铃阅时讯
❌

普通视图

去哪儿网 C 端研发 AI Coding 探索及落地

2026年2月10日 18:02

原创 赵苗&杨翀&赵翔 2026-02-10 18:02 北京

e7aea0b2-cb9f-4322-b3ce-66271860cbe5.png

文章概览

  • 背景

  • C端落地中遇到的难题

  • 解决方法

  • 总结

保障数据情况

作者介绍:

赵苗,2019年7月加入去哪儿旅行,目前在大前端中心国内机票团队,主要负责机票后服务相关业务以及代码生成平台基建和日常维护工作。

杨翀,2023年加入去哪儿旅行,大前端中心FTC成员,目前在大前端国内机票团队,主要负责机票前端业务开发以及代码生成平台基建和日常维护工作。

赵翔,2021年7月加入去哪儿旅行,大前端中心FTC成员,目前主要负责机票相关业务以及Serverless平台、朱雀代码生成平台的基建与日常维护。

一、背景

在前端开发领域,根据业务受众和交互逻辑的不同,通常划分为 B 端 与 C 端 两大领域。虽然两者都在追求研发效能的提升,但在 AI Coding 浪潮下,由于业务特性的鸿沟,其落地方案正走向截然不同的路径:

  • B 端开发:普遍依托成熟的 UI 组件库,UI 还原度较易得到保障,业务逻辑相对标准化,AI 仅需结合 “原型图 + 高级指令”,便能生成具备基础功能性的代码,研发流程相对顺畅;

  • C 端开发:一方面,UI 层面要求 100% 像素级还原,组件需由各业务线高度定制化开发,且要满足复杂布局设计与极端性能指标;另一方面,C 端直接面向海量用户,业务逻辑高度复杂,需应对多样化场景与频繁迭代,这些特性让 C 端成为 AI Coding 领域中极具攻克价值的 “深水区”。

我们的 C 端 AI 研发探索始于 UI 代码生成(D2C),先后开展两轮技术尝试,但均未实现理想效果:

  1. 过往纯 AI 模型尝试,“图片+提示词”直接给AI进行代码生成,生成的 UI 代码还原度差,无法满足像素级还原要求,与设计稿偏差明显,难以直接投入使用;

  2. 后续 “稿件解析 + 规则算法” 尝试,转而通过成熟的规则算法搭建基础体系,优先保障 UI 还原度。

两轮尝试后,C 端 AI 研发仍面临多重核心瓶颈:

  • 代码可用性不足:规则算法生成的代码多为冗余 “div 海”,缺乏语义化标签,不符合组件化要求,需大量手动重构才能复用;

  • 逻辑代码生成能力缺失:仅能覆盖 UI 代码生成,无法延伸至逻辑代码(交互、状态、路由等)生成,难以形成 “设计稿 + 需求文档” 到完整代码的闭环;

  • 协同体验割裂:代码生成平台与 IDE 分离,开发人员需频繁切换,打断研发流程连贯性。

恰逢 LLM(大语言模型)技术持续成熟,我们针对性构建了一套覆盖 D2C 智能生成(聚焦 UI 代码生成还原度与可用性双重提升)、P2C 需求解析(聚焦逻辑代码生成效率与可执行性)、IDE 插件统一体验(聚焦全流程协同效率优化)的智能研发新模式,全面破解 C 端 AI 研发在 UI 生成、逻辑代码生成、协同流程三大环节的痛点,推动 C 端 AI 研发从 “单一功能实现” 向 “全链路高效协同 + 优质输出” 的升级。

二、C端落地中遇到的问题

1. D2C(设计到代码)核心问题:「像素级还原」与「代码语义化」的双重诉求难以兼顾

C 端对 D2C 的核心诉求是 “既要 100% 像素级还原设计细节,又要代码语义化、组件化可直接复用,可迭代性高”,但现有方案的短板恰好与这两个诉求形成对冲,导致难点突出:

  • 像素级还原:要求精准复刻设计稿的尺寸、间距、颜色、层级等所有视觉细节,需极强的样式复刻稳定性,这只有规则算法能部分满足,但规则算法生成的代码无语义、无组件化结构,完全违背 “可直接复用” 诉求;

  • 代码语义化:要求代码具备语义化标签、合理组件拆分、适配项目技术栈与规范,这是纯 AI 模型的优势方向,但纯 AI 模型缺乏精准的样式把控能力,无法达到 C 端要求的像素级还原标准;

D2C 的核心难点并非单一技术问题,而是 “视觉精准性” 与 “代码语义化” 的天然对冲:规则算法的优势是还原精准,却无复用价值;纯 AI 模型的优势是复用适配,却无还原精度。单一方案无法同时破解两个核心诉求,如何让 “像素级还原” 不牺牲代码规范,让 “高效复用” 不大幅降低还原标准,成为 D2C 落地的核心症结。

