问了下AI,说是MiMo Code的上下文压缩方式接近无损，佬友们觉得对代码生成的影响大不大？ 6 个帖子 - 3 位参与者 阅读完整话题
AI时代软件工程的范式革命与价值回归 从“砌砖”到“绘蓝图”：AI时代软件工程的范式革命与价值回归 近年来，随着代码生成式AI的成熟，一个根本性的问题开始萦绕在每个开发者心头：当AI能写出大部分代码时，程序员的价值何在？软件工程又将走向何方？ 我近期闲来无聊和豆包聊天，讨论对行业思考：当前许多团队“拿着AI的工具，还在用十年前的研发范式”，本质上是一种“新瓶装旧酒”的浪费。真正的革命，并非让AI适配旧的软件工程，而是基于AI的原生特性，对整个行业进行一场从理念、架构到角色的彻底重构。 一、核心悖论：效率枷锁与价值迷失 核心矛盾： 前后端分离、分层架构、繁复的测试流程，这些在“人工编码时代”为提升协作效率和工程质量而生的最佳实践，在AI时代正逐渐异化为新的“效率枷锁” 。 过去，我们拆分前后端是为了让专业的人做专业的事，并行开发。但代价是高昂的沟通、联调与文档同步成本。如今，AI可以在一分钟内根据一个业务描述，生成包含界面、逻辑、数据交互的完整功能模块。如果我们依然固执地要求AI分别生成前端页面、后端接口，再投入大量人力进行联调和对齐，这无异于开着跑车却坚持按照马车的交通规则行驶。 问题的根源在于，我们混淆了“手段”与“目的”。用户从不关心系统是否是微服务、是否严格前后端分离，他们只关心功能是否好用、问题能否解决。 编程最本源的目的，是用技术解决人的问题，而非对某种技术架构的顶礼膜拜 。当编码成本因AI而趋近于零时，最大的浪费不再是“写代码慢”，而是“用旧流程管理新生产力”所产生的时间与沟通损耗。 二、范式转移：从“代码工程”到“业务意图工程” 那么，AI原生的软件工程新范式究竟是什么？我总结为五个维度的根本性转变： 核心范式：从“代码为中心”到“意图为中心” 。未来的开发起点，将不再是技术设计文档，而是用自然语言精确描述的、可验证的 业务意图 。开发者的核心工作从“如何实现”转变为“要实现什么”，即精准地定义问题、拆解场景、设计规则。代码将从“第一公民”降格为AI自动生成的、近乎透明的中间产物。 架构范式：从“分层架构”到“垂直切片架构” 。为人类协作而生的前后端分离、MVC等分层架构将被颠覆。未来的架构将围绕“业务垂直切片”构建——每个完整的用户故事（如“用户下单”）都是一个由AI统一生成、内部无技术边界的独立切片。切片间通过事件通信，彻底消灭联调。架构不再是炫技的资本，而是按业务需求轻量组合的工具。 质量范式：从“测试代码”到“验证意图” 。我们不再需要人工编写大量的单元测试、接口测试来验证代码逻辑。质量保障体系将进化为一个AI驱动的 闭环验证系统 ：人类定义核心业务场景与验收标准，AI自动生成并执行海量测试用例（包括边界和异常情况），自动定位并修复问题。只要业务意图被满足，代码的形式不再重要。 框架范式：从“人类友好”到“AI友好” 。现在的React、Spring等框架充满了为人类设计的抽象与语法糖。未来的AI原生框架将是 高度声明式、API极简、内置验证 的。开发者只需描述“做什么”，框架和AI会共同完成“怎么做”，并自动确保性能、安全与可访问性。 流程范式：从“批次迭代”到“持续进化” 。传统的“需求-设计-开发-测试-上线”的批次化流程将消失。应用将进入一种 持续进化 状态：根据用户反馈和业务数据，由AI自动分析、生成优化方案，经人类确认后无缝部署。版本号将变得模糊，开发与运维的边界彻底融合。 三、职业重塑：从“程序员”到“业务架构师与AI调度师” 这场变革对从业者的冲击最为直接。只会“搬砖”、写CRUD代码的工程师将快速失去竞争力。大胆预测，未来的研发角色将深刻转型： 业务工程师/架构师 ：核心能力是 深度理解业务、洞察用户痛点、并能够将模糊需求转化为精确、可执行的“业务意图”描述 。他们是产品与技术之间的新桥梁，决定了AI工作的方向与价值。 AI调度与训练师 ：负责优化AI提示词、搭建高效的工具链、处理AI无法解决的复杂技术难题，并训练专属的领域AI模型，让AI更“懂”业务。 业务验证专家 ：从传统的“找bug”转向“保价值”，专注于设计高价值的验收场景，确保AI的产出精确匹配商业目标。 技术能力将不再是高耸的门槛，而解决问题的能力、业务洞察力和创造力，将成为不可替代的核心壁垒 。软件开发将前所未有地“平民化”，业务人员借助AI也能构建应用，而专业团队则聚焦于更复杂的系统设计与价值创造。 四、未来已来：行动路线图 豆包给出了从“融合阶段”到“原生阶段”的清晰落地路径。