AI队友正在进入公司，腾讯云想重构下一代研发工作流

智东西
作者 | 陈骏达
编辑 | 漠影

对许多程序员来说，这样的场景并不陌生：终端弹出红色报错，复制日志、粘贴给AI助手、等待分析，再将修复方案贴回终端运行……如果问题没有一次解决，下一轮循环随即开始。这是许多使用Vibe Coding用户每天面对的真实体验。

过去几年，AI编程工具能力快速进化，开发效率不断提升。但与此同时，一个新的矛盾也逐渐显现：开发者越来越像它的“保姆”，全程被钉在电脑前，手动搬运上下文。

究其原因，是这些AI编程工具始终游离在研发流程之外，与开发团队彼此割裂。它能写代码，却无法像一名真正的团队成员那样，接住一个任务，走完从调查到交付的完整链路。

日前，腾讯云正式发布了云端智能体CodeBuddy NPC，试图给上述问题提供解决方案。开发者只需在云端开发平台@一下NPC，像@一位团队成员一样派发任务，NPC便能够自主完成问题调查、方案制定、代码开发与PR提交，并根据CI结果持续修复，直到交付可验收的成果。

CodeBuddy NPC是业内首个提出并落地AI Native Git范式的产品。其背后，是腾讯云从CodeBuddy、WorkBuddy到CodeBuddy NPC持续演进的技术理念：让AI融入真实工作流。

发布前，智东西与腾讯云CodeBuddy、CNB产品负责人黄友昆、CNB运营负责人王春雨、CNB高级工程师徐意进行了深入交流，试图还原这款产品背后的技术逻辑与产业判断。

一、从打辅助到挑大梁，CodeBuddy NPC能做什么

在王春雨看来，AI在研发领域的角色演进可以划分为三个阶段：第一阶段是AI辅助研发，人仍是主导者，AI只做代码补全、生成和问答解释这类单点任务；

随着2025年国产大模型与海外模型的能力差距不断缩小，行业进入AI驱动开发的第二阶段，AI开始接管局部任务，比如修Bug、做测试验证、接入流水线修复缺陷；

第三阶段则是AI工程化协作，AI不再是一个提效工具，而是拥有自己的职能定位，懂得怎么参与研发流程，并能闭环完成任务、独立交付业务价值。

王春雨判断：“目前行业正处于第二阶段向第三阶段过渡的时期。”而CodeBuddy NPC正是为第三阶段而生的产品。

从能力上看，NPC可以自主完成从任务承接、规划、执行、验证到迭代优化的全过程：收到Issue里的任务后，它会自动读取需求与代码，给出方案并完成开发、提交PR；遇到代码合并冲突时自行处理并重新提交；CI失败后自动定位问题、修复代码并重新执行，直到通过质量门禁。

NPC面向团队研发中的缺陷修复、新功能开发等高频场景，打通从需求提出、问题分析到代码提交与合并的完整交付链路。

相比传统Vibe Coding模式下开发者持续介入、反复调试的流程，NPC进一步降低了人工参与成本：缺陷修复从过去需要人与AI多轮协作、耗时数小时的过程，转变为开发者在分钟级内完成结果验收；过去要耗时数天的新功能开发，也被缩短到“小时级”，开发者主要聚焦需求确认和代码验收环节即可。

值得一提的是NPC的“按需召唤”机制。黄友昆在采访中特意澄清了它与常见Agent产品的区别：许多Agent需要先创建、提前授权、常驻运行，相当于先“养”一个才能用。

而NPC在没有被@之前只是仓库里的一段YAML定义，并不真实存在。只有在被召唤的那一刻，平台才会动态创建出工作环境，把基于YAML定义的角色、Prompt与执行策略装进Docker沙箱里运行，干完活即销毁。开发者因此可以同时@多个NPC并行干活，也可以让NPC承担不同的角色。

▲定义NPC的YAML文件和不同的NPC角色

CodeBuddy NPC团队向我们展示了一个颇为直观的案例：一支NPC team在全程零人工干预的情况下，完成了一款名为《信号》的小游戏从需求拆解到最终验证的全流程开发。项目经理NPC负责拆单与任务分配，剧本、美术、配乐、配音等NPC分别完成内容创作，资产整合NPC汇总代码与素材，最后由代码评审NPC和测试NPC完成验证，一个NPC的输出直接成为下一个NPC的输入。

至于NPC与CodeBuddy等本地IDE工具的关系，CodeBuddy NPC团队的态度很明确：并存，而非替代。黄友昆打了一个比方，IDE里的AI更像打电话，是同步的，需要多轮交互、需求澄清；而NPC是异步的，任务一旦明确，@完它就去干活了，“你甚至可以把电脑关了回家，它还在云端跑”。

二、CNB平台8年积累打底，AI住进研发流程当“原住民”

CodeBuddy NPC的核心是腾讯云提出的AI Native Git范式。

在Vibe Coding模式下，上下文靠人搬运；而在一个真实的研发团队里，这些上下文本来就存在于流程之中：Issue是需求记忆，记录着任务、背景与目标；代码仓库是工程记忆，承载着项目结构、依赖关系与演进历史；PR是变更记忆，沉淀着方案、代码与评审意见；CI是质量记忆，记录着构建结果、失败原因与修复过程。

AI Native Git的思路，就是让AI以Git仓库为原生记忆，直接入驻团队已有的Git、Docker、CI/CD和质量门禁，复用现有流水线形成“提交—验证—修复—再验证”的自动闭环。企业无需改造工具链，AI也能自主感知上下文。