2. P2C (需求文档生成逻辑代码)的核心问题

在 D2C 已解决页面结构与 UI 还原后,我们继续推进将 PRD(需求文档)自动生成逻辑代码。在模型具备基础代码生成能力的前提下,这一阶段更大的挑战在于,如何持续地为其提供完整、稳定、可执行的需求输入。在真实业务环境中,PRD 往往分散在不同文档空间,由不同角色维护,存在访问范围受限、表达方式不统一等问题。当需求信息无法被完整获取与对齐时,逻辑生成天然会变得不稳定。

因此,需求文档生产逻辑代码遇到的核心问题,并不只是模型能不能生成代码,而是在现实组织约束下,如何把分散、不稳定的需求信息,整理成模型可以稳定执行的输入。

P2C 的关键难点

沿着需求 → 逻辑代码流程,主要存在三类核心阻塞:

  • PRD 既缺乏结构化表示,又受限于飞书文档权限体系

    在实际环境中,PRD 内容分散在不同权限域的飞书文档中,且以自然语言与表格混合表达,模型在无法稳定获取和解析完整文档时,生成的逻辑代码容易出现条件、状态或依赖关系缺失。

  • PRD 体量和复杂度上升后,单次生成难以稳定覆盖全部逻辑

    当页面数量、交互流程和业务规则增多时,模型容易出现理解偏差、上下文丢失或生成深度不一致的问题。

  • 缺乏真实内部上下文,导致生成的 API 与 SDK 调用不可直接使用

    在没有内部文档约束的情况下,模型往往依赖语义猜测生成接口和参数,代码表面合理但实际无法运行

3. 平台使用和代码编写流程割裂

  • 原代码生成平台处于网页端,开发人员使用时会在平台与 IDE 之间进行切换,造成工作流程割裂。

三、解决方案

1. D2C :规则算法与AI融合架构

基于 “规则算法强在精准、AI 模型强在意图” 的互补特性,我们摒弃了 “非此即彼” 的单一方案,探索出 “规则 + AI” 的融合架构:让规则算法发挥数据处理的精准优势,为 AI 提供标准化、高质量的输入;让 AI 模型承接意图理解的核心任务,生成语义化、组件化的优质代码,通过两者协同实现 “形神兼备” 的 D2C 落地效果。

1.1 高还原度保障:数据规则解析处理

Figma 原始 API 返回的 JSON 数据包含大量冗余字段(如混合模式、渲染边界等),结构复杂、嵌套层级深,直接输入 AI 会影响处理效率和生成质量。规则系统的核心任务就是对这些数据进行 “瘦身” 与 “优化”。

数据简化与清洗

  • 冗余字段剔除:删除 Web 开发中极少使用的 blendMode、与核心信息重复的 absoluteRenderBounds 等约 60 个冗余字段,字段数量减少 75%;

  • 核心信息提炼:聚焦样式、结构、上下文等关键数据,将嵌套层级从最深 6 层精简至 3 层,大幅提升数据可读性。

关键信息转换与布局优化

将 Figma 专属数据格式转换为 AI 易理解、代码可直接使用的标准格式:

  • 颜色值:从 {r: 0.22, g: 0.48, b: 1, a: 1} 转换为十六进制 #3878FF;

  • 样式属性:将rectangleCornerRadii: [8,8,8,8] 转化为 CSS 属性 border-radius: 8px,阴影效果转化为标准 box-shadow 语法;

  • 布局信息:统一整合 padding、margin 等布局属性,形成结构化的 layout 字段。

通过规则算法的精准数据处理,实现了 “原始数据 → 精简数据 → 标准化数据” 的转化:既保留了设计稿尺寸、间距、颜色、层级等所有核心视觉细节,又解决了原始数据格式不兼容、信息杂乱的问题,为后续 AI 生成代码提供了 “精准、干净、易解析” 的数据基础,直接保障了 UI 代码的像素级还原能力,同时提升了 AI 处理效率与生成代码的稳定性。

1.2 代码语义化保障:结合AI 模型进行代码生成

基于预处理后的高质量数据,我们通过以下五个环节,确保 AI 生成的代码 “好用、能用、符合规范”。

环节一:模板化提示词系统,标准化生成逻辑

  • 预处理数据AI优化:基于我们第一步预处理后的数据使用AI进行进一步布局优化,结构调整,输出效果更好的FigmaJson,我们在进行规则算法计算的时候,有的因为设计稿设计的偏差、元素嵌套的问题,flex属性计算偏差的问题较多,比如一个模块设计,稍微左右间距不一致或者多套了一层壳子,就会flex属性处理为flex-start + padding,ai结合图片来优化就明显知道直接用flex:center 去掉padding就可以,还有定位元素的识别,也存在计算误差,包括说层级结构的多余不合理的地方,现在经过结合图片以及数据前置优化,这一类的问题就大大减少了。

