为什么你的 AI 编程总在擦屁股，因为你的工具只会写代码不会交付

来源：htmlDecode("林月半子的AI笔记")

原文链接：https://mp.weixin.qq.com/s/5wNJS8bkCR3S_Uh-78m5eg

---

关注   「 ** 林月半子的AI笔记 ** 」 ， 设为 「 ** 星标 ** 」 我是林月半子， 教你用AI干掉90%的重复劳动 ** ！ **

前两天刷到谷歌研究员姚顺宇的一个观点：他现在 90% 的代码都是 AI 生成的，剩下 10% 也快了。

我特意去问了一圈以前的老同事，发现还真是——基本人手一个 AI 编程工具，还在坚守"古法手写"的老顽固，要么已经被卷走了，要么正在被卷。

但工具有了不代表体验就好。模型能力是一方面，很多时候体验拉胯不是模型的问题， 是工具本身的工程化能力跟不上。 代码生成了一堆，来回调试、反复返工，你花在"擦屁股"上的时间比自己写还多。

我一直觉得： AI 编程工具不好用，是在浪费生命。

最近有个变化挺有意思。身边好几个同事悄悄换了个工具叫 Qoder，而且不约而同跟我说了同一句话——"这玩意儿不太一样。"

我一试，确实不太一样。

不太一样在哪？

现在市面上的 AI 编程工具，体验基本都是这样的：你在编辑器里写代码，旁边挂一个 AI 聊天窗，你说一句它干一句，干完你来检查。

这个模式用了半年多，我总结出三个让我越来越烦的问题。

先看个全貌：Quest 视图

打开 Qoder，右上角一键切换，会看到一个全新的界面——Quest。

第一次打开的时候我愣了一下。这不是传统 IDE 里贴一个聊天窗的感觉了，更像是一个项目管理控制台。

三栏布局：
左边是任务列表，不同 Workspace 的任务都在这，随时切换
中间是对话区，但不是那种无穷无尽的聊天流——它把过程折叠了，只突出结果
右边是产物区，代码变更、设计文档、自测报告，全在这

你可以同时开好几个 Quest 任务，每个任务有自己的状态：运行中、等待确认、已完成。就像一个待办看板，扫一眼就知道哪个任务需要你介入，哪个还在自己跑着。

这个体验跟以前完全不一样。以前是"盯着 AI 写代码"，现在更像是"派任务、看结果、做决策"。Qoder 管这个叫"Quest On, Hands off"——放手交付。

光说没用，直接拿自己的项目跑一个给你看。

实战：一句话让 Quest 给我造一个测试框架

我平时做了很多 Skill，全放在一个叫 lin-custom-skills 的仓库里，目前 11 个 skill。这些 skill 基本都是让 AI 生成的，但一直没有自动化测试——每次改完只能手动查 SKILL.md 格式对不对、模板渲染有没有问题、脚本能不能跑通。skill 越来越多，手动测试已经扛不住了。

所以我在 Quest 里丢了一句话： 💬
帮我给这个 skill 项目设计一个自动化测试框架，能批量验证每个 skill 的 SKILL.md 格式是否合规、prompt_template 是否能正常渲染、scripts 是否能跑通。输出一份测试报告

然后 Quest 就开始干活了。

第一步，它先出了一份 Spec。

右边产物区直接生成了一份 skill-test-framework.md，整个测试框架的设计写得很清楚：要验证什么、怎么验证、目录结构怎么组织、输出什么格式的报告。不是上来就写代码，是先把方案理清楚。

第二步，按 Spec 一步步往下走。

右边的进展面板能看到每一步的状态：创建目录结构 ✅、创建验证模块（skill_md、prompt_template、script_check、cross_reference）✅、创建测试用例 ✅、创建报告生成模块 ✅、创建入口脚本 ✅、运行测试验证可用性 ✅——全部绿勾。

第三步，看交付物。

中栏的会话流里能看到最终结果：一个完整的 tests/ 目录结构，4 个验证器模块，配套的测试用例，JSON + HTML 双格式报告生成，一键入口脚本 run_tests.py。底部显示总共变更了 19 个文件，+1381 行代码。

最后，跑一下测试。

python run_tests.py --html ，直接出了一份可视化的测试报告：11 个 skill 全部自动发现，199 条测试用例，196 条通过，0 失败，3 条跳过（warning 级别）。

