[2024-2026历史]人工智能编码代理的演变与未来展望：从Copilot到Claude Code、Antigravity和Kiro–从聊天到自主共享工作的范式转变

📅 发布日: 2026/09/22, 更新日: 2026/09/22 ⏱️ 预计阅读时间约24分钟 (9,426字)

人工智能编码工具2年发展的全面回顾。追踪从GitHub Copilot到Claude Code、Antigravity、Replit和Bolt.new的零设置网络和智能手机远程转向的转变，并预测到2028年无处不在的发展趋势。

概述
2 年演变时间表：从选项卡自动完成到多代理协同工作
主要参与者的历史和设计理念
扩展到网络和移动设备：无处不在的人工智能开发的兴起
2026 年 9 月突破：决策专用人工智能“Jev”和高速代理编排
范式转变：从“聊天”到“自主协同工作”
1. 对话式聊天的局限性
2. 自主协同工作的突破
未来展望：2026 年至 2028 年软件工程
总结
1. 相关文章和参考文献

概述

从 2024 年到 2026 年的两年时间将作为 人工智能从辅助工具转变为自主开发同事 的决定性时代而被载入软件工程史册。

就在两年前，常见的开发人员经验涉及使用 Tab 键接受灰色内联自动完成建议，或者在侧窗口中保持 ChatGPT 打开以询问“如何编写此函数？”，然后手动复制、粘贴和调整代码片段。

今天，2026 年，现代工程标准完全不同：“人工智能代理通过 自主协作 在终端中独立运行命令，跨代码库读写文件，执行单元测试，修复自己的运行时错误，并自主打开拉取请求”。

本文回顾了领先的 AI 编码编辑器和代理（GitHub Copilot、OpenAI Codex、Claude Code、Google Antigravity 和 Kiro）的演变轨迹，分析了从“聊天”到“协作”的结构转变，并预测了 2028 年软件开发的未来。

2 年演变时间表：从选项卡自动完成到多代理协同工作

过去两年，人工智能开发工具的加速发展是前所未有的。这一旅程不仅代表着模型参数的升级，而且代表着从 被动文本生成 到 自主环境交互和多智能体治理 的根本范式转变。

架构比较：以聊天为中心与以协作为中心

检查“聊天模型”与现代“协同工作模型”的操作架构，凸显了人类认知开销急剧下降的原因：

深入探讨：进化阶段和架构突破

第一阶段：内联自动完成时代（2021-2023）

开发者体验 ：当您键入代码时，低不透明度的灰色“幽灵文本”会出现在光标前面；按“Tab”键提交建议。
技术突破 ：通过 OpenAI Codex 对数十亿行公共代码进行训练的下一个代币统计预测。样板打字量减少了大约 30%。
限制：无法跨多文件架构边界进行推理。对于跨模块重构或复杂调试无能为力。

第二阶段：侧边栏聊天时代（2023 年 - 2024 年初）

开发人员体验 ：专用的侧边栏聊天窗格（ChatGPT、Copilot Chat）位于编辑器旁边，用于查询： “为什么这会引发异常？” 或 “为此架构生成 API 客户端。”
技术突破 ：检索增强生成（RAG）索引本地工作区符号，加上长上下文 LLM 推理。
限制：“人类就像复制粘贴的鸽子。”开发人员在传输片段、解决细微的导入不匹配以及手动处理格式冲突方面经历了巨大的摩擦。

第三阶段：自主 CLI 和浏览器内 Web 时代（2024 年末 - 2025 年）

开发人员体验 ：除了像“claude”这样的终端本机 CLI 之外，还出现了基于浏览器的全栈构建器（例如 Bolt.new、v0 和 Replit Agent），从而实现了零本地设置的即时应用程序脚手架。
技术突破 ：具有低延迟推理模型的本机工具使用/函数调用，与 WebContainer 技术（浏览器内 Node.js 沙箱）相结合。代理通过运行 shell 命令并检查实时错误输出来进行自我修复。
限制：无约束文件重写的风险、对大型企业标准的治理以及尝试在小型移动屏幕上进行精细调整时的限制。

