Qoder:阿里的 agentic platform for real work,九条产品线共用一套知识引擎
阿里巴巴的智能体编码平台,官方定位 agentic platform for real work:不是一个编辑器,而是一条端到端闭环——理解任务与上下文 → 规划 → 调工具执行 → 验证结果 → 朝交付物迭代,三条底层理念是上下文工程、agent 自主性与目标导向循环;九条产品线共用一套知识引擎(桌面 Qoder 与 Qoder IDE 并存互不替代、Editor 与 Quest 双形态、JetBrains 插件、Qoder CLI、云端 agents 等),会话历史与 memory 分开存但可从 IDE 导入。Repo Wiki 由多 agent 在本地生成、不上传代码库,默认关闭,支持 Auto Update / Auto Export / Citation 回指源码位置。Quest 有四种驱动方式:Agent / Experts / Goal / Spec(可转定时任务)——Spec 走需求澄清(多选题形式,可 Recommend / Continue / Skip)→ 结构化 Spec(需求、设计、任务拆解、验收标准)→ 人工评审 → 执行 → Review/Commit/Push;Goal 只描述结果,每轮结束评估进度、未达成自动进下一轮。两个规模化案例:用 Qoder 造 Qoder(10 人 3 周,50 万行 agent 代码并入 400 万行遗留系统,99% 由 agent 生成,到 v1.4.0 仍在生产运行且零线上事故;方法是认知底座 + Ultra Spec + Experts 交叉评审 + verifier agent 反向过滤幻觉问题,人只做 SLO 定义与不可逆操作的最终决策,人均每天主导 20 多个 Experts 任务);高德车机 AutoSDK 跨 20 多个仓库、超百万行,严格一次通过率 37.3% → 61.5%(问题定性引 KoCo-Bench / arXiv:2601.13240v3:通用编程 Pass@1 可达 90%,领域代码生成只有 8.9%)。边界:客户端与知识引擎不开源;全部规模化数据出自官方案例与厂商自述,自家产品自证存在方法学自利偏差,未独立复算;Experts 单位成本明显高于单 agent(中位数约 75 vs 50 Credits),Credits 周期清零不能囤。置信度 C(厂商宣称)。