支撑这套范式的底座，是腾讯云云原生构建平台CNB。CNB平台自2018起就在腾讯内部迭代，沉淀8年有余，并在2024年上线公测。

大模型时代，模型文件的加入让CNB上的仓库体量急剧膨胀，不少仓库超过100G，甚至达到TB级。如何在超大仓库下实现秒级代码克隆、在容器沙箱内快速构建Docker镜像环境，是CNB近年来重点打磨的能力，如今成为NPC快速创建验证环境、快速启动开发任务的前提。

此外，CNB还提供Token的计量与计费能力，每个任务消耗多少Token、哪个NPC用的、预算如何管理，全部清晰可查。王春雨透露，CNB目前月活开发者超过10万，日留存率高达80%，并已有不少B端企业客户在用。

对企业管理者而言，另一重价值在于留痕。黄友昆坦言，开发者在本地IDE里和AI说了什么，属于个人资产，成本却是企业在承担，一旦上线后出问题，很难回溯“AI当时为什么把代码写成这样”。

而在CNB上，NPC的推理过程、执行轮次、调用模型、Token消耗全程可审计、可回溯，AI的产出过程就此纳入企业资产，这是本地IDE在架构上难以做到的。

成本控制则是另一道工程壁垒。一次Agent执行任务要经历多轮模型调用，首轮系统提示词和工具描述会在后续调用中持续复用，首轮Token越小，整体成本越低。通过持续优化提示词、工具调用、CLI输出和缓存命中率，官方NPC的首轮Token消耗已从早期的2万多个降至约2000，降幅超过90%。

谈及CodeBuddy NPC与其他AI编程产品间如何拉开差距，黄友昆给出了一个公式：组织效能等于效力除以摩擦力。AI是放大器，但流程中的摩擦力会吞噬放大的效果，比如CI报错后如果需要等人来处理，一顿饭过去循环就空转20分钟；本地AI执行命令前要等人授权，人不在电脑前任务就卡会住。在他看来，平台化基建对摩擦力的消除，是CodeBuddy NPC这类产品真正的差异化所在。

三、AI融入工作流之后，“人”的角色也变了

梳理腾讯云这条产品线，会发现一个清晰的脉络：从CodeBuddy到WorkBuddy，再到如今的CodeBuddy NPC，腾讯所做的事情不是简单地把AI工具分发给每个人，而是试图交付一套围绕AI重构的协作方式。这些产品的场景虽略有差异，但保持了“让AI融入真实工作流”的基本思路。

最初，CodeBuddy从代码助手插件切入，随后扩展至IDE、CLI等多种形态，不断贴近开发者日常工作环境，并在腾讯内部实现规模化应用。

▲IDE形态的CodeBuddy

2026年3月，由CodeBuddy团队打造的WorkBuddy进一步将这套理念从研发场景拓展至更广泛的办公协作场景，通过工作空间、专家团、Skill体系和工具连接等能力，让AI能够参与文件处理、内容创作等具体任务，探索从“AI辅助办公”向“AI执行工作”的转变。

而此次发布的CodeBuddy NPC，则进一步深入软件研发链路，围绕 Harness（云端智能体运行时治理层）升级，让“AI队友”们演变为研发流程的直接参与者。

在腾讯内部，这套理念已经演化为一种“AI原生团队”的协作闭环：PM通过需求录入Skill发起任务，AI参与需求澄清与任务拆解；技术Leader与AI共建技术方案并生成研发任务；研发与AI协同完成开发验证；交付分析Skill回收全过程数据，反哺下一轮流程优化。

这意味着开发者角色的根本转变：从代码的生产者，变成定目标、做决策、验收成果的监督者和规则制定者。采访中黄友昆描述了一个具体的场景：有了NPC之后，开发者一上班就可以把当天的任务全部派给NPC，过一会儿把“作业”统一收上来看一遍，决定是修改、返工还是合并。“人的参与比例下降了，但人一定要把关，因为这些代码最终会影响线上服务。”

当然，瓶颈同样存在，腾讯方面对此并不讳言。其一是AI生成PR的速度太快，人的评审验收正在成为新的效率瓶颈。黄友昆说：“现在仓库里可能堆着很多PR等着开发者审，这个问题目前没有完全解决。”

当前可行的解法是提升自动化验证水平，让AI根据测试和扫描结果自修复，朝着7×24小时无人值守的闭环走，未来甚至人在睡觉的时候，NPC和NPC之间也能相互协作，把项目进度往前推。

其二是这类工具的落地效果高度依赖企业自身的自动化基建水平：工程素养高、自动化程度高的团队，收益会被快速放大；自动化水平低的团队，则需要先补上基建这门课，才能充分释放AI的能力。

结语：研发流程重构成AI编程新战场

CodeBuddy NPC的发布，放在更大的行业图景里看，是一个清晰的信号：AI 编程的竞争焦点，正在从“模型写代码有多好、多快”，转向“AI 能否嵌入真实的研发流程”。前者是个人提效的工具逻辑，后者是组织协作的基建逻辑。

沿着这条线索望去，头部玩家的动作殊途同归。Cursor发布面向Agent的代码托管平台Origin，把战线从编辑器延伸到代码仓库；OpenAI也被曝正内部研发GitHub的替代品；Anthropic则推出Claude Tag，让开发者像招呼同事一样在Slack里@Claude派活。大家的路径各有不同，却都在指向同一件事：把AI从写代码的工具，推向参与协作的队友。

这场转变不会一蹴而就。AI生成PR的速度已经跑在人工评审前面，企业自动化基建的高低也直接决定收益的上限，评审瓶颈、基建门槛都还有待跨越。但方向已经明确：研发流程的重构，正成为AI编程的下一个主战场。