  • 分技术栈适配:覆盖 React、React Native、Taro、Shark 等框架,每个技术栈配置专属模板;

  • 强约束规范:明确 95% 以上像素级还原要求,强制使用<button>``<nav>等语义化标签,禁止 “div 海”;

  • 结构化设计:用 XML 标签定义角色、目标、工作流程,注入技术栈专属规则(如 React 用className、RN用StyleSheet.create());

  • 质量保障:包含布局规范、单位转换(100px=1rem)、响应式适配、代码检查等强制要求。

环节二:全链路资源处理:实现代码直接复用

针对图片、Icon 等资源,构建从识别到引用的完整处理流程:

  • 图片处理:自动识别设计稿图片→精准裁剪优化→CDN 上传→生成稳定访问链接;

  • Icon 处理:识别 Unicode 图标字符→生成专属字体文件→缓存去重→代码中自动注入@font-face规则;

  • 资源引用替换:生成代码时直接替换为 CDN 链接,无需开发手动处理。

环节三:组件与 DesignToken 深度适配:让代码贴合设计系统规范

  • 组件适配器:开发 Button、Checkbox、CustomAlert 等组件专属适配器,精准解析 Figma 组件的属性、状态(如禁用 / 悬停),映射为语义化组件代码;

  • Design Token 设计变量智能转化CSS属性:从 Figma 中同步颜色、字体、间距、圆角等设计变量,支持 DesignToken 版本管理与本地缓存。将这些设计变量自动转换为 CSS 变量,与基础样式智能合并(如边框宽度 + 颜色合并为 border 属性),确保生成的代码完全遵循品牌设计规范,避免样式偏差。

环节四:工程化上下文注入:贴合项目实际需求

为避免生成的代码与项目规范脱节,我们支持注入工程化上下文信息:

  • 项目技术栈配置:适配目标项目的框架版本、编码规范;

  • 代码模板信息:同步 Git 仓库中的项目代码结构与命名约定;

  • 组件库信息:识别项目依赖的组件库,确保生成的代码可直接对接现有组件资源。

通过这一机制,AI 生成的代码能够完全融入项目现有架构,无需额外调整即可落地使用。

环节五:AI 生成与后处理:提升代码质量与稳定性

  • 模型选型:采用 Gemini Pro 2.5 模型,调用接口生成代码;

  • 结果解析:提取 JSON 格式响应中的实际代码文件(realCodeFiles)与预览文件(previewCodeFiles);

  • 后处理优化:代码格式化、资源引用修正、Redis 缓存存储,同时提供 AI 生成失败的降级策略。

1.3 D2C 效果展示

生成效果展示

设计稿&生成效果

生成代码展示

代码按业务模块 + 复用性完成了组件拆分,符合前端组件化开发的最佳实践:

  • 按功能边界拆分:将 “头部”“航班信息”“票价选项” 拆分为独立组件(HeaderComponent/FlightInfoCard/FareOptionCard),既匹配设计稿的模块划分,也满足后续复用需求(比如FareOptionCard可复用于其他航班页);

  • 数据与 UI 解耦:通过fareOptionsData将票价数据与FareOptionCard组件分离,符合 “数据驱动视图” 的前端开发逻辑,后续修改票价规则只需调整数据,无需重构组件。

  • 语义化结构清晰:用FlightInfoCard等语义化组件名替代冗余标签,开发能直接理解模块功能;

  • 适配工程化流程:代码基于 React Native 规范编写,整合了FlatList(列表渲染)、StyleSheet(样式管理)等框架原生能力,与实际研发流程无缝衔接,省去了 “规则生成→手动适配框架” 的中间环节。

总的来说,这段代码生成的核心价值是从 “规则翻译设计样式” 升级为 “理解设计意图并输出工程化代码”,既还原了设计稿的视觉表现,又契合前端开发的语义化、组件化需求,真正实现了 “形似 + 神似” 的落地效果。

Cursor体验对比

总结

通过 “规则 + AI” 的融合架构,我们的代码生成能力实现了根本性提升:

  • 代码可用性飞跃: AI 模型能够综合分析节点的样式、层级、命名和周边上下文,更精准地推断出元素的语义角色,直接输出符合最佳实践的高质量、语义化的代码(如使用 <button> 而非 <div>),从冗余的 “div 海” 升级为语义化、结构清晰的组件化代码,可维护性大幅提升。

  • 开发效率提升:生成的代码结构合理,减少 80% 以上的手动重构工作,同时覆盖多技术栈需求;

  • 精确性与智能性的平衡: 规则系统确保数据提取的准确性,AI 模型提供意图理解和代码优化能力,两者协同实现了 “高还原度”与“优质代码” 的双重保障。

2. P2C:语义解析与知识增强的逻辑

在明确了阻塞 P2C 的核心矛盾后,我们并未尝试用单一策略一步解决所有问题,而是沿着难点拆解出的链路,从 输入 → 处理 → 生成 → 可执行 四个环节逐层补齐能力,使逻辑代码生成从能写真正走向能落地。