第四阶段：多智能体和无处不在的协同工作时代（2025 年末 - 2026 年至今）

开发人员体验 ：在更改代码之前，AI 会生成一个“implementation_plan.md”来调整架构。开发人员不仅可以通过桌面 IDE，还可以通过网络浏览器和智能手机远程控制（Claude Code Remote Control、Replit Mobile）随时随地编排和批准工作流程。
技术突破 ：Google Antigravity 的生命周期编排架构（Plan / Walkthrough / Hooks / Sidecars）、并行 Git 工作树（例如 Claude DevFleet）以及桥接移动设备和执行主机的安全 ChatOps / 远程控制协议。
交付的关键值 ：开发人员不再输入原始语法。相反，“人类在桌面、网络和移动设备上协调意图并批准计划，而自主代理团队则在严格的测试驱动开发 (TDD) 下执行。”

跨阶段的演化矩阵

时代/阶段	领先工具	主接口	自主级别	支持的环境
1.内联自动完成（~2023）	GitHub Copilot，早期 Codex	编辑器中的灰色幽灵文本	零（被动建议）	桌面 IDE（VS Code、JetBrains）
2.互动聊天 (2023–24)	副驾驶聊天、光标、ChatGPT	侧边栏聊天窗口	低（提示的文字答案）	桌面 IDE、Web 浏览器
3.自主 CLI 和 Web (2024–25)	克劳德代码，Bolt.new，v0	终端和Web容器	中-高（工具执行和实时预览）	桌面外壳、Web 浏览器
4.Ubiquitous Cowork (2025–26)	反重力、Replit Agent、DevFleet	计划/挂钩和移动遥控器	极高（TDD、多代理、远程指导）	桌面、网络、移动（iOS/Android）

主要参与者的历史和设计理念

让我们来看看推动现代人工智能工程的五个主要参与者的起源、突破和架构。

1. GitHub Copilot：从自动完成先锋到完全代理

GitHub Copilot 是建立了与人工智能一起编写代码的全球规范的基础先驱。

起源：从 2021 年技术预览开始，Copilot 证明直接在 VS Code 内预测下一行代码可以显着提高开发人员的速度。
进化：
Copilot Chat ：引入了工作区范围的上下文感知，允许开发人员查询整个存储库。
Copilot Edits / Agent Mode ：演变成一个编辑器内代理，能够编排多文件差异并运行后台验证。
理念：牢牢扎根于 IDE（VS Code、Visual Studio、JetBrains）内，通过将智能直接融入开发人员熟悉的工作空间来最大限度地减少摩擦。

2. OpenAI Codex：LLM 编码和沙盒执行的起源

OpenAI Codex 是基础的代码专用模型，是整个生成编码革命的最初催化剂。

历史意义 ：Codex 于 2021 年推出，为原始 GitHub Copilot 提供支持，并证明神经网络可以将自然语言规范转换为语法有效的代码。
代理之路 ：通过 ChatGPT 的高级数据分析（代码解释器）从纯文本输入文本输出 API 转变为支持执行的引擎，最终成熟为能够迭代自我纠正的沙箱感知自主 Codex 代理。

3. Claude Code：敏捷、终端优先的自治 CLI

Anthropic 的 Claude Code 采取了一条极其大胆的道路： 绕过复杂的编辑器 GUI，直接在开发人员的本机终端中操作 。

主要亮点 ：
直接在 shell 中作为速度极快的 CLI 工具运行。
像“git status”、“ripgrep”、目录扫描和测试运行程序这样的命令以超人的速度编排。
利用深度推理模型和庞大的上下文窗口，一次性执行干净的数百行重构。
DevFleet（并行工作树编排） ：率先在隔离的 Git 工作树上运行多个独立的 Claude Code 进程，从而允许并行功能实现和自主代码审查。

4. Google Antigravity (AGY)：企业级规划、规则和生命周期编排

在 Google DeepMind 团队的领导下，Google Antigravity (AGY) 的架构从头开始不仅仅是为了编写代码，而是为企业结对编程提供 严格的治理、生命周期管理和架构清晰度 。

sequenceDiagram autonumber actor Dev as Developer participant AGY as Antigravity (Parent Agent) participant Plan as Implementation Plan participant Sub as Subagents (Research/Self) participant System as Terminal / Hooks / Tests Dev->>AGY: User Request AGY->>AGY: Planning Mode (Research & Strategy) AGY->>Plan: Generate implementation_plan.md AGY-->>Dev: Request Plan Review & Approval Dev->>AGY: Approve Plan rect rgb(240, 248, 255) note right of AGY: Execution & Verification Phase AGY->>Sub: Delegate Research & Sub-tasks AGY->>System: PreToolUse Hooks (Security & Pre-checks) AGY->>System: Apply Code Changes & Run TDD Builds end AGY->>Dev: Deliver walkthrough.md with Evidence

