竟然用玩游戏的时间，把1万代码文件变成Wiki了！你也能做到！

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

程序员们一直以来都在为理解那些庞大的老项目而烦恼。

想象一下，如果给你一个有近10000个代码文件的项目，估计你得花多少时间才能搞明白啊。

不过！现在你可以轻松搞定这一切了，因为有一款国产的AI编程工具，简直是你的得力助手！

话不多说，我们就用微软在GitHub上的terminal仓库来做个演示吧：

Terminal仓库大致有7500个文件，支持的编程语言包括C++、C#、JSON、XML、Markdown等。

接下来，我们先来克隆这个项目：

git clone —depth=1 
https://github.com/microsoft/terminal.git

然后把这个项目导入到国产AI编程工具中，点击仓库Wiki（Repo Wiki）功能，再选择生成就好了：

期间你完全不需要做其他操作，甚至可以去打几把王者荣耀……等一会儿再回来，嘿，你就会看到它生成了

完整的Wiki!

从这儿我们可以看到，AI已经把整个代码工程系统整理得清清楚楚，图文并茂地展示了架构和细节，真是太方便了。

（顺便说一下，生成所需的时间主要取决于项目的规模。）

更酷的是，这个Wiki还支持共享功能，一个人生成的内容，团队中的其他人都能一起协作共享。

这样一来，无论是处理复杂的项目，还是接手其他人写的陌生代码（特别是那些没有注释的），都能轻松应对，妥妥的！

那么，这个棒棒的AI编程工具到底是什么呢？

不卖关子，它就是今年8月一推出就备受瞩目的Qoder。

而在仅仅三个月后，这个工具已经在AI编程圈内设立了三个“最”：

• 最强模型：它结合了“全球顶尖模型”和自研专项模型，效果立竿见影，评分比头部产品高出13.22%；
• 最全覆盖：全面支持IDE、CLI和JetBrains插件，适合各类开发者使用，账号和积分体系也很顺畅；
• 最高性价比：在同样的付费条件下，SOTA模型完成的任务量达到205%，性价比真是超高。

通过这三个“最”可以看出，Qoder这次是全力以赴，直接冲击AI编程的核心——旨在为真实软件研发服务。

对于真实软件的理解，Qoder的创始人叔同提到：

Qoder不追求从零到一的“酷炫”过程，而是直接聚焦开发者95%时间都花在的“真实软件”研发。

真实软件是指能够带来商业价值的软件。一旦有了商业价值，就需要对用户和客户负责，进行严谨的修改、迭代和演变，确保没有故障，且常常有着漫长的历史积累，可能存在5年或10年的历史。

这些历史代码可不能随意修改，不能凭空想象或产生幻觉。因此，这是一块高价值的领域，因为它真正支撑了信息产业的持续发展。

如今很多工具从Vibe Coding入手，而Qoder则选择了从真实软件切入，这个决策既大胆又果断。

不过说实话，真实开发环境复杂多变，连一些公认实力强劲的工具如Cursor也时常受到批评。

Qoder的实际表现究竟如何，得等一波深入测试才能见真章。

实测Qoder：后端程序员有福了

接下来，我们会用一个典型的企业级Java项目来贯穿整个实测过程。

今天的主角是——Spring Petclinic。

虽然Spring Petclinic的项目规模不大，但它却是Spring官方推荐的最佳实践模板，涵盖了MVC、JPA、Thymeleaf、单元测试、数据库迁移、异常处理等企业开发的核心要素。

我们先来克隆一下这个项目：

git clone 
https://github.com/spring-projects/spring-petclinic.git

实测第一弹：IDE形态

想要准确理解代码工程的上下文，其实是评估AI编程工具好坏的一个关键指标。

为了验证这一点，我们首先在Qoder IDE中打开Spring Petclinic项目，然后随便打开一个Java文件（比如OwnerController.java）。

接着，在右下角的对话框中选择“智能问答”模式，用自然语言提问：

这个controller的findAll方法用到了哪些Service和Repository？

从结果来看，Qoder成功找出了OwnerService → OwnerRepository的调用链，不仅告诉我们“仅使用了OwnerRepository”，还详细列出了具体的分析过程。

这其实只是Qoder理解代码工程能力的冰山一角。

据说，Qoder可以一次处理10万个代码文件，像电商网站前后端开发这样的任务，时间可以从几天缩短到十分钟左右！

还有一点值得注意的是，Qoder这次推出了模型分级选择器，提供基础轻量（Lite）、经济高效（Efficient）、极致性能（Performance）和智能路由（Auto）四种模式，能够适应不同复杂度的开发需求。

当然，理解和掌握代码工程的全貌固然重要，但对于一个AI编程工具来说，执行力才是真正的关键。

Qoder提供的Quest Mode就是一个基于Spec驱动的AI自主编程功能。

在这个模式下，开发者只需用自然语言输入Spec（需求描述），例如：

为Petclinic添加一个RESTful API：GET /api/vets/specialties，返回所有Petclinic列表，使用JPA和Spring Data REST，包含单元测试。

轻松搞定需求，Qoder让编程更简单！

只需花一点点时间，Quest Mode就能根据你给的简单需求，迅速生成一份详细的需求文档。接着，它会自动地一步步执行计划中的任务，最后还会为整个过程做个总结，真是效率满满啊！

