端粪围编程
虽然，今天是愚人节，欢迎加入 Next 的畅想：https://github.com/unit-mesh/auto-dev-next （这里没有代码）
2025-04-01 07:30:13
1316
原创 AutoDev 2.0 正式发布：智能体 x 开源生态，AI 自动开发新标杆
在我们等待了几个月之后，国内终于有模型（DeepSeek V3-0324）能支持 AutoDev 的能力，也因此是时候发布 AutoDev 2.0 了！在不同场景使用多种开源模型（编程、推理、Apply、补全等）……更棒的是 AutoDev 2.0 是开源的，你可以自由使用、修改和分享，让我们一起来探索这个无限可能的世界！与此同时，我们是集成度最好的。
2025-03-26 07:01:41
912
原创 国产开源 AI 编程起飞！新版 DeepSeek V3 + AutoDev V2
你可以从 GitHub 上下载 AutoDev 的最新版本：配置对应的 DS Key 和 URL，就可以体验完整的 IDEA 下的开源方案同时，开启以下配置，感受 Vibe Coding。
2025-03-25 07:43:59
325
原创 AI 应用即智能体：探索从 Composer 到 Manus 下的范式演进
哦，对了 AutoDev 文档在这里：https://ide.unitmesh.cc/mcp/mcp-server.html。
2025-03-20 17:15:45
874
原创 AutoDev Planner：推理模型规划编码任务，DeepSeek R1 延伸 Vibe Coding 可能性
AutoDev Planner 是一个基于推理模型的任务规划功能，它可以帮助用户更好地理解 AI 编码任务的进度，以及更好地调整任务规划。当然，它还有很多不足之处， 欢迎在 GitHub 上提出 issue 和 PR。欢迎下载最新版本体验：https://github.com/unit-mesh/auto-dev/releases。
2025-03-18 17:15:26
1029
原创 AutoDev × MCP 双向赋能：AutoDev 即 MCP 服务，MCP 服务即 AutoDev 指令
在 Agentic Coding 这一话题下，工具使用（Tool Use/Function calling）是一个非常有意思的话题。完成一个软件开发任务，需要使用到大量的工具， 除去在 IDE 及其插件生态本身提供的功能外，还会使用到大量的外部工具，如 Git、Docker、Kubernetes、Jenkins 等等。如何让 AI 知道更多工具的存在以及如何使用这些工具，是一个非常有意思的话题。所...
2025-03-12 12:05:42
1227
原创 AutoDev Bridge：构建 Agent 自动分析老旧系统，设计迁移路径与方案实施
在 2023 年，基于当时的模型能力有限，我们在 AutoDev 设计了一系列的遗留系统功能的特性。而在 2025 年，经过自动编程智能体 AutoDev Sketch 的一系列 迭代，我们开始思考如何将 AI 智能体应用到遗留系统中，便产生了 AutoDev Bridge 这个想法。为什么大模型能做得更好？过去，我们公司 Thoughtworks 在这方面有非常多的积累，包括从迁移策略的设计、安...
2025-03-10 09:31:04
914
原创 AI 编码 2.0 分析、思考与探索实践：从 Cursor Composer 到 AutoDev Sketch
在周末的公司【AI4SE 效能革命与实践：软件研发的未来已来】直播里，我分享了《AI编码工具 2.0 从 Cursor 到 AutoDev Composer》主题演讲，分享了 AI 编码工具 2.0 的核心、我们的思考、以及我们的 AI 编码工具 2.0 探索实践。在这篇文章中，我将分享这次演讲的内容，希望能够给大家带来一些启发。一、AI 编程工具 2.0（趋势分析）我们分析了市面上最受欢迎的 ...
2025-02-24 10:18:16
662
原创 AutoDev Composer：您身边的 Intellij 平台 Cursor、WinSurf 平替方案（预览版）
在半个多月前，DeepSeek V3 发布之后，我们为 Shire 引入了多文件编辑的能力。在我们多次测试之后，我们发现 DeepSeek V3 在编程场景下的表现非常出色， 尤其是在多文件编辑场景下。于是，我们开发在久久未更新新特性的 AutoDev 上引入了 AutoDev Composer 的功能，我们 还借鉴了大量的成熟工具的方案：Shire 上的出色 Sketch 渲染机制Cursor、...
2025-01-20 11:43:13
1335
原创 智能体语言 Shire 1.2 发布：自定义多文件编辑、Sketch 视图、流式 diff、智能上下文感知...
在 2024 年年底，终于将我之前想跟随的自定义多文件编辑功能发布了。在最新的版本里，你可以体验一系列的 AI IDE 智能体特性：自定义 ChatBox 行为 + Patch Sketch。一次让 AI 修改多个代码文件，并且将与更友好的视图来展示它们。流式 Diff。现在你可以在 Shire 上体验到实时的代码差异比较功能（基于 Continue 的 UI 修改）。智能上下文感知。当你在 Ch...
2024-12-30 20:12:57
1065
原创 一线落地 AI 辅助研发的实践心得：从工程、工具到未来展望
在过去的一年里，我大量的时间都花费在了 AI 辅助研发的调研、方案与落地实践上：年初，我们与国内大量互联网大厂一起，调研国内外 AI 辅助研发的现状，探讨了 AI 辅助研发的现状与未来。我们新增了 AutoDev 的大量功能，如精准测试、自定义团队提示词、自定义智能体等。与公司前 AI 部门，一起协作在客户侧，落地了 AutoDev 自动补全。年中，创建了全新的 AISE 知识站点 aise.ph...
2024-12-29 20:59:01
1562
原创 Shire 1.1 发布：更强大的交互支持，升级 AI 智能体与 IDE 的整合体验
在经过多个项目上的试用后，我们进入了持续的修修补补，以及功能的增强阶段。终于，我们发布了 Shire 1.1 版本，这个版本带来了更强大的交互支持， 多功能升级 AI 与 IDE 的整合体验。交互：丰富与大量 IDE 插件的交互，可以支持部分三方插件的 UI 入口语言：支持新的语言 ProtoBuf，以及对 JavaScript 的支持优化功能：支持更多的代码度量，以及代码质量的检查等详细可以见 ...
2024-12-03 07:58:39
1598
原创 ArchGuard 架构分析器发布：多语言、跨项目架构数据生成，助力 AI 时代知识挖掘...
TL;DR：https://github.com/archguard/archguard过去的几个月里，我们一直在探索用 AI 辅助跨项目、跨大量微服务的系统的开发。其中一个重要的话题就是，从现有的软件架构去生成知识，文档是落后、多版本的， 只有代码才保留着真相。ArchGuard 是一个由 Thoughtworks 发起的面向微服务（分布式场景）下的开源架构治理平台。它可以在设计、开发过程中，帮...
2024-11-17 20:42:38
1260
原创 AI 辅助研发的 2024 年的 6 个实践感受与思考
两周前受彭鑫老师邀请，在《智能化软件开发微访谈·第三十四期 基于大模型的软件智能化开发实践》分享了我们在 Thoughtworks 以及在客户侧的一些实践和探索。 在其中分享了我的一些心得和感受，在这里重新整理一下，并加上一些新的思考和想法。在不考虑模型和算力，要在企业落地还是有比较大门槛：第一，AI 提升效能效果有限。AI 工具并没有企业想象中好用，存在大量的学习成本 ，很多开发容易放弃； 第二...
2024-11-10 20:48:10
1173
简单多任务任务高度
2011-11-14
Django 1.0 Template Development
2011-12-27
Android,Bash,终端,Term
2012-02-09
Django Documentation Release1.2
2011-12-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人