AI编程的玩法变了。过去两年大家比的是补全速度、聊天框里写函数;现在模型开始接手整项任务,工具的假设就站不住了。微软CEO纳德拉说得很直白:为“人坐在IDE里写代码”设计的工具,碰上能自己干完整件事的Agent,原来的优势可能不管用了。IDE不会退场,但得重新定义自己。
训练这一侧已经在补这个缺口。RepoFactory把真实软件仓库改造成可验证环境,让智能体按自然语言规格搭出完整项目,还拿有效性、结构耦合、实现范围这些代理信号推动环境演化。它在17个软件领域生成了10159个环境,拿来训练Qwen3.5-35B-A3B,得到RepoHorizen-35B-A3B,在NL2Repo-Bench上提升22.6个百分点,五项基准平均涨8.5。去掉演化循环,这两个数字掉到17.5和6.4——环境质量本身就值这几个点。
更难的问题在代码写完之后:谁来证明它真的把任务做完了?纳德拉把这称作更棘手的变化。可验证环境的价值就在这里——没有验收标准,Agent跑得越快,返工越贵。
产品这一侧也在转身。瑞典公司Lovable靠氛围编程带起一波热潮,上线两年后开始换方向,从“帮你做出一个应用”变成“帮你用它经营生意”。玩具期的新鲜劲过去了,用户要的是能跑起来的业务,漂亮demo不够用。
三件事指向同一个结论:AI编程的竞争重心正从生成能力转向环境、验证和落地。谁的验收环节更扎实,谁才敢让Agent真的去干活。