详细介绍
工具简介
aiXcoder是一款面向企业级软件开发的AI智能开发平台,由aiXcoder团队推出。该平台以多智能体架构(Multi-Agent Architecture)为核心,覆盖从需求理解、任务分解、代码生成、测试验证到交付的完整研发闭环,旨在帮助企业在复杂研发场景中同时提升开发效率与交付质量。与市面上常见的代码补全工具不同,aiXcoder定位为“智能软件开发平台”,强调端到端的自主闭环能力,而非单点辅助。
aiXcoder提出了三大核心技术理念:场景智能体工程(Scenario Agent Engineering)、大小模型协同(Large-Small Model Collaboration)以及自主可控技术栈(Sovereign Technology Stack)。在场景智能体工程方面,平台提供企业级治理框架(Harness Engineering)、工程化的超长上下文处理能力,以及研发任务的端到端自动化。在大小模型协同方面,大模型充当全局认知与决策中枢,专注于复杂任务;小模型则承接高频、模式化、确定性的子任务,从而在各类场景中实现效率最优。在自主可控技术栈方面,平台强调从芯片到模型的全链路自主可控,并针对企业级场景进行深度优化。
主要功能
多智能体产品矩阵
aiXcoder围绕软件研发全生命周期,构建了覆盖不同环节的智能体产品矩阵:
- Requirement Agent(需求智能体):负责需求理解与分析,将自然语言需求转化为结构化的研发任务,帮助团队在项目初期减少需求歧义。
- CodeAgent Plugin(IDE编码智能体插件):以团队级编码智能体形态嵌入IDE,支持在开发者熟悉的编码环境中完成代码生成、补全与重构等任务。
- CodeAgent CLI(终端编码智能体):面向终端环境的编码智能体,适合习惯命令行工作流的开发者,在终端中直接完成编码相关操作。
- TestAgent(测试智能体):专注于软件测试环节,可自动生成测试用例、执行测试验证,提升交付质量。
- CodeWiki(代码库分析与文档智能体):对代码库进行深度分析并生成文档,帮助团队理解遗留系统、降低知识传递成本。
- Math2Code(公式与算法转代码):将数学公式与算法规格转化为工程代码,适用于科学计算、算法实现等场景。
Enterprise Hub 企业AI管控平台
Enterprise Hub是aiXcoder的企业级AI管控平台,用于统一管理智能体(Agents)、模型(Models)、MCP、技能(Skills)、提示词(Prompts)与知识库(Knowledge Bases)。其核心价值在于将分散在各团队和工具中的AI能力汇聚到一个统一的管控平台上,所有产品均运行于该平台之上。对于企业而言,这意味着可以对AI资产进行集中治理,避免重复建设与碎片化,同时满足合规与安全要求。
大小模型协同机制
aiXcoder采用“大模型×小模型”协同策略:大模型负责全局认知与复杂决策,小模型负责高频、模式化、确定性的子任务。这种分工既保证复杂任务的推理质量,又通过小模型降低高频调用的成本与延迟,使整体效率在各类场景中达到最优。对于企业级研发场景而言,这种架构有助于在效果与成本之间取得平衡。
端到端研发任务自动化
基于多智能体架构,aiXcoder能够在复杂研发场景中自主完成从需求理解、任务分解、代码生成、测试验证到交付的闭环流程。各智能体之间协同工作,减少人工在环节之间的衔接成本,让研发流程更加连贯。平台强调工程化的超长上下文处理能力,使其能够应对大型代码库与复杂业务逻辑。
使用方法
IDE插件方式
- 访问aiXcoder官网,在产品页面选择CodeAgent Plugin。
- 根据所使用的IDE类型下载并安装对应插件。
- 安装完成后登录账号,即可在IDE内使用团队级编码智能体能力。
- 在编码过程中通过自然语言指令或快捷操作触发代码生成、补全与重构。
终端CLI方式
- 获取CodeAgent CLI工具并在本地环境完成配置。
- 在终端中启动CLI,连接至aiXcoder平台。
- 通过命令行指令描述编码任务,由智能体完成相应操作。
企业平台部署
- 企业用户可通过Enterprise Hub统一接入,集中管理智能体、模型、提示词与知识库。
- 根据团队需求配置权限与治理策略。
- 将各产品(Requirement Agent、TestAgent、CodeWiki等)接入现有研发流程。
产品优势
| 维度 | aiXcoder的特点 |
|---|---|
| 架构设计 | 多智能体架构,覆盖需求、编码、测试、文档、算法转代码全链路 |
| 模型策略 | 大小模型协同,兼顾复杂任务质量与高频任务效率 |
| 企业治理 | Enterprise Hub统一管控AI资产,支持集中治理 |
| 技术自主 | 强调从芯片到模型的自主可控技术栈 |
| 上下文能力 | 工程化超长上下文处理,适应大型代码库与复杂场景 |
应用场景
- 企业级研发团队:需要在复杂项目中提升开发效率与交付质量,同时满足合规与治理要求。
- 遗留系统维护:通过CodeWiki分析代码库并生成文档,降低理解与维护成本。
- 测试环节提效:利用TestAgent自动生成并执行测试,提升测试覆盖率与交付质量。
- 算法工程化:通过Math2Code将数学公式与算法规格快速转化为工程代码。
- 需求管理:借助Requirement Agent减少需求歧义,提升需求到任务的转化效率。
总结
aiXcoder并非单一的代码补全工具,而是面向企业级软件工程的AI开发平台。其多智能体产品矩阵覆盖研发全流程,Enterprise Hub提供统一治理能力,大小模型协同与自主可控技术栈则体现了面向企业场景的工程化考量。对于希望在复杂研发场景中系统性引入AI能力的企业而言,aiXcoder提供了一个值得关注的端到端解决方案。


