R1 带来了实用的 Agentic 编程体验

Windsurf 刚推出的时候（24年10-11月份的时候），其 agentic 模式，给人非常惊艳的感觉 ，我当时还写了篇文章：AI辅助编程：Agentic 火，要跟进么？但是考虑到当时的模型真正组合使用工具的能力还不够强（比如windsurf 是通过很多工程努力来完成agentic模式，而不是依赖大模型原生的这个能力的），所以我们当时决定不跟进。

auo-coder.chat 本身提供了 /chat(代码设计，信息获取) /coding(编程) /conf(对软件系统自身的配置) ，项目索引地图以及自动生成命令执行等相关能力，但是这些原子性的能力需要用户自己组合使用的。但我内心深处一直觉得，应该可以上层再加一层，来让 auto-coder.chat 自己来决定如何组合这些原子能力最后完成编码工作。

随着R1和V3的发布，我当时敏感的意识到了中国辅助编程之路已经开启 AI辅助编程, 2025在中国正式起航, 并且整个春节无休快速完成了R1 的整合： 全球第一款内置 Deepseek R1 + V3 组合的AI辅助编程工具来了。但是整个春节期间，一直没有一个稳定的 R1/V3 供应商，导致我们的 agentic 模式用起来并不流畅，直到2月 喧嚣之后，2月份谁是 R1/V3 供应商的王者， 终于有了稳定的供应商，于是我们也能开发和测试我们这个能力了。我们通过 R1 来完成了指令的组合能力（类似cline,但比cline的tool 高阶很多）。

现在给大家看一个推理实例，效果应该是超过 windsurf 之类的agentic 的另外，windsurf 因为agentic最初的设计缺陷，导致现在集成 R1后工作效果非常不好，需要有不少调整。

先给大家一个结论，R1 在 auto-coder.chat 中带来的 agentic 编程体验，已经完全到了“生产”可用阶段。

下面来看，我提了一个需求后，R1 是如何自主使用 auto-coder.chat 提供的指令来完成全流程工作的。

先看需求：

R1 的自动工作流程：

1. 获取整个项目的目录树，查看用户提的文件是否在。因为目录树排除了 .auto-coder 目录，所以他没找到。

2. 接着他没放弃，通过文件名来查找，得到了文件列表

3. 自动选择了最匹配的那个，然后打开查看前面十行，发现确实是我描述的那样。

4. 调用coding 进行编程，并且根据他已经获得的信息，重新改写了我的需求然后调用了 coding 执行编程动作

5. 现在开始执行编程

6. 代码完成合并

7.  会查看修改前后的代码，确定是否满足需求，这里他觉得满足了，所以停止运行。

如果多尝试几次，你会发现类似的需求，推理流程实际发生会发生变化，但基本都能解决最后的问题。

比如有的时候他会找到多个文件（当然，这里主要是因为我只提供过了index.json, 然后确实存在多个同名的文件）他会主动寻求用户帮助：

此外，R1 的意图猜测能力也足够强，能够非常好的自主选择非编程类的任务的响应。

比如问一个项目是干嘛的（远比我以前实现的/ask 效果好，/ask于 软模拟cot 实现的)他会自主读取目录结构，然后尝试查看README, 以及相关的代码文件，最后给出项目描述：

然后你还可以让他帮助你完成auto-coder.chat的配置：

或者询问他问题，他会自动选择 chat 指令来和你交互：

或者让他帮检查端口，启动应用等等各种繁琐的事情：

另外，得到为空，他还会交叉验证，此时你喊停止就可以：

最后的结论： R1 带来的Agentic 编程体验已经相当于可以“量产”了。大家可以使用 auto-coder.chat 体验和复现。

https://uelng8wukz.feishu.cn/wiki/NhPNwSRcWimKFIkQINIckloBncI?fromScene=spaceOverview