对于当下的团队和个人，启示非常明确： 立即开始转变思维 ：接受“意图驱动”的理念，在下一个需求评审时，尝试用“业务意图卡”而非“原型图+接口文档”来描述功能。 重构工作流优先于采购工具 ：不要试图用Harness等工具将AI硬塞进旧流程。先从一个小型、非核心的项目试点，跑通“意图 → AI生成 → 验收”的最小闭环。 投资于业务与软技能 ：有意识地提升业务理解、沟通和抽象能力。学习如何与AI高效协作（提示词工程），而非仅仅学习最新的框架API。 尝试垂直切片开发 ：在新项目中，尝试以完整的用户故事为单元进行开发，让AI生成全栈代码，体验边界消融带来的效率提升。 结语 AI对软件工程的影响，远不止是“更快的程序员”。它是一场触及行业根本的 范式革命 。它迫使我们重新思考编程的本质，将我们从繁琐的实现细节中解放出来，回归到创造业务价值的本源。 那些执着于“新瓶装旧酒”的团队，或许能获得20%的效率提升；而勇于拥抱“意图驱动”、“垂直切片”、“持续进化”等AI原生范式的探索者，将有机会赢得十倍乃至百倍的生产力飞跃。未来不属于会使用AI的工具人，而属于能驾驭AI、将其能力导向解决真实世界问题的 思想者与创造者 。 这场革命，不是终结，而是软件工程一个更激动人心的新开端。 6 个帖子 - 6 位参与者 阅读完整话题
各位大佬好，最近在构思一个 Agent，目标是对接产品经理的 PRD，尽量自动化地完成从需求到代码的全流程。具体想实现这几个步骤： PRD 分析 & 功能拆解 自动解析 PRD 文档，拆出功能点。难点在于 PRD 可能涉及多个业务团队，功能点会跨不同领域。 服务识别 根据拆解出的功能点，结合公司内部的众多微服务，精准定位哪些服务需要改动。这一步是基础，希望能做到比较高的准确率。 详细功能设计 在确定涉及的服务后，结合现有业务流程和接口定义，基于 PRD 生成详细的技术设计文档（比如接口变更、数据模型、时序图等）。 代码生成 最后一步就是根据设计文档自动生成代码，理想情况下能直接跑通。 说白了，就是想完全替代开发人员做需求分析、功能拆解、技术方案设计甚至 Coding。 目前卡在第一步和第二步的可行性上，尤其是跨团队、多微服务场景下的精准匹配。想请教大家： 有没有现成的思路、框架、开源项目可以参考？ 有没有一些工具能组合起来实现类似效果？ 如果完全实现难度太大，能否先做个“半自动”版本，比如先辅助定位服务和生成草稿？ 离死亡又能勇敢的迈出一步。 3 个帖子 - 3 位参与者 阅读完整话题
前言 全新桌面宠物登场，当前项目纯开源为爱发电，欢迎各种反馈和批判，或者路线建议。 Codeg （ Code Generation ）是一个企业级多 Agent 编码工作台。 它将本地 AI 编码代理（ Claude Code 、Codex CLI 、OpenCode 、Gemini CLI 、OpenClaw 、Cline 等）统一到桌面应用、独立服务器或 Docker 容器中——通过浏览器即可远程开发——支持对话聚合、 并行 git worktree 开发、MCP/Skills 管理、消息渠道交互（ Telegram 、飞书、iLink 等），以及集成的 Git/文件/终端工作流。 开源地址 https://github.com/xintaofei/codeg 核心亮点 同一项目中的多 Agent 统一工作台 本地对话解析与结构化渲染 内置 git worktree 并行开发流程 项目启动器 — 可视化创建新项目，实时预览效果 消息渠道 — 连接 Telegram 、飞书、iLink （微信）等即时通讯应用到编码代理，实时接收通知、完整会话交互、远程任务控制 MCP 管理（本地扫描 + 市场搜索/安装） Skills 管理（全局与项目级） Git 远程账号管理（支持 GitHub 及其它 Git 服务器） Web 服务模式 — 开启后可在浏览器中访问 Codeg ，支持远程工作 独立服务器部署 — 在任意 Linux/macOS 服务器上运行 codeg-server ，通过浏览器访问 Docker 支持 — docker compose up 或 docker run ，可自定义令牌、端口，支持数据持久化及项目目录挂载 集成工程闭环（文件树、Diff 、Git 变更、提交、终端） 主界面 v0.12.x 宠物登场（兼容 codex 宠物） 桌面效果
