# 阿里内部“智能化研发”一年复盘，距离真正的 AI 开发还有多远？

> 本文公开全文。

原文：https://utgd.net/article/21033

🔗 原文链接

阿里巴巴的向邦宇分享了 Aone Copilot 的成长故事。这款智能研发工具从 2023 年 7 月内测开始，就瞄准了帮助程序员搞定开发任务的目标。现在，它的代码补全采纳率已经达到 27%，每天有上万人在用，算是阿里内部的一匹“黑马”。

不过，随着用户数接近饱和和产品深度上的不足，用户的“用脚投票”也提醒了团队：AI 工具想让大家真正满意，还有很长的路要走。

在过去的一年里，AI 智能化工具的“花样”真是越来越多了。从 GitHub Copilot 到 Cursor，再到 Gru\.ai 和 Windsurf，各类工具让人眼花缭乱。比如有的专注单元测试生成，有的专注文档说明，还有的像 Cursor，直接杀出一条独立 IDE 的“快车道”。

阿里内部也试过很多方向，比如帮用户写注释、自动生成单测，甚至解决代码冲突，但就算是这些“看起来很简单”的功能，也总是差点意思。最多只能给用户一个大概的 Demo，后面还得自己动手调一调。

问题出在哪？其实最根本的难点是——需求表达。

很多用户自己都没想清楚要什么，或者表达得太模糊，再加上一些业务上的“黑话”（比如“腰带”“背书”），模型哪能听懂这些“暗号”？

再加上开发环境本身就复杂，涉及的上下文特别多，模型搞不清来龙去脉，效率自然也提不上去。向邦宇说得很直白：目前大模型做得还不错的，都是那些不用解释需求的场景。

不过，也不是没好消息。Cursor 就是个例子，它的“重写”功能让人眼前一亮。这个功能能智能地帮用户同步修改变量名，修复错误，还能把 AI 提供的代码直接“粘到”现有代码里，让体验顺滑多了。虽然背后技术门槛不低，但这个方向证明了 AI 工具在 IDE 集成上的巨大潜力。而阿里也在尝试通过强制提交规范、自动生成代码描述等方式，把研发数据积累起来，希望通过更高质量的数据喂养模型，逐步解决上下文不足的问题。

向邦宇还提到，大模型时代最重要的其实是“人机协作”。与其指望 AI 一步到位解决所有问题，不如让它和开发者“搭档”，一起完成任务。毕竟，需求最终还是要由人来确认和验收。如果把 AI 比作一个聪明的新手，它需要的不是单打独斗，而是团队里的老手拉它一把，带着一起成长。

所以，AI 工具真的能取代开发者吗？至少现在看来，取代这个词未免有点太早了。倒不如说，AI 工具更像是程序员的“好搭档”，它会让你的开发之路变得顺畅，但主驾驶的位置，还是得你来坐。

> “AI 工具落地最难的地方就是需求描述。真正成功的工具，不是取代人，而是和人合作，搭配着完成复杂任务。”——向邦宇

---

[前往标准阅读页](https://utgd.net/article/21033?audience=web)