腾讯版“Claude Code”来了！AI编程L4时代is coming

允中
2025-09-10
16:24:35

来源：量子位

允中 发自 凹非寺

量子位 | 公众号 QbitAI

9月9日，腾讯发布AI CLI工具CodeBuddy Code，并宣布CodeBuddy IDE开启公测，面向所有用户开放使用，无需邀请码。

IDE和CLI都区分了国内外版本，分别支持海内外模型。国内版无限制使用；国际版测试期间赠送部分Pro模型体验额度，IDE和CLI共享。

CodeBuddy Code定位于专业工程师用专业的 CLI Agent，基于npm安装（指令npm install -g @tencent-ai/codebuddy-code），支持用自然语言驱动整个开发运维生命周期，实现极致自动化效率提升。

显然，这就是腾讯版的“Claude Code”。

之前Claude Code几乎垄断AI CLI，但伴随着最近Claude作妖事件，也让中国开发者纷纷表示要弃用。这个节骨眼上，腾讯自研的AI CLI出来得刚刚好，而且国内版直接集成DeepSeek免费使用，在很多运维场景中也完全够用了。

比如，它已经可以自己给自己做需求了……

腾讯的工程师在直播中演示了他们用CodeBuddy Code开发CodeBuddy Code一个真实场景：

当时，研发在企业微信群中接收到一个需求，通过截图和自然语言描述给到CodeBuddy Code，进行需求理解、特性分支创建、AI 编程、创建 MR和 Commit Message，全程不用写一行代码。

这个AI有两下子，还能自己开发自己…

伴随CodeBuddy Code的诞生，腾讯云CodeBuddy成为业内首个同时支持插件、IDE和CLI三种形态的AI编程工具矩阵。

AI Coding迈入L4时代，CLI成为基础设施

随着AI编程能力的快速发展，软件工程正在经历一场范式级变革。

从最早的“单文件代码补全”，到如今可参与项目级开发与多智能体写作的AI工具，AI的角色正逐步从“辅助”升级为“驱动”。

我们可以把AI编程工具的发展划分为五个层次：

• L1，文档级补全：能够在单文件内进行代码生成和优化；
• L2，任务级自动化：能够处理子流程任务，需要精心设计上下文与提示词；
• L3，项目级自动化：从需求到PR的端到端流程，适合小型项目；
• L4，AI软件工程师：独立承接复杂项目，辅助架构与策略决策；
• L5，AI开发团队：多智能体写作，处理企业级复杂项目。

在这个过程中，AI CLI形态的出现改变了市场的格局。产品形态也从最早只有IDE插件，到今天插件、AI IDE和AI CLI三种形态并存。

Claude Code开创了AI CLI形态，提供了完整的自动化流水线：集成了传统CLI的所有优势，适合自动化、批处理、远程操作，可嵌入企业开发者流水线，且拥有了AI的智能。

命令行形式门槛太高不适合非技术用户，却很适合专业开发者，尤其是企业级的开发者。

于是它一经推出，深受专业开发者喜爱。

AI CLI形态的出现也标志着AI大模型智能能力的进一步提升。因此，腾讯认为，在2025-2026年，AI编程将向L4级AI软件工程师演进；到2027年，开始向L5级迈进。

同时，随着AI智能体能力的逐级攀升，大模型业内逐渐形成一种新的共识：

而随着AI智能体能力的逐级攀升，大模型业内逐渐形成一种新的共识：

CLI（命令行界面）正在成为下一代AI编程的底层基础设施。

其关键在于，未来，AI不再只是IDE插件，而是能够深度嵌入企业开发流程的智能协作伙伴。

为什么CLI是企业级AI编程的未来

不同开发场景对AI工具的需求完全不同。

比如IDE/插件模式，适用于单人开发者或小团队，特点是AI提供建议，人工手动确认。

可视化编程平台则更适用于非技术人员与技术人员的快速开发场景，AI能够生成完整代码文件，图形可视化。

而CLI模式，适用对象正是需要大规模写作的企业级团队。这种模式下，AI支持多模块、多任务自动化，深度集成CI/CD，能够保证安全与权限控制。

在企业级场景中，CLI模式具有天然优势：

• 易于集成
• 可与Git、CI/CD、监控系统、日志分析工具无缝结合。高效协作
• 支持多文档、多任务、多智能体并行处理，提升团队效率。全链路自动化

从任务分解到部署上线，几乎覆盖整个软件生命周期。CLI更像是企业级开发的操作系统，让AI从“代码生成器”升级为全流程开发伙伴。

目前，腾讯内部超90%工程师都在用CodeBuddy，整体编码时间平均缩短40%以上，AI生成代码占比超50%，结合内部大规模投产经验，研发提效超16%。

CodeBuddy团队透露，对比2024年腾讯内部实践看来，今年AI代码生成覆盖的流程广泛，更加侧重以智能体为代表的项目级代码生成而不仅是代码补全，同时更加关注AI代码评审环节，AI生成代码占比从35% 增加到50%；AI在代码评审中贡献占比从12%增加到35%。