2.1 解决方案

2.1.1 前置文档解析:让 PRD 变成可被理解的输入

文档授权:由于飞书的文档有很多权限,不同的团队知识库有不同的权限,因此我们设计了一套飞书的权限授权系统。核心分为两个阶段:

  1. 阶段一:定时任务与通知 系统每周通过定时任务从PMO系统拉取数据,解析出文档链接和产品ID后,通过飞书机器人向相关产品发送按钮式交互提醒,等待授权确认。

  2. 阶段二:授权回调与数据处理 当产品点击同意授权后,触发回调函数启动流程,我们的飞书机器人将带着用户的权限去读取文档内容,提取并解析关键信息(背景、工时、详情等字段),最终将结构化数据持久化到数据库中。

表格序列化:在解析 PRD 时,我们不只是提取文本,而是针对“需求详情”等表格进行了 Key-Value 映射。

  • 将表格的每一行视为一个对象。

  • 将列名作为 Key,单元格内容作为 Value。

  • Map 格式的存储(存入数据库),完美保留了需求的结构化特征,为后续Agent 分析提供了高质量的上下文

格式与图片保留:除表格结构以外,其余内容也 保持完整信息。

  • 文本格式(无序 / 有序列表、加粗、斜体、删除线等)会统一在解析阶段转换为 Markdown 语义结构存储,用于保留内容层次与语义关系,使模型能够基于原始格式推断逻辑。

  • 图片会在解析阶段被下载并重新上传到内部服务,并在文档结构中以 Markdown 的格式展示。

最终效果:

{
"title":"春运产品需求文档",
"background":"一、需求背景\n为充分承接春运流量红利,提升各业务板块的销售与用户活跃度,特策划本次**平台级大促活动**,xxxxxxxxxxx",
"detail":[
[
[
"场景\n **进入活动页-未登录**\n\n",
"demo\n ![image](https://qimgs.qunarzz.com/wpf_newmpic_001/xxxxxxxxxxx.png)\n",
"说明\n APP弹窗需更新背景图\n\n"
],
[
"场景\n **网络异常/请求后端异常等活动兜底页面**\n\n",
"demo\n ![image](https://qimgs.qunarzz.com/wpf_newmpic_001/xxxxxxxxxxx.png)\n",
"说明\n     1. 【驾马闯关】主按钮显示“剩余?次”\n    2. 点击【驾马闯关】、【我的奖品】、【次数+1】、【马上验证】按钮:\n    - 如果未登录弹窗登录弹窗。\n    - 如果网络异常或者请求后端接口失败提示\"小驼开小差了,请稍后重试”\n\n"
],
[
"场景\n **活动已结束**\n\n",
"demo\n ![image](https://qimgs.qunarzz.com/wpf_newmpic_001/xxxxxxxxxxx.png)\n\n",
"说明\n xxxxxxxxxxx"
]
],
[
[
"状态\n 初始\n\n",
"demo\n ![image](https://qimgs.qunarzz.com/wpf_newmpic_001/xxxxxxxxxxx.png)\n",
"说明\n 固定3个关卡,关卡奖励状态为待解锁\n\n"
],
[
"状态\n 关卡进度\n\n",
"demo\n ![image](https://qimgs.qunarzz.com/wpf_newmpic_001/xxxxxxxxxxx.png)\n\n",
"说明\n     1. 进度条计算逻辑:xxxxxxx  9. 关卡状态:待解锁、已解锁\n其余为固定数据\  - 点击【我知道了】关闭弹窗\n"
]
]
]
}

2.1.2 智能分片与并发生成:解决长文档与复杂逻辑瓶颈

当面对长文档和复杂业务逻辑时,由于大模型的上下文窗口有限,如果直接将完整内容交给 AI 理解并输出,往往会丢失大量关键细节。尤其是在存在多种业务 case 的场景下,例如同一产品在不同条件下需要输出不同的文案,AI 在直接总结时很容易给出模糊、抽象的结论,比如简单地概括为“在不同情况下输出不同文案”,而无法保留具体差异和规则。

为了解决上下文受限和细节丢失的问题,我们引入了 多 Agent 并发架构,通过拆分、聚焦和协同处理复杂信息,确保关键规则和细节能够被完整理解和准确表达:

动态启动与语义分片:

系统根据 PRD 复杂度(如表格个数或字符数)动态决策是否启动多 Agent 模式。然后按语义(如“埋点”、“API”)或业务模块进行分片(Chunk)。

 chunks示例:

