搜索
在代码大模型和代码智能体技术快速发展的今天，一个日益凸显的现象是：能够在经典代码生成基准上取得优异成绩的模型，一旦被放入真实软件工程环境中，表现却往往大幅下滑。
“软工任务要改多文件、多轮工具调用，模型怎么学透？高质量训练数据稀缺，又怕轨迹含噪声作弊？复杂 RL 训练成本高，中小团队望而却步？”
我们也看过各种 AI Coding 领域的评测，发现大多停留在了 「代码生成」与「封闭题目」的考核，却忽视了环境配置、依赖处理、跨仓库资源利用等开发者必经的真实需求 —— 当下众多 Benchmark 仅通过题目，已难以衡量 Code Agent 的实际效果。
近期多项研究 [1-2] 表明，即使是经过安全对齐的大语言模型，也可能在正常开发场景中无意间生成存在漏洞的代码，为后续被利用埋下隐患；而在恶意用户手中，这类模型还能显著加速恶意软件的构建与迭代，降低攻击门槛、缩短开发周期。
这款叫 MoonBit Pilot 的代码智能体系统，真正将 AI Agent 从“助手”推向“合作者”的角色。在过去一年中，AI 编程助手迅速普及，从 Copilot、Codex 到 Cursor，成为开发者日常工具链的重要补充。然而，这类工具大多依赖于传统 IDE 插件或 Web 服务形式，智能体的能力受限于调用上下文与反馈机制，难以真正进入开发流程的“核心环节”。
400 多年前，宋应星著成《天工开物》。这是一部写给匠人、也写给未来的书。它让人相信：技术不是死物，而是人与世界持续互动的方式。
在被微软、谷歌高调比拼 AI 实力刷屏之际，腾讯 AI 携重磅产品轮番登场，不止于拼技术，更是以扎实布局展现对 AI 落地的深度洞察与务实态度。