腾讯认为，随着AI CLI工具的普及，AI开发的代码占比将会更高，超过90%。

CLI驱动的智能编程平台

腾讯的CodeBuddy Code正是一个CLI驱动的智能编程平台。

它定位于专业工程师用专业的 CLI Agent，基于npm安装，支持用自然语言驱动整个开发运维生命周期，实现极致自动化效率提升。

1. 安装命令：

npm install -g @tencent-ai/codebuddy-code

2. 进入项目目录：

cd your-project-dir

3、 启动Codebuddy Code

codebuddy

其核心功能亮点包括：

• 自然语言交互：无需学习复杂命令，直接输入需求
• 文档驱动管理：任务与模块可溯源、可共享
• 多智能体协作：前端、后端、DevOps、安全Agent分工合作
• 长期记忆 + 上下文压缩：跨会话、跨项目的连续理解
• 与Git/CI/CD深度集成：覆盖从开发到上线的全链路自动化

CodeBuddy.md

CodeBuddy Code会将项目上下文管理在CodeBuddy.md文件中，形成一个 可追踪、可共享的智能工作空间。

# 初始化工作空间
codebuddy /init

# 使用自然语言描述任务
codebuddy “设计电商订单系统：购物车 + 订单处理 + 支付 + 库存”

# 进入交互式终端，支持选择 @file
codebuddy
> 在输入框中选择文件并输入：
@file1 设计电商订单系统：购物车 + 订单处理 + 支付 + 库存

这种文档驱动开发模式让 AI 能够理解历史决策、架构约束和团队约定，从而实现长期上下文管理。

上下文压缩与长期记忆

在长期项目中，AI需要持续理解数百次交互内容。CodeBuddy Code通过语义化上下文压缩 + 项目级长期记忆实现智能管理。

核心机制是：

• 自动压缩：上下文达到阈值时，系统自动触发压缩。
• 手动压缩：开发者可通过 /compact 命令手动压缩，降低token消耗。
• 语义保持：智能提取关键信息，避免丢失项目上下文。
• 增量更新：只更新变化的部分，降低计算成本。

其记忆体系如下：

MCP（Memory & Context Plugin）扩展

MCP是CodeBuddy Code的上下文扩展协议，可以实时接入外部知识源。

例如，安装Context7 MCP后，可以让CodeBuddy获取最新的软件文档和示例。

安装步骤如下：

# 1. 退出 CodeBuddy Code
# 2. 安装 MCP
npx -y @upstash/context7-mcp@latest

# 3. 配置远程 MCP
codebuddy mcp add –transport http context7 https://mcp.context7.com/mcp

# 或使用 SSE 传输
codebuddy mcp add –transport sse context7 https://mcp.context7.com/sse

# 4. 验证是否安装成功
codebuddy mcp list
# 如果看到 “Connected” 状态，表示安装完成

CodeBuddy Code实战工作流

在真实企业项目中，一个典型的CodeBuddy Code工作流如下：

1. 项目初始化

codebuddy /init

2. 智能架构设计

codebuddy "设计支持千万商品的电商搜索系统，包含 ES 集群、缓存策略和降级方案"

3. 安装与配置 MCP

4. 按照上节步骤安装 Context7，持续优化与重构

codebuddy  "基于性能测试结果优化查询性能"

5. 安全执行与自动化部署

未来，CodeBuddy Code将可以通过生态扩展集成沙盒运行、权限控制、审计机制，确保企业级安全。

实际上，像CodeBuddy Code这样的产品，代表了企业级AI编程的新方向：

• CLI驱动：让AI融入开发流程，而不是外挂插件
• 多智能体协作：前后端、DevOps、测试、安全全链路打通
• 文档化上下文管理：保持长期记忆，支撑大型项目开发

对开发者而言，掌握这一范式，意味着从“代码执行者”升级为AI协作架构师。

这不仅是工具的迭代，更是软件工程思维的升级。

— 完 —

Read More