{{
  "pages": [
    {{
      "page_name": "模块名称",
      "page_description": "模块的简要描述",
      "related_chunks": [1, 2],
      "main_functions": ["主要功能1", "主要功能2"]
    }}
  ]
}}

两阶段并发生成:

LLM 首先进行模块级路由,建立 Module -> Chunks 的映射。然后,系统并发启动多个 Sub Agent,每个 Agent 仅关注自己负责的页面数据,流式生成逻辑代码。

生成提示词示例:

    相关内容:
    {page_content}


    **前端关注重点**:
    - 只关注前端交互和数据展示,业务逻辑由后端处理
    - 专注于该页面的用户交互、UI状态、页面跳转、数据展示
    - 所有数据来源统一表述为"后端返回"或"接口返回"


    **严格输出要求**:
    请严格按照以下结构输出,不要添加任何额外说明:


    # {page_name}


    ## 用户交互操作
    [从用户进入该页面开始,描述完整的交互流程和操作]


    ## 页面状态和UI更新
    [描述该页面的UI状态变化和更新逻辑]


    ## 跳转和路由逻辑
    [描述从该页面的跳转逻辑和路由处理]


    ## 埋点和实验(如有就展示,没有就不展示)
    [如有埋点或实验需求,描述该页面相关的实现]

    2.1.3 知识库增强:解决 API 幻觉

    背景:逻辑正确,但代码不可用

    在未接入真实内部上下文之前,P2C 生成的逻辑代码普遍存在一个问题:看起来对,但用起来错。模型能够基于 PRD 描述生成基本合理的页面逻辑与交互流程,但在涉及内部 SDK 调用时,完全依赖语义猜测。例如在实现登录能力时,模型可能生成 auth.login(),而实际可用接口却是 user.login({...})。  这种偏差在参数层面更加明显:必填字段缺失、参数结构不符合规范,甚至引入只存在于公共 SDK 中的字段。最终结果是代码可读性尚可,但无法直接运行,开发仍需反复对照文档手动修正,严重拖慢了整体迭代效率。

    为什么抛弃向量知识库RAG?

    在尝试解决 API 幻觉问题时,我们抛弃了原有的向量知识库方式的RAG 方案,主要原因是向量知识库不适用于这一具体场景,主要原因包括:

    • PRD 的业务语义与 SDK 的技术结构关联度过低

      PRD 中使用的是产品与业务语言,很难通过检索准确命中对应的 SDK 接口说明,容易产生误召回或召回不相关内容。

    • 内部 SDK 体量有限,构建检索链路性价比不高

      相比构建切片、向量化与召回流程,将完整 SDK 文档直接提供给模型的成本更低、实现更简单。

    • 模型上下文能力已足以承载完整 SDK 文档

      现代大模型在上下文管理与信息吸收能力上已显著提升,可以稳定理解整套 SDK 定义,而不会被信息量淹没。

    在这一前提下,RAG 反而引入了额外复杂度,却无法从根本上解决 API 准确性问题。

    最终方案:引入 MCP + 飞书知识库,提供真实可用上下文

    针对模型SDK全靠猜的问题,我们最终选择引入 MCP + 飞书知识库,在代码生成前为模型提供真实、完整的内部 SDK 定义。 在实际实现中,我们根据不同语言和技术栈加载对应的内部文档,使模型在生成逻辑代码时,始终基于真实接口而非语义推断。

    这样带来的变化非常直接:

    • 模型调用的 API 源自真实文档,而非基于语料推断。

    • 参数结构、字段命名与内部规范完全一致。

    • 输出代码可直接运行,大幅降低人工校对成本。

    2.2 生成代码效果

    • 代码可执行性显著提升: 结合私有知识库后,模型使用的 API、参数结构、字段命名与内部文档完全一致,生成的代码可直接运行,大幅减少人工校对成本。

    • 逻辑生成准确: AI 能基于我们提供的参数、使用示例及需求描述,生成正确的页面跳转函数以及使用内部 SDK 的埋点代码。

    • 生成质量更稳定: 多 Agent 并发确保长文档也能逐块精细生成,输出深度保持一致。

    生成效果示例:基于D2C生成的页面 再去结合需求文档的内容实现跳转功能:

    3. 开发IDE插件,实现IDE内AI辅助和平台出码的无缝衔接

    为了解决原平台和IDE开发之间的流程割裂问题,我们决定将平台放置在IDE中,以插件的形式提供服务,以实现流程的无缝衔接。

    3.1 整体架构设计

    在插件整体设计上,我们采取了如下架构:

    • 物料层:准备出码所需的全部信息到本地,如UI设计稿解析成结构化信息、按模块拆分的需求文档。

    • 规范层:自动匹配不同项目、不同框架所需的出码规范。

    • 拓展能力层:下发的 MCP 能力,如图片内容读取、需求文档关键信息匹配、代码预览等等。

    • 提示词编排层:针对不同框架匹配不同的代码出码模版,并进行物料和规范信息的注入。

    • 交互层:用于选择设计稿及进行本地需求文档内容的二次修改,还支持用户进行自定义的规范配置,用户自定义的规范会被作为最高优先级的规范提示词来使用。

    3.2 关键实现:流程化出码

    实际的需求文档中,存在以下几个现象:

    • 需求文档里常有不精确的 UI 描述(与设计稿冲突)。

    • 部分需求逻辑依赖 UI 批注。

    • 文档可能包含多个页面,而用户只需要生成其中一个页面,其他页面的内容其实并不需要。

    为了避免UI信息和需求信息的相互干扰,不使用多余的需求信息占用上下文,实际在出码时,我们会分步完成,先生成UI代码,再在此基础上,匹配对应的需求内容,继续生成逻辑代码。

    3.2.1 分步式出码流程控制:

    我们使用初始prompt来进行流程控制,MCP来完成关键流程实现,处理方式大致如下:

    这样,在初始的时候prompt中除了规范就只有流程以及UI相关的信息,在此基础上可以较好的生成UI代码,不受需求文档内容的干扰。

    接着在后续的工具调用中,MCP读取需求文档,可在生成的UI代码产物基础上,通过文本和图片信息内容,找到最相近的需求内容进行逻辑代码的生成,避免有其余不必要的需求内容浪费我们宝贵的上下文。

    那么IDE在调用MCP时,是如何得到本地插件中的需求文档内容的呢(初始的prompt中并没有描述到这些信息)。

    3.2.2 IDE获取插件中的数据

    为了让MCP tool能拿到插件中留存的信息,我们采用在插件中启动一个本地服务的方式,来处理MCP的调用。

    这样,由于MCP服务为本地服务,本地服务运行在插件中,IDE便可以在调用MCP tool时,与插件共享同一上下文,获取并操作插件中的可用数据了。

    3.2.3 插件向IDE chat框提交信息的trick

    对于现存的一些IDE,大多数是不提供向chat聊天框设置信息的命令的。

    但大多的IDE,一定会有fix the error的快捷指令:当IDE提示有错误时,选中目标错误,错误就会被发到chat聊天框:

    fix the bug

    ===

    {错误内容}

    ===

    相应的,我们可以利用这一点,通过插件自行定义一个错误,并调用fix the error的快捷指令,那么被发送到chat聊天框的内容就可以变成这样:

    fix the bug

    ===

    Oh sorry, this is not an error. Here is the request:

    {你实际想给AI的prompt内容}

    ===

    在完成信息的注入后,我们可以调用发送指令将需求发送给AI。依由这一点,插件与IDE整体的信息交互就完成了闭环。

    四、总结

    通过深度结合AI,我们解决了传统D2C在复杂UI布局还原上的难题,还完成了根据需求文档生成高质量逻辑代码的实践,开发人员coding的工作,从以往0到1的完整开发,变为了可基于ai生成产物,从0.7到1的部分开发,大大提升了开发效率。

    展望未来,我们致力于建设具备“工程心智”的智能体,通过感知环境上下文,完成代码的效果审查、逻辑迭代以及问题修复,实现从0.7到1的coding自动化,让开发人员从coding中解放出来,在业务中发现可能的机会点,创造更多的业务价值。

    阅读原文

    跳转微信打开

    掌握 AI coding,享受倍速人生-Agent 工程师,是怎么用 AI 写代码的

    2026年2月10日 17:42

    原创 yan5xu 2026-02-10 17:42 北京

    懒得配图,时间宝贵,把注意力放在重要的事情上吧;与其取悦人类,不如取悦 agent

    我的工作是做 AI Agent 研发。日常就是跟 agent 的能力边界打交道 — 它能做什么、不能做什么、怎么让它做得更好。

    2024 年 5 月,Claude 3.5 还没出来的时候,我就开始用 GPT-4 + Dify 自己搭 workflow 写代码了。后来从 Cline 到 Claude Code 再到 OpenCode,一路用过来。我几乎不自己手写代码 — 不是用 AI 做补全,而是完全交给 agent 来写。不是写 demo、不是跑 benchmark,是真的用它来写生产代码、改 bug、做重构、提 PR。

    从 Dify workflow 到现在的 AI coding agent,用了一年多。我发现最大的坑不是模型不够聪明,而是它记不住事。

    上下文是 agent 的命脉

    做 agent 研发的人都知道,上下文管理是 agent 系统里最核心的问题之一。没有上下文,再强的模型也是无根之木。

    AI coding agent 也一样。一个复杂功能做到一半,对话已经很长了。第二天开新会话 — 它什么都不记得。你得重新描述背景、重新解释决策、重新踩一遍昨天已经趟过的坑。

    更糟糕的是 compress。大部分工具在上下文快满时会自动"压缩"对话历史。作为做 agent 的人,我太清楚这意味着什么 — 这是不可控的有损压缩。关键的设计决策、踩过的坑、中间推理链条,压缩之后大概率丢失。然后 agent 开始重复犯已经解决过的错误。

    这个问题我做 agent 的时候就在解决。现在发现,用 agent 写代码时,同样的问题又出现了。

    所以我用了做 agent 的思路来解决它

    做 agent 系统时,我们怎么处理这些问题?

