编者按： AI 编程智能体的发展前景如何？创业者在这个快速变化的赛道中应该如何找到突破口？

文章作者基于一年来打造 Codebuff 编程智能体的实战经验，深入分析了团队在产品开发过程中的成功决策与失误教训。他特别强调了 CLI 优先、注入更多上下文、产品定位高端等关键策略的重要性，同时也坦诚地反思了产品稳定性不足导致用户留存率低迷的问题。作者还对 2025 年编程智能体的发展趋势做出了预测。

作者 | James Grugett

编译 | 岳扬

我努力打造最佳的编程智能体已经整整一年了！

去年的 7 月 4 日，我还不知道我的生活即将改变 —— 那是在一次黑客马拉松上，我首次为一个最终蜕变为 Codebuff[1] 的 CLI 编程工具制作了原型。这一路走来真不容易！

从离开 Manifold[2]，到加入 YC F24，再到组建团队，以及与 Claude Code 的竞争，同时每周平均工作约 70 个小时 —— 甚至大部分周末时间都在奋斗，这一切都实属不易！

或许我们尚未赢得第一轮比赛，但对于未来，我的热忱与期待却前所未有地高涨。

01 我们所做的赌注

最初我们做对了太多关键决策：

• CLI 优先。 将产品范围聚焦于命令行工具，让我们得以全力打磨编程智能体的核心。

• 注入更多上下文。 即时读取与用户提示词相关的十余个文件，这让我们在与对手的竞争中形成了一定的优势。

• 不做权限检查。 我们从一开始就进入“全凭直觉横冲直撞”模式 —— 这在当时简直是离经叛道。

• 产品定位高端。 相较程序员的薪资成本支出，本工具成本效益显著。

• 引入知识文档。 我们创新性地提出将 knowledge.md 文件纳入代码库。Codebuff 能在学习过程中自动更新这些文档。

如今这些策略大部分已成为编程智能体的标配或准标配！

02 效果欠佳之处

头十个月里，我们总以为距离爆发式增长仅有数周之遥。在 YC 期间，我们确实有过指数级增长 —— 月营收一度冲至 5k MRR。

常有用户评价这是最优秀的编程智能体，但其稳定性始终存疑。

我们的文件编辑策略数月间一直不稳定，表现远逊于采用定制文件重写模型的 Cursor。

即使在我们采用 Relace 的快速重写模型后，我们的产品仍然存在大量问题，导致约 5-10% 的任务失败。部分问题本就需时间排查修复，但我们的优先级排序本可更优。

若稳定性不足，则无法实现高留存；若留存率低迷，则 Codebuff 难有增长空间。

03 我们应该采取什么行动

以下是我在经过深度复盘后会做出的不同选择。

3.1 建立端到端的评估体系并每晚运行

这将使我们获得关于编程智能体 Codebuff 表现的定期量化反馈。此举既能解决产品的可靠性问题，又能验证对产品的相关优化措施的假设是否成立。

正因缺乏这种机制，我们需要耗费大量时间在每次产品变更后进行手动测试，或在切换模型时反复进行评估。

3.2 砍掉所有非核心功能

我们原以为聚焦 CLI 已足够精简，但其实本应该删减更多。Elon Musk 说得对：你首先就必须得“delete the part!”。

下面是一些我们本应早点删掉的功能：

• 自动识别输入内容是终端命令还是提示词

• 自动更新知识文件，我们对该功能进行了数月的调整，最终基本放弃了该功能

• 用于实现文字颜色/样式的控制和命令缩写的伪终端库（node-pty），该库最近被我们评为史上最坑爹的功能

3.3 让整个团队都投入核心产品的改进

我揽下了太多核心系统的开发任务，而让联创去处理价值较低的其他任务。让所有人都参与进来有助于集中精力办大事、鼓舞士气。

3.4 永远比市场快半步

永远不要停止思考如何颠覆现有产品。下一步突破点在哪？今天我们可做哪些实验来实现它？

3.5 推行月度复盘机制

若能建立月度复盘会议机制，或可达成上述目标。请将其排入日程表，并预留一小时让全员共同探讨以下问题：

• 应加倍投入什么？

• 该狠心砍掉什么？

• 下一步亟待探索什么？

04 Codebuff 的下一步行动

过去数月间，随着 Claude Code 等竞品携相似的理念蜂拥进入市场，我们展开了更深的反思与探索。

（顺便提一下，我认为 Claude Code 的成功部分源于更聚焦的定位：仅推出客户端、仅作搜索-替换式文件编辑、仅采用 Agentic-RAG 架构。）

我们始终在酝酿着下一次突破，现在我确信我们知道它是什么了。

05 对明年编程智能体发展趋势的预测

在 Manifold[3] 上关注并参与预测吧！

既然我们去年对编程智能体的发展趋势判断如此精准，今年还能再次做到吗？我有十足的把握！

以下是我的预测：

多智能体范式将主导市场。 实践证明：通过将任务分派给专项智能体，能指数级提升系统能力。

“实时学习”将成为标配。 智能体在执行任务中持续学习的能力是非常强大的。

编程智能体将掌握主动权。 「用户单向发起指令」的模式将转变为「编程智能体更主动地为用户提供任务」（例如主动要求用户审核关键决策）。

编程智能体将实现完整的开发闭环。 它们不再仅仅提出代码修改建议，更能自主执行 QA 测试、效果评估，并完成代码提交。

递归优化型智能体将崭露头角。 顶尖产品均将采用该架构的变种形式。

xAI 将获得可观的领先优势。 随着 xAI 在模型质量和智能水平方面取得决定性的领先优势，多极时代将逐渐远去。

模型优势的重要性将降低。 产品核心竞争力将转移至智能体协作网络的构建能力。

END

本期互动内容 🍻

❓文中提到 CLI 优先策略被证明是他们的正确决策之一。在你看来，当前 AI 编程工具最应该聚焦哪个使用场景？终端 / IDE 插件 / Web 平台？为什么？

文中链接

[1]https://codebuff.com/

[2]https://manifold.markets/

[3]https://manifold.markets/JamesGrugett/ai-coding-agent-forecasts-from-my-b

本文经原作者授权，由 Baihai IDP 编译。如需转载译文，请联系获取授权。

原文链接：

https://jamesgrugett.com/p/what-i-learned-building-an-ai-coding