从"帮我做个测试框架"到拿到完整的、能跑的、带可视化报告的东西——全程就一句话。

这就是 Quest 跟传统 AI 编程的区别：不用盯着它一步一步写，描述目标，验收结果。

专家团模式

Quest 视图让我眼前一亮，但真正让我觉得"这玩意儿确实不一样"的，是它的专家团模式。

以前不管哪个 AI 编程工具，本质上都是一个 Agent 在干活。你跟它聊，它写，你看，你改，它再写。任务一复杂，单 Agent 就开始力不从心了。

Qoder 1.0 的做法不一样：不是派一个 Agent 给你，是派一个团队。

💡
一个人从需求分析、写代码、做 Code Review 到跑测试全包，跟一个团队分工来做，效率和质量差得很远。真实的研发团队里，我们不会让一个人干所有事。AI 编程也一样。

Qoder 内置了一套研发专家团，具体怎么运作：

整个过程下来，拿到的不是"AI 说它写好了"，而是一份经过拆分、编码、审查、验证的交付物。
从"它说它做了什么"变成"我可以检查它到底交付了什么"。

实战：用专家团复现一篇火爆论文的 Skill

再来一个真实的例子。

这两天有篇论文在 AI 圈很火——《HeavySkill: Heavy Thinking as the Inner Skill in Agentic Harness》。核心思路很简单：让多个 AI 先并行"独立思考"，各自生成一条完整的推理轨迹，互不干扰；然后再用一轮"主持人审议"把所有思路综合起来，得出最终答案。

论文实测数据很猛：经过这个流程处理后，回答质量甚至超过了理论上的 Pass@K 上限——也就是说，讨论过程中 AI 把不同轨迹里各自正确的片段拼到了一起，推出了任何单条轨迹都没拿到的正确答案。

已经有大佬（向阳乔木）基于这篇论文做了一个 Skill 实现。我就想拿这个需求来试试 Qoder 的专家团——让它帮我在自己的 skill 仓库里，从零开始造一个 HeavySkill。

我在 Quest 里给专家团下了这个任务： 💡
帮我创建一个新的 Skill，叫 heavyskill-reasoning。功能是实现 HeavySkill 论文的两阶段推理框架：

阶段一（并行推理） ：对用户的问题同时启动 K 条独立推理轨迹（默认 K=3），每条轨迹在隔离环境中独立思考，互不参照。
阶段二（顺序审议） ：将所有轨迹的推理结论和关键步骤汇总，打乱顺序防止位置偏见，交给一个"审议主持人"做综合判断——分类查询类型、逐条评估推理质量、识别逻辑缺陷、跨轨迹综合，输出最终结论。

技术要求：
参考我现有 skill 的目录结构（SKILL.md + scripts/ + references/）
SKILL.md 包含完整的 prompt template，定义并行推理和审议两个阶段的指令
scripts/ 里写一个入口脚本，接受用户问题，调用 Claude API 跑 K 条并行推理，然后汇总审议
输出 Markdown + HTML 格式的推理报告，包含每条轨迹的摘要和最终综合结论
记忆缓存要做剪枝：保留推理结论和关键步骤，丢弃内部自我质疑和重复尝试的内容

这个案例有意思的地方在于——论文讲的是"让多个 AI 并行思考再综合"，而 Qoder 的专家团本身就是"多个 Agent 并行干活再协同交付"。用一个并行协作的工具去实现一个并行推理的框架，刚好是同构的。

说说不足

客观讲几点。

学习曲线有一点。  Quest 跟传统 IDE 的交互逻辑很不一样，刚上手需要适应"派任务"而不是"盯着写"的工作方式。适应之后确实回不去了。

专家团模式吃 Credits。  多 Agent 并行干活，Token 消耗肯定比单 Agent 多。任务比较简单的话，在 Editor 模式里一问一答就够了，没必要上专家团。要自己判断什么时候该用。

谁适合用？

已经在用其他 AI 编程工具，但觉得"就这？"的人。  觉得单 Agent 不够用、代码质量不过关、每次都要重新交代项目背景——试试 Qoder 的专家团 + Quest 视图，差距是能感受到的。

做中大型项目的人，经常要多文件联动、前后端协调。  多 Agent 并行分工加上全链路质检，就是冲着这种场景来的。

之前因为网络、支付的问题用不上海外工具的人。  Qoder 是国产工具，原生中文，支付宝直接付，国内网络直连。不用魔法，不用绑海外信用卡。

不过对很多同学来说，社区版就够了——完全免费，接自己的 API Key（百炼、Kimi、智谱这些 coding plan 都行）就能用上 Quest 视图。零成本上手。

最后

Qoder 1.0 让我觉得有意思的地方是，它不是在比"谁生成代码更快"，它想做的事情更难一些—— 让 AI 像一个靠谱的研发团队一样交付。

如果觉得不错，随手点个「赞」和「在看」，转发给需要的朋友吧～ 第一时间收到推送，记得给我个星标⭐