    • 上下文不够?结构化存储 + 按需加载,关键节点保存状态,下次精确恢复。

    • 单个 agent 能力有限?多 agent 协作,主 agent 编排,sub-agent 执行,通过外部存储传递信息。

    • 并发冲突?隔离执行环境,每个任务独立空间,互不干扰。

    同样的思路,一一对应到 AI coding agent 上:

    HANDOFF 替代 compress — 解决上下文丢失。

    在上下文还充足的时候,主动让 agent 写一份结构化的交接文档 — 已经完成了什么、正在做什么、下一步做什么、有什么坑要注意。然后开新会话,agent 读取 HANDOFF,直接恢复上下文继续工作。

    这不是模糊的"摘要",而是精确的状态快照。信息密度远高于 compress 后的残留。

    如果 compress 已经触发了也不慌 — 回退到压缩之前的状态,执行一次 HANDOFF,再开新会话恢复。几乎不会出现上下文丢失。

    一个复杂功能做三天,每天换会话,每次 agent 都能从交接文档里精确恢复到昨天的状态。和人类团队的交接逻辑一模一样。

    Sub-Agent 拓展上下文窗口 — 单个 agent 做不完的事,拆给多个做。

    单个 agent 的上下文是固定的。所有工作都塞在一个对话里 — 分析代码、写方案、改文件、跑测试 — 上下文很快就满了。

    Sub-Agent 的思路是:主 agent 只做规划和决策,具体的重活委托给 sub-agent,结果通过 workspace 文件传回来。主 agent 收到的只是 4 行摘要,但实际完成的工作量可以很大。本质上是用文件系统做信息中转,把单个上下文窗口扩容成了多个。

    Worktree 隔离并发 — 多个任务同时进行,互不干扰。

    每个任务在独立的 git worktree 中开发。主仓库始终干净,多个 agent 或多个任务可以并行,不会互相污染代码。做完清理 worktree 就行。

    这三个方案加在一起:HANDOFF 解决时间轴上的连续性,Sub-Agent 解决单次会话的容量限制,Worktree 解决并发隔离。都是做 agent 系统时的标准思路。

    另一个做 agent 的人才会注意到的问题

    我的项目有多个仓库 — 后端服务、CLI 工具、前端。传统的 AGENTS.md 放在单个 repo 里,agent 只能看到这一个仓库。

    但做 agent 的人知道,agent 的能力取决于它能获取到多少信息。如果它不知道其他仓库的存在,不了解前后端的依赖关系,改了一个 API 不会想到调用方也要改。

    所以我的工作区结构是这样的:

    my-project/
    ├── AGENTS.md              # Agent 入口
    ├── orchestrator/           # 全局配置(跨仓库)
    │   └── ALWAYS/
    │       └── RESOURCE-MAP.yml  # 所有仓库 + 基础设施的全局索引
    └── repos/
        ├── backend/
        ├── frontend/
        └── mobile/

    Agent 的配置在所有代码仓库之上,启动后自动加载全局视图。它知道每个仓库的位置、技术栈、依赖关系和基础设施。这不是 monorepo — 每个 repo 仍然独立,工作区只是给 agent 一个全局的信息入口。

    人机协作方式变了

    用了这套工作流之后,我发现自己跟 AI 的协作方式已经完全不是"在编辑器里跟 AI 对话"了。

    传统模式是:你坐在编辑器前面,跟 AI 一行一行地写代码,实时对话,像结对编程。你是操作者,AI 是工具。

    现在变成了:你在 Issue 里写需求和验收标准,agent 从 Board 上捡任务,自己开分支、开发、提 PR。你通过 PR review 审查代码。

    这本质上是 tech lead + 开发者的协作模式:

    • 你做架构决策、定优先级、review 代码

    • Agent 做具体实现、跑测试、提交 PR

    • 通过 Issue 和 PR 沟通,不需要实时盯着

    • 多个 agent 可以同时做不同的 Issue,你看 Board 就知道全局进度

    • 任何 agent(甚至人类开发者)都可以通过 HANDOFF 接手任何任务

    做 agent 的人应该很熟悉这个转变 — 我们做的 agent 系统,本质上也是把人从"执行者"变成"监督者"。现在用 AI 写代码也是一样的路径。

    代码审查从"在聊天窗口里看 agent 输出"变成了"在 GitHub PR 界面看 diff、逐行评论、跑 CI"。这是工程团队几十年验证过的流程,比在对话里 review 代码靠谱得多。

