沙巴体育平台维护

沙巴体育平台维护

金磊 发自 凹非寺量子位 | 公众号 QbitAI

天下程序员苦看懂老、大项目久矣。

例如猛地给你一个包含近10000个代码文件的项目，你就说把它们给吃透得花多长时间吧。

But！现在你不用再为此发愁了，因为有一款国产AI编程工具，会给你来一波实实在在的神助攻！

多说无益，我们直接拿微软在GitHub上面的terminal仓库来打个样：

Terminal仓库包含了大约7500个文件，编程语言涵盖C++、C#、JSON、XML、Markdown等。

接下来，我们先克隆一下：

gitclone—depth=1https://github.com/microsoft/terminal.git

然后把这个项目导进国产AI编程工具里面，先点击仓库Wiki（Repo Wiki）功能，再点击生成即可：

这期间我们什么额外的操作都不需要做，甚至你可以去打几把王者荣耀……回头再看，它已经生成出了

完整的Wiki!

可以看到，AI已经详尽地整理出整个代码工程系统，还是以图文并茂的方式把架构等细节内容给呈现了出来。

（注：生成时间长短取决于项目的大小。）

而且啊，这个Wiki还支持共享模式，团队里一个人生成，N个人可共享、协作。

如此一来，不论是梳理再庞大的项目，或是接手别人的陌生代码（甚至是没有注释的那种），一切都会变得从从容容、游刃有余~

那这到底是何许AI编程工具是也？

不卖关子，它正是今年8月份一问世便已然名声大噪过的Qoder。

而时隔仅三个月，这一次，它已然在AI编程圈里解锁了三个“最”：

最强模型：使用“全球顶级模型+专项自研模型”的方式，效果优势立竿见影，效果评分领先头部产品13.22%；最全覆盖：全面支持IDE、CLI和JetBrains插件三种产品形态，无论你是小白还是专业开发者，都能用得上，一套账号和积分体系，体验丝滑一致；最高性价比：在同样付费金额、SOTA模型的条件下，可完成205%的任务，性价比直接拉满。

从这三个“最”中不难看出，Qoder这次是要铆足了劲直击AI编程的七寸——主打一个为真实软件研发而生。

对真实软件最好的理解来自Qoder 创始人叔同，他提到：

Qoder 绕过从0到1生成新项目的“酷炫”场景，直接切入占开发者95%工作时间的“真实软件”研发领域。

真实软件是指真正产生商业价值的软件。一旦产生商业价值，就要对用户和客户负责，需要严肃的修改、迭代和演进，不能有故障问题，并且会有很多历史积累，可能存在5年、10年。

这些历史代码不能乱改，不能发挥想象或产生幻觉。因此这是价值高地，因为它真正支撑信息产业持续产生价值。

今天很多工具从Vibe Coding切入，而Qoder选择从真实软件切入，构建产品，这个选择足够大胆也很坚决。

但有一说一，毕竟真实开发场景可谓是错综复杂，即便是此前公认实力强悍如Cursor等产品，也时有被诟病。

Qoder到底能胜任到什么程度，唯有一波深度实测方能见分晓。

实测Qoder：后端程序员有福了

接下来，我们将用一个典型的企业级Java项目来贯穿整个实测内容。

有请被测“选手”——Spring Petclinic。

虽然Spring Petclinic整体的大小不大，但它是Spring官方最佳实践模板，涵盖了MVC、JPA、Thymeleaf、单元测试、数据库迁移、异常处理等企业开发核心要素。

我们依旧是先对这个项目做一下克隆的操作：

gitclonehttps://github.com/spring-projects/spring-petclinic.git

实测第一弹：IDE形态

精准理解代码工程的上下文，可以说是检验AI编程工具是否好用的关键指标之一。

为了实测这一点，我们先在Qoder IDE里面打开Spring Petclinic项目，再任意打开一个Java文件（例如OwnerController.java）。

然后我们在右下角的对话框中，选择“智能问答”模式，用自然语言提问：

这个controller的findAll方法用到了哪些Service和Repository？

从结果上来看，Qoder自动检索出了OwnerService → OwnerRepository的调用链，不仅给出了结论是“仅使用了OwnerRepository”，还将具体分析过程罗列的清清楚楚。

而这也只是Qoder对代码工程理解能力的冰山一角。

据了解，Qoder可一次检索10万个代码文件，类似电商网站前后端开发这样的任务，可以从数天压缩到约十分钟！

值得一提的是，Qoder这次还上线了模型分级选择器，包括基础轻量（Lite）、经济高效（Efficient）、极致性能（Performance）和智能路由（Auto）四种模式，可以匹配不同复杂度的研发。

理解和拿捏代码工程的全貌固然重要，但对于一个AI编程工具来说，执行力，才是关键中的关键。

Qoder所提供的Quest Mode正是一个由Spec驱动的AI自主编程功能。

在这个模式之下，开发者只需要用自然语言输入Spec（需求描述）即可，例如：

为Petclinic添加一个RESTful API：GET /api/vets/specialties，返回所有Petclinic列表，使用JPA和Spring Data REST，包含单元测试。