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 github.com GitHub - GanyuanRan/Aegis: 让AI编码更严谨、更可控的架构驱动开发方法包，一键安装，提升代码质量！An upgraded... 让AI编码更严谨、更可控的架构驱动开发方法包，一键安装，提升代码质量！An upgraded Superpowers-based Architecture-Driven Development (ADD) Method Pack for AI coding agents: baseline-first, evidence-driven workflows, TLREF/DIVE/QA discipline, and dual-track governance across hosts. 这个刚刚开源的项目是superpowers的升级版，引入独家的ADD(设计层架构驱动开发思想）+TDD（执行层测试驱动开发思想）模式，更有经历无数成功交付项目沉淀出来的三层反思执行框架融入到Aegis中。 安装后agent会智能调用，规范任务流程，你只需要把你的需求不断的明确给ai即可。完全免费，本地可用，更多惊喜功能请查看完整readme文档。后续会有更多强大功能持续更新，安装、更新也只需要扔一段话给ai即可。佬友们赶紧冲！记得帮我点下小星星，爱你们! 1 个帖子 - 1 位参与者 阅读完整话题
有截图图片的使用文档，我不想人工一个一个截图去弄，一个商城项目又这么大，非常耗时间 2 个帖子 - 2 位参与者 阅读完整话题
有佬友们对比过这俩模型在代码生成方面的性能吗？同事跟我说MiMo的性能要更好，感觉有点不太相信 3 个帖子 - 3 位参与者 阅读完整话题
如题， 看代码是直接在后台沙盒执行 Python 代码生成的文件。 代码 （点击了解更多详细信息） 8 个帖子 - 6 位参与者 阅读完整话题
前言 新版本重构了工作区，大大提升工作体验，当前项目纯开源为爱发电，欢迎各种反馈和批判，或者路线建议。 Codeg （ Code Generation ）是一个企业级多 Agent 编码工作台。 它将本地 AI 编码代理（ Claude Code 、Codex CLI 、OpenCode 、Gemini CLI 、OpenClaw 、Cline 等）统一到桌面应用、独立服务器或 Docker 容器中——通过浏览器即可远程开发——支持对话聚合、 并行 git worktree 开发、MCP/Skills 管理、消息渠道交互（ Telegram 、飞书、iLink 等），以及集成的 Git/文件/终端工作流。 开源地址 https://github.com/xintaofei/codeg 通信流程 核心亮点 同一项目中的多 Agent 统一工作台 本地对话解析与结构化渲染 内置 git worktree 并行开发流程 项目启动器 — 可视化创建新项目，实时预览效果 消息渠道 — 连接 Telegram 、飞书、iLink （微信）等即时通讯应用到编码代理，实时接收通知、完整会话交互、远程任务控制 MCP 管理（本地扫描 + 市场搜索/安装） Skills 管理（全局与项目级） Git 远程账号管理（支持 GitHub 及其它 Git 服务器） Web 服务模式 — 开启后可在浏览器中访问 Codeg ，支持远程工作 独立服务器部署 — 在任意 Linux/macOS 服务器上运行 codeg-server ，通过浏览器访问 Docker 支持 — docker compose up 或 docker run ，可自定义令牌、端口，支持数据持久化及项目目录挂载 集成工程闭环（文件树、Diff 、Git 变更、提交、终端） 主界面
SpaceX官方于4月21日在X平台发布公告，宣布与知名AI代码生成工具 Cursor （ @cursor_ai ）达成深度合作，共同打造“全球最好的编程和知识工作AI”。 核心条款： 双方将结合 Cursor 在专业软件工程师中的领先产品和分发优势，以及 SpaceX 的 Colossus 超级计算机 （百万 H100 等效算力），训练“世界上最有用的AI模型”。 Cursor 已授予 SpaceX 一项选择权：SpaceX 可在 2026年晚些时候 以 600亿美元 的价格正式收购 Cursor； 或者，SpaceX 可选择支付 100亿美元 作为双方合作的费用。 目前这只是 收购选择权（option） ，尚未完成实际收购，最终是否执行取决于 SpaceX 今年晚些时候的决定。 SpaceX官方原帖 ： https://x.com/SpaceX/status/2046713419978453374 2 个帖子 - 2 位参与者 阅读完整话题
有使用AI工具辅助学习，代码生成或技术文档撰写的具体案例，能在面试中演示者优先。 我可太能了，哈哈哈哈哈 2 个帖子 - 1 位参与者 阅读完整话题