騰訊AI編程利器研發細節首次揭秘！9成代碼由AI生成，自家1.2萬工程師都在用

智東西
作者 陳駿達
編輯 云鵬

智東西1月29日報道，今天，騰訊旗下AI編程工具CodeBuddy核心團隊向智東西等媒體，分享了其AI編程CLI工具CodeBuddy Code發布2.0版本背后的開發實踐與技術思考。

騰訊云開發者AI產品負責人、CodeBuddy首席產品經理、騰訊云產品專家汪晟杰稱，CodeBuddy Code項目自去年下半年啟動，最初以終端形態切入，但在0.x、1.0再到2.0的持續迭代中逐漸被重新定義為“AI原生運行時基建”。

汪晟杰稱，騰訊一貫堅持“吃狗糧文化”，CodeBuddy Code也不例外，必須先在內部被充分使用和驗證。目前，這一工具已經覆蓋騰訊內部1.2萬名工程師，生成海量代碼，變成“大家幾乎離不開的工具”。

具體到CodeBuddy Code本身，此次升級中，90%的代碼由CodeBuddy自己生成，AI團隊7×24小時協同開發。

騰訊CodeBuddy是首個支持插件、IDE、CLI三形態的AI編程工具。CLI形態的CodeBuddy Code主要面向專業工程師，定位類似Claude Code。

升級后的CodeBuddy Code支持了計劃模式，兼容ACP協議，SDK集成等新功能，還提供基于隔離沙箱的安全代碼執行環境，確保項目開發過程的安全性和可靠性。

此外，CodeBuddy還上線了國內企業版，支持騰訊統一身份認證、研效度量、安全審計、組織知識資產托管及分發等20多種能力。

一、從終端到AI原生基礎設施：CodeBuddy Code的演進之路

CodeBuddy試圖構建的是一種面向未來的AI原生運行時基建。汪晟杰稱：“終端只是形態，更重要的是背后的運行時infra和軟件技能。”

圍繞這一方向，CodeBuddy Code的能力逐步從單一產品擴展為平臺級基礎設施。一方面，產品能力通過團隊打造的Agent SDK，得以接入各類業務系統。

另一方面，團隊在安全層面通過云端E2B協議隔離，并結合iOS、Windows等系統的原生安全機制，試圖解決AI基建在不同環境中安全運行的關鍵問題。

在應用層與生態層，CodeBuddy Code看到了Skills的快速發展，并成為國內首款引入Skills的AI編程工具。

Skills與騰訊內部現有技術的結合，讓AI的生成質量遠超普通對話，這一模式已在內部辦公、數據分析、Office工具等場景中廣泛使用，成為“大家幾乎離不開的工具”。

Codebuddy技術團隊專家易瀟介紹道，Codebuddy選擇將其打造的SDK命名為Agent SDK，是因為Codebuddy已經不只是一個coding agent，而是一個可以覆蓋半開發甚至非開發場景的通用Agent。通過去掉“code”的限定，團隊希望釋放其在更廣泛業務領域中的潛力。

在多Agent協作層面，Codebuddy構建了內部稱Sub Agent（子Agent）的系統能力，本質上是一個高性能的多Agent架構。通過并行執行、上下文隔離以及技能與MCP的協同調用，多個子Agent可以同時處理獨立任務，最終將結果匯總至主Agent層。易瀟稱，這項技術“在效果和速度之間達到了一個比較完美的平衡”，且該能力目前已默認開啟。

此外，在執行機制上，Codebuddy Code引入了更強調“計劃先行”的模式。當激活計劃模式后，Agent不再“馬上開干”，而是先進行多輪思考和任務拆解，通過計劃來充分打磨用戶需求，并接入類似Spec Kit、Open Spec等規約化編程方式，使計劃本身更加結構化、可執行。最終執行階段，再由多個Agent并行完成任務，實現快速交付。

二、覆蓋1.2萬工程師，CodeBuddy在騰訊內部如何提效？

在采訪中，智東西向易瀟詢問了Codebuddy Code在接入大型企業代碼庫并進行代碼理解和維護背后的關鍵技術。

易瀟認為，在企業場景中運用AI Coding涉及一個關鍵問題：如何讓AI真正理解一個完整、復雜的項目倉庫？在傳統分工體系下，一個產品往往由前端、服務端、大數據等多個職能團隊分別維護，很難獲得全局視角。