因此，现在AI编程工具不再仅仅是个实时助手，Qoder已经将它的功能提升到异步委派的全新水平。

实测第二波：JetBrains插件

对于许多开发者来说，尤其是后端开发的小伙伴们，JetBrains真的是一款非常熟悉的IDE，大家都很习惯使用。

如果你看完刚才的测试，想在不更换IDE的情况下体验Qoder的各种功能，那就可以考虑使用插件形式了，赶紧了解一下吧！

这款新上线的插件刚过一周就吸引了超过三万次下载，后端开发者们真是对JetBrains插件期待已久啊！

一旦安装完成，你会发现Qoder插件已经在JetBrains的侧边栏里等着你了。

接下来，我们就来小试一下这个插件在理解项目框架方面的能力：

怎么给 /owners/{ownerId} 加分页呢？

从中可以看出，Qoder插件依然详细而稳妥地给出了问题的解决方案。

再说说，调试器集成也是Qoder在JetBrains中的一大特色。

我们可以在findowner这个方法上设置一个断点：

接下来，点击Debug按钮，JetBrains会在设置的断点处暂停，这时打开Qoder插件，询问：

ownerRepository.findById返回的是什么类型的对象呢？

你会发现Qoder插件能够理解调试器的上下文，直接引用内存中的变量和调用链，省去了手动复制粘贴的麻烦，真是个智能的调试助手。

除了调试功能，数据库支持也非常不错。

比如，我们打开OwnerRepository.java，问一句：“这个findByLastName方法会有SQL注入的风险吗？”

嗯，感觉依然很稳健。

重点来了：Qoder整合了国际顶尖的SOTA模型，不管是运行速度还是用户体验都相当出色；而且它是唯一具备记忆感知功能的JetBrains插件。

这意味着Qoder插件能够在与开发者的互动中，自动记住个人编码风格、项目特性以及常见的问题。

这样一来，真的是实现了“越用越懂你”的效果哦。

第三次实测：CLI版本

除了IDE和插件，很多专业开发者还特别喜欢用的命令行界面工具（CLI），Qoder也是能够兼容的哦！

安装过程也超级简单，只需在终端输入一行指令就可以了：

curl -fsSL 
https://qoder.com/install
 | bash

安装完成后，重启终端，然后输入qodercli就能开始使用了：

接下来，我们在Vet.java文件中制造一个经典的bug，制造一个潜在的空指针问题：

然后，我们就可以在CLI里，用自然语言直接让Qoder帮忙修复这个bug：

在Vet.java文件中发现了一个bug，麻烦你找出来并修复一下。

Qoder CLI：帮你轻松搞定代码问题！

哇，Qoder CLI真的是太给力了，它一下子就找到了我们代码里的bug，并且顺利修复！这真的是太方便了！

你知道吗，使用@qoder，我们还可以直接在Issues和Pull Requests里进行互动。比如，当你遇到复杂的代码逻辑，想让人帮你解释时，只需在评论里@一下Qoder；如果发现了bug，直接@它让它来修复就行了。

更牛的是，Qoder CLI跟GitHub的结合得相当紧密，它可以在几分钟内给出关于拉取请求的反馈，保证高质量的代码审查。只要在你的仓库的 .github/workflows/ 目录里添加一个配置文件，就能自动为每个Pull Request提供智能审查服务。

根据了解，它能将代码审查质量提高两倍，效率提升十倍，大大减轻了人工审查的负担。

Qoder CLI之所以这么迅速和准确，是因为它内建了一个轻量的Agent，支持自定义插件、命令和子代理的扩展。

从评测结果来看，Qoder CLI简直是Claude Code的完美替代品啊。

总的来说，通过这次测试，我们发现Qoder不仅支持IDE、JetBrains插件和CLI三种形式，这只是它众多亮点中的一部分。

更重要的是，它在技术上实现了业界领先的增强上下文工程（比竞争对手领先13.22%）、具备记忆力感知（对话质量提升40%），并且得到了全球顶尖模型的支持（RepoWiki模型Credits消耗节省93%）。

最后，很多开发者可能最关心的性价比问题也很不错——用同样的钱，能完成205%的编程任务。

如果Qoder Pro按照实际支付的$10算，2000 Credits，$20对应的是4000 Credits，而SOTA模型的任务运行数为204.5，耐用性比Cursor高出104.9%呢。

嘿，说到最强的编程模型、最全面的应用和超高的性价比，Qoder这次真的是做到了！而且大家都在期待的团队版本，听说会在12月初上线，真让人期待不已。

AI编程工具耐用性，终于有标准啦

不过，想要判断一个AI编程工具的好坏，光靠实测和体验还是不够的，真的。

这次，Qoder团队给大家提供了一个很实用的参考标准——AI编程工具的耐用性评测集，而且还开源了呢！

从编程语言的角度来看，这份评测集涵盖了当前最流行的几种，比如 Python、JavaScript、TypeScript、Java 和 Golang等。

而且，每种语言还会设计一些与主流或新兴技术框架相关的题目。这就好比模拟开发者在实际项目中会面临的真实环境和复杂情况，能够更全面地评估AI编程工具在复杂场景下的表现。

据说，Qoder已经通过实际的软件项目进行了相关测评，结果显示，和其他顶级AI IDE产品相比，Qoder在复杂项目、生成效果和Credits耐用性方面，都超过了全球的顶尖产品。

而且，他们团队还计划在明年3月之前，把评测集中真实开发场景的案例数量增加到50多个。

真的，今后如果要评判哪个AI编程工具更好，单靠那些只能看到数字成绩的Benchmark可不够；效果好不好，真实开发场景的测试才是最关键的。

最后，感兴趣的朋友们，体验地址在这里，快去试试吧~

Qoder地址：
https://qoder.com/

耐用度评测集地址：
https://github.com/agentic-coding-durability-evalset

— 完 —

量子位 QbitAI · 头条号

关注我们，第一时间获取前沿科技动态哦！