    不要只给 agent 一个编辑器

    很多人用 AI 写代码就是打开编辑器、对话、写代码。但实际工程里,写代码只是很小一部分。一个真正的开发者还需要:跑测试验证、查线上日志定位问题、查数据库确认数据、用 CLI 部署上线。

    如果这些能力不给 agent,它就只能写完代码等你验证、等你查日志、等你告诉它线上报了什么错。每一次"等你"都是一次上下文切换,效率大打折扣。

    给 agent 自验证的能力。 搭好本地测试环境,让它能跑单元测试、跑 build、跑 lint、自己确认代码是否正确。我的项目里 agent 可以跑 vitest 单测、e2e 测试、Docker 集成测试、甚至启动本地 gateway 做 API 验证 — 不是写完代码就扔给你,而是验证通过了再提交。这一步省掉的来回沟通比你想象的多。

    给 agent 获取信息的能力。 这个变化最大。我给 agent 写了一份日志查询手册,告诉它怎么用 aws logs CLI 查 CloudWatch 日志 — 按 Pod 名过滤、按模块过滤、按错误级别过滤。Agent 拿着这份手册,自己查了几百个 Pod 的日志,分析出了十几类生产错误,按优先级分级,还自动配了告警规则。整个过程我只做了 review。

    如果没有这个能力,这些工作全得我手动做 — 复制日志贴到对话里,agent 看了再问我更多信息,来回好几轮。有了直接查询的能力,agent 自己定位问题自己修,正确率高很多。当然,权限控制要做好 — 给只读权限,限定可访问的日志组和时间范围。

    给 agent 完整的 CLI 工具链。 现在几乎所有云平台都有 CLI — AWS CLI、GCP gcloud、Cloudflare wrangler。Agent 完全可以完成从写代码到部署上线的一条龙操作。我的项目里 agent 日常用 gh 管理 Issue 和 PR、用 aws logs 查日志、用 docker 构建镜像、用 pnpm 跑测试。

    这三点的核心思想是一样的:不要把 agent 当成只会写代码的代码生成器,要把它当成一个需要完整工具链的工程师。 你给它的工具越完整,它需要你介入的次数就越少。

    一年多趟出来的工程化方案

    Boot Sequence — Agent 自举

    每次打开项目,agent 按固定顺序加载配置:工作协议 → 开发流程 → 资源索引 → 任务状态。不需要你手动喂背景信息,agent 自己读文件、自己恢复上下文、自己知道接下来该做什么。

    第一次使用时 RESOURCE-MAP.yml 是空的,agent 会主动问你项目情况(几个仓库、什么技术栈、怎么部署),然后自动生成配置。之后每次启动都是全自动的。

    Worktree 隔离

    具体来说,每个任务通过 git worktree 获得独立的工作目录:

    git worktree add repos/backend-auth -b feature/42-auth main

    不在主仓库上切分支,做完清理 worktree 就行。

    Sub-Agent 的文件通信协议

    Sub-Agent 之间通过 workspace/ 目录传递信息,每个 sub-agent 只返回 4 行摘要给主 agent:

    状态:已完成
    报告:workspace/1.1-dependency-report.md
    产出:1 个文件
    决策点:无

    主 agent 上下文只多了 4 行,但 sub-agent 实际完成的可能是大量的代码分析。把主 agent 的上下文留给规划和决策,不被执行细节占满。

    SCOPE 控制 — 限制 Agent 的写入范围

    本地文件模式下,每个任务有一个 SCOPE.yml,白名单指定 agent 可以写哪些文件:

    write:
    -repos/backend/src/auth/
    -repos/backend/src/middleware/
    forbidden:
    -.env

    超出范围的文件,agent 不能擅自修改,必须先问你。这是我做 agent 研发养成的习惯 — 给 agent 的权限应该刚好够用,不多不少。

    开源了

    这套工作流从最早的 Dify workflow 时代就开始摸索,到现在迭代了很多版。现在整理成了一个开源协议叫 Code Relay。

    就是一组 markdown 和 yaml 文件,不是 CLI,不是 SDK。复制到你的项目里就能用。兼容 Cline、Claude Code、OpenCode、Windsurf 等所有主流工具。

    两种模式:

    • GitHub 模式

       — 任务管理在 Issue + Project Board 上,适合已经用 GitHub 的团队

    • 本地文件模式

       — 不依赖任何平台,适合离线工作或不想绑定特定平台

    两种模式都支持 HANDOFF、SCOPE、Sub-Agent、Worktree 等全部核心能力,区别只是任务状态存在哪里。

    如果你也在认真用 AI coding agent 做项目,欢迎试试。有问题直接提 Issue。

    GitHub: https://github.com/yan5xu/code-relay

    阅读原文

    跳转微信打开

    ❌