進入AI Native時代，許多團隊開始重新思考組織與代碼結構，更傾向于采用Monorepo（單一大倉）的形態。這種模式在谷歌等公司已被長期驗證，而在AI時代，其價值進一步放大，當所有代碼與配置集中在一個倉庫中，Agent在編寫或修改代碼時，能夠天然擁有完整上下文，理解從界面交互到后端調用的全鏈路關系。

這種變化并不只是代碼管理方式的調整，更是為了適配Agent的工作方式。相比過去“一個需求拆給多個團隊”，在Monorepo架構下，AI可以像人一樣在倉庫中自由探索，理解模塊依賴與業務邏輯，從而完成跨前后端、跨系統的整體改動。

易瀟稱，編程之所以成為AI應用最先爆發的領域，本質在于它是一種“源能力”。只要Agent具備讀寫文件、執行多步任務和調用工具的能力，就可以在大型代碼倉庫中持續運行、逐步理解復雜系統，而不是一次性“喂”給模型全部上下文。正是基于這種能力，團隊才能使用Codebuddy對自身的復雜項目進行系統性重構。

目前，CodeBuddy Code已經覆蓋騰訊公司的1.2萬名工程師，并從內部使用中不斷獲取產品優化的反饋。

汪晟杰稱騰訊一貫堅持“吃狗糧文化”，產品必須先在內部被充分使用和驗證。團隊不僅用CodeBuddy Code開發自身產品，還通過數據、滿意度、反饋等多種方式持續收集體驗，并不斷打磨優化，再反哺給內部和外部用戶。

同時，AI編程的受益者并不限于技術人員。非研發場景里，研究人員、內容與調研團隊可以通過一句話需求，驅動AI自動完成資料收集、代碼生成、數據整理，并最終輸出結構化報告甚至完整PPT。整個過程只需2～3輪交互，即可生成可直接使用的PPT文件。

這類實踐已在騰訊研究院等團隊中被“玩得很深”，甚至進一步疊加了記憶系統，形成日常自動化的深度研究流程。

當被問及相比自然語言編程，CodeBuddy Code的多輪對話是否會增加編程時間時，汪晟杰稱編程時間肯定是大幅縮短的。

目前，主要的時間花在了編程之前的需求和架構討論上。即使是傳統開發，這部分也是最花時間的，使用AI后，現在只是把這部分時間用來和AI達成“契約”。一旦確認，AI的生成速度是飛快的。

而且，過去在開發中達成一致很難，是因為人的知識面不同。現在大家手里都有AI，兩個AI的知識庫是相同的，達成一致非常快。

作為國內首個擁抱Skills的AI編程工具，CodeBuddy有自己的思考。汪晟杰認為，Skills就像激光槍，而自然語言像散彈槍。散彈槍雖然覆蓋面大但沒準頭，激光槍能聚焦能量解決確定性問題。

目前，Skills已經騰訊內部場景廣泛使用，比如代碼審查、Bug修復、深度調研報告等等，還有員工用來訂會議室、訂票。可以說，Skills讓大模型在處理復雜問題時擁有了“穩定的情緒”，可得出相對一致的結果。

當被問及Vibe Coding是否會導致開發者過度依賴AI時，CodeBuddy技術負責人稱，AI降低了編程的門檻，目前他們團隊新招的同學第一天就能修Bug，并且以前修Bug要幾個小時，現在把截圖丟給AI，幾分鐘就修好了，甚至一行代碼都不用手寫。

至于依賴問題，他認為這就像有了高級語言后，大家不再寫匯編語言一樣。雖然我們對底層的掌控力弱了，但解決問題的效率極大提升了，他們更關心能否端到端交付功能。

結語：編程成為AI落地完美載體

國內外多家大廠已悉數入局AI編程賽道，行業競爭進入白熱化階段。汪晟杰認為，這場“編程大戰”背后的邏輯十分清晰：編程很可能誕生出優秀的AI產品落地形態。

首先，大模型最擅長的本質上是生成文字，而代碼正是一種邏輯高度嚴密的文字，天生與模型契合；其次，代碼不僅僅是字符，它是具備行動力的指令，可以直接操控文件、軟件乃至各類數字工具，讓AI具備了干預現實世界的能力。

更為關鍵的是，代碼執行結果的好壞能立即反饋給模型進行后訓練，從而形成強大的“數據飛輪”，讓AI在實踐中不斷自我進化。