國產(chǎn)首個(gè)自進(jìn)化 Agent 落地，ToCodex 推動(dòng) AI 編程從跟隨走向超越

近日，國產(chǎn)AI編程工具ToCodex發(fā)布v3.3.6版本，推出自學(xué)習(xí)自進(jìn)化Agent功能，產(chǎn)品方將其定位為“全球首個(gè)通用型自學(xué)習(xí)自進(jìn)化Agent”，該能力可在用戶授權(quán)和規(guī)則約束下，持續(xù)沉淀開發(fā)相關(guān)信息，并自動(dòng)生成可復(fù)用的Skills和工作流，除自學(xué)習(xí)自進(jìn)化能力外，ToCodex還支持用戶自由接入多廠商模型API實(shí)現(xiàn)多模型聚合，按任務(wù)調(diào)用不同能力，同時(shí)具備多Agent并行調(diào)度、移動(dòng)端協(xié)同能力，可覆蓋更多開發(fā)工作場景。該功能是將開發(fā)者與Agent協(xié)作中形成的規(guī)則、經(jīng)驗(yàn)和流程，轉(zhuǎn)化為可管理、可復(fù)用的數(shù)字資產(chǎn)，這一探索為國產(chǎn)AI開發(fā)者工具從功能跟隨邁向場景創(chuàng)新提供了樣本。

AI編程進(jìn)入新階段，從生成代碼轉(zhuǎn)向沉淀生產(chǎn)力，近兩年生成式AI進(jìn)入軟件研發(fā)環(huán)節(jié)，多項(xiàng)基礎(chǔ)能力已經(jīng)成為常用工具，但實(shí)際開發(fā)是更復(fù)雜的全鏈路工程，AI每次都需要重新獲取項(xiàng)目相關(guān)信息，“每次從零開始”的協(xié)作成本阻礙了AI工具融入研發(fā)流程。業(yè)內(nèi)認(rèn)為，AI編程工具的競爭已經(jīng)從單點(diǎn)生成能力，轉(zhuǎn)向?qū)θ鞒谈饕氐睦斫饽芰Γ茏孉I穩(wěn)定融入真實(shí)工程流程，就能將一次性效率提升轉(zhuǎn)化為長期生產(chǎn)力。

ToCodex的自學(xué)習(xí)自進(jìn)化Agent圍繞記憶資產(chǎn)、經(jīng)驗(yàn)資產(chǎn)和工作流三類可復(fù)用資產(chǎn)展開，記憶資產(chǎn)對(duì)應(yīng)用戶或團(tuán)隊(duì)穩(wěn)定偏好與規(guī)則，經(jīng)驗(yàn)資產(chǎn)是任務(wù)中驗(yàn)證有效的經(jīng)驗(yàn)方法，工作流資產(chǎn)是將高頻穩(wěn)定操作整理為可復(fù)用的方案。該能力可沉淀過往任務(wù)經(jīng)驗(yàn)，遇到同類任務(wù)時(shí)可直接復(fù)用，無需重新開始，也能降低團(tuán)隊(duì)交接成本，還可將重復(fù)性任務(wù)整理為批處理或?qū)Ｓ肧kill。

ToCodex這次推出的能力和傳統(tǒng)自動(dòng)化腳本不同，核心是從協(xié)作過程提煉經(jīng)驗(yàn)再服務(wù)后續(xù)任務(wù)，可沉淀排障經(jīng)驗(yàn)減少后續(xù)同類問題的無效嘗試，在跨工具任務(wù)中也是同樣思路。ToCodex通過持續(xù)學(xué)習(xí)開發(fā)各環(huán)節(jié)的順序、節(jié)點(diǎn)與異常處理方式，優(yōu)化全流程協(xié)作，體現(xiàn)出AI Agent從單次被動(dòng)響應(yīng)工具，向邊界內(nèi)參與長期協(xié)作的工程助手轉(zhuǎn)變。在國產(chǎn)化場景中，國產(chǎn)大模型生態(tài)不斷完善，國產(chǎn)AI編程工具的價(jià)值不止于功能替代，還匹配本地化、數(shù)據(jù)安全等多樣需求。ToCodex布局了多模型聚合、多API接入、多工具擴(kuò)展等功能，支持多Agent拆分協(xié)同處理任務(wù)，提供多場景Agent模式，還支持移動(dòng)端協(xié)同，并且具備自學(xué)習(xí)自進(jìn)化能力沉淀經(jīng)驗(yàn)，這說明國產(chǎn)工具無需局限于復(fù)制現(xiàn)有產(chǎn)品，圍繞本土需求打造差異化才是突破路徑。對(duì)于自學(xué)習(xí)能力，ToCodex為用戶提供開關(guān)選擇權(quán)，用戶可根據(jù)項(xiàng)目需求選擇是否開啟，AI自學(xué)習(xí)需要建立在用戶授權(quán)和明確規(guī)則之上，服務(wù)于協(xié)作效率提升。目前AI編程正從輔助工具向工程協(xié)作系統(tǒng)演進(jìn)，ToCodex探索每次任務(wù)為后續(xù)留下可驗(yàn)證可復(fù)用經(jīng)驗(yàn)，這類能力仍需實(shí)際場景驗(yàn)證，但可以確定國產(chǎn)AI編程工具競爭已進(jìn)入深層工程化階段，未來差距將體現(xiàn)在項(xiàng)目理解、規(guī)則遵循、經(jīng)驗(yàn)復(fù)用和復(fù)雜工作的穩(wěn)定性上，ToCodex對(duì)自學(xué)習(xí)自進(jìn)化Agent的探索，為國產(chǎn)AI編程提供了方向。程從跟隨到場景創(chuàng)新有了新注腳，產(chǎn)品方強(qiáng)調(diào)的“讓AI成為超級(jí)生產(chǎn)力”，最終仍需通過長期項(xiàng)目的任務(wù)完成質(zhì)量、協(xié)同效率、成本控制與安全可控性來檢驗(yàn)。