只需片刻功夫，Quest Mode就会基于这句简单的需求描述，先是设计出一份超完整的需求文档，然后自动并逐步执行计划中的任务，最后还会对整体的任务做一份总结：

由此一来，AI编程工具不再是实时伴随的存在，Qoder已经把它进化到了异步委派的程度。

实测第二弹：JetBrains插件

对于很多开发者来说（尤其是后端），JetBrains已然是用得非常习惯的一款IDE。

如果在看完刚才的实测后，你想在不换IDE的情况下使用Qoder的各类功能，现在也是可以的——插件形态，了解一下。

刚低调上线一周就斩获了3万多下载，后端开发者对JetBrains插件渴望已久啊！

安装完毕后，在JetBrains后侧的边栏中我们就能看到Qoder插件的身影。

我们依旧是小试牛刀地来看看插件形态下的Qoder对于整体项目框架的理解能力：

如何为 /owners/{ownerId} 添加分页？

可以看到，Qoder插件依旧是详细且稳稳地给出了问题的解决方案。

除此之外，Debugger集成也是Qoder插件在JetBrains中的一大亮点。

我们先在findowner这个方法处设置一个断点：

而后我们可以点击Debug按钮，JetBrains会自动暂停在咱们设置的断点处，此时再打开Qoder插件并询问：

ownerRepository.findById返回的是什么对象？

可以观察到Qoder插件能理解Debugger上下文，直接引用内存中的变量和调用链，无需开发者手动复制粘贴信息，实现智能调试建议。

除了Debbuger集成，数据库支持也是可以有的。

例如我们打开OwnerRepository.java，并询问：“这个findByLastName方法有SQL注入风险吗？”

嗯，依旧是稳稳输出。

划个重点：Qoder集成了海外SOTA模型，无论是速度还是体验都是一流水平；而且它还是唯一支持记忆感知的JetBrains插件。

这就意味着Qoder插件在与开发者的持续对话中，会自动形成针对个人编码习惯、项目特点、常见问题的记忆。

如此一来，就真正达到了“越用越懂你”的效果。

实测第三弹：CLI形态

除了IDE和插件之外，许多专业开发者们疯狂迷恋的命令行界面工具（CLI），Qoder也是支持的！

安装也非常的简单，只需要在终端里面输入一行代码即可：

curl-fsSLhttps://qoder.com/install| bash

安装成功后，重启终端并输入qodercli就可以开搞了：

我们先来在Vet.java文件中制造一个典型的bug，即一个潜在的空指针风险：

而后我们直接在CLI里面，用自然语言的方式让Qoder来修复一下这个bug：

Vet.java文件中有个bug，帮我找到并修复一下。

非常精准，Qoder CLI直接找到到了bug所在之处，并且已经帮我们修复好了！

通过@qoder还可直接在Issues和Pull Requests中进行交互对话：需要解释某段复杂逻辑时，评论@qoder解释这段代码；发现bug需要修复时，直接评论@qoder修复这个问题。

而且Qoder CLI可以与GitHub深度集成，可在几分钟内提供有关拉取请求的上下文反馈，进行高质量代码审查。只需在仓库的 .github/workflows/ 目录添加配置文件，就能为每个Pull Request自动提供智能代码审查。

据了解，它可以提升2倍代码审查质量，提升10倍审查效率，大幅降低了人工审查代码的压力。

Qoder CLI之所以能够做到又快又准，是因为它内置一个轻量的Agent，支持自定义插件、命令及子代理的扩展。

从评测结果上来，Qoder CLI已经是Claude Code的完美平替了。

最后总结来看本次的实测结果，我们不难发现，Qoder能够同时支持IDE、JetBrains插件和CLI三种形态，只是它亮点中的一隅。

更难得是它在技术上实现了业界领先的增强上下文工程（评测领先13.22%）、拥有记忆力感知（对话质量提升40%）、全球顶尖模型加持（RepoWiki模型Credits消耗节省93%）。

最最最重要的一点，是很多开发者更加关心的的性价比——花同样的钱，可以完成205%的编程任务。

如果Qoder Pro按照实付$10实际2000 Credits计价，$20对应4000 Credits，SOTA模型可运行任务数为204.5，耐用度比Cursor高104.9%。

嗯，最强模型、最全覆盖和最高性价比，Qoder这次是真的做到了。另外，大家关心的团队版本据说将在12月初上线，再次把期待值拉满了。

AI编程耐不耐用，现在也有标准了

不过一个AI编程工具到底好不好，光谈实测和体验还是不够的。

这一次，Qoder团队为行业提供了一个可参考的标准——AI编程工具的耐用度评测集，还开源了！

从语言方面来看，这个产品耐用度评测集涵盖了目前最主流、最常用的几种，比如 Python、JavaScript、TypeScript、Java 和 Golang等。

而且还会针对每种语言，设置一些使用主流或较新技术框架的题目。这就像模拟了开发者们在实际项目中会遇到的真实环境和复杂场景，能更全面地考察AI编程工具在复杂情况下的表现。

据了解，Qoder已经通过真实软件项目做了相应的测评，从结果来看，对比头部AI IDE产品，Qoder在复杂工程、生成效果、Credits耐用度方面，均已经超过全球头部产品。

并且团队还计划在明年3月份前把评测集中的真实开发场景案例数量扩展到50多个。

不得不说，以后再要评判哪家的AI编程工具好，各式各样只能看到数字成绩的Benchmark可以往后稍一稍了；效果好不好，真实开发场景的实测说了算。

最后，体验地址放下面了，感兴趣的小伙伴们可以冲了~

Qoder地址：https://qoder.com/

耐用度评测集地址：https://github.com/agentic-coding-durability-evalset