透明的计划和证据 ：
建立了“规划模式”范例，在执行复杂的更改之前需要“implementation_plan.md”以协调意图并评估风险。
使用“walkthrough.md”记录验证证据来结束每个工作流程。
模块化可扩展架构 ：
技能 ( SKILL.md ) ：可重复使用的操作工作流程（文章发布、AWS 图表、系统审核）。
Hooks ( hooks.json ) ：确定性生命周期强制执行（ PreToolUse 、 PostToolUse 、 Stop ）确保严格执行 linter、安全边界和环境配置文件。
规则（ RULES.md ） ：严格遵守项目级指南和格式不变式。
Sidecars ( sidecar.json ) ：持久后台监控和自动维护作业。

5. Kiro：规范驱动的精度和云敏捷性

Kiro 是一家专门从事云基础设施和规范驱动开发 (SDD) 的企业 AI 代理。

主要亮点 ：
严格遵守预定义的模式、正式契约和类型化接口，以生成确定性的、非漂移的代码。
与云编排（Terraform、CloudFormation、SAM）无缝集成，以安全地检测偏差并自动化基础设施操作。

6. Replit Agent：Web 和移动全栈自治构建器

Replit Agent 通过完全放弃本地环境配置，直接从 Web 浏览器和智能手机应用程序使用自然语言建立新的范式—— “Vibe Coding” ，彻底改变了应用程序构建。

主要亮点 ：
在云沙箱中自主搭建后端 API、PostgreSQL 数据库、身份验证提供程序和前端接口，零本地设置。
通过 本机 iOS 和 Android 移动应用程序 实现完整功能。开发人员可以随时随地描述功能或错误修复，在几分钟内查看实时更改并立即部署。

扩展到网络和移动设备：无处不在的人工智能开发的兴起

2024 年至 2026 年人工智能编码发展的一个主要并行向量是从桌面束缚 IDE 迁移到 零设置 Web 环境和移动优先编排 。

1. 浏览器内人工智能编码的爆炸式增长：零设置沙箱

从历史上看，加入代码库需要克隆存储库、解析节点/Python 版本管理器、运行包安装以及在执行单行代码之前配置环境变量。

云原生和浏览器内代理消除了这种摩擦：

Bolt.new (StackBlitz) ：
利用 WebContainer 技术 直接在用户的浏览器选项卡内执行完整的 Node.js 运行时。
消除服务器配置延迟；一个完整的全栈 Vite 应用程序在输入提示后几秒钟内就会启动，提供即时编辑和实时预览。
v0（维塞尔） ：
专门生成生产级前端用户界面（React、Next.js、Tailwind CSS、shadcn/ui）。
将对话提示与交互式视觉模型合并，使产品经理和设计师能够进行视觉迭代并一键直接部署到 Vercel。
GitHub Copilot Workspace（和统一云代理） ：
开创了直接从 GitHub 启动的端到端云开发生命周期问题：需求解析、规范生成 (Spec)、规划 (Plan)、代码修改、测试验证和 Pull 请求创建都完全在浏览器选项卡中执行，无需接触本地编辑器（现已融合到统一的 Copilot 代理体验中）。

2. 网络和移动现实：原型设计和生产之间的采用差距

虽然社交媒体上华丽的演示经常声称“现在可以仅在浏览器内或 iPhone 上构建整个应用程序”， 这些工具实际上渗透到现实世界的生产工程有多深？

2026 年的现实揭示了明显的两极分化： 快速的 0 对 1 原型设计和关键任务的 1 到 100 企业软件维护之间仍然存在巨大鸿沟 。

① 为什么“仅限移动端的端到端开发”在生产中没有流行起来

从技术上讲，Replit Mobile 和 Bolt.new 等平台使得从智能手机生成、预览和部署完整的应用程序成为可能。然而，由于以下几个基本障碍，专业工程团队坚决不采用移动屏幕作为日常驱动程序：
- 物理调试限制 ：在小型触摸显示器上对数百行堆栈跟踪进行分类、分析复杂的多文件差异以及检查网络请求仍然非常不切实际。
- 企业安全和网络边界 ：关键任务存储库、内部 VPC、受 VPN 保护的数据库以及合规性要求严格禁止在非托管个人移动设备上签出或执行。
- 0 比 1 与 1 比 100 的差距 ：当从头开始引导新手 MVP 时，Web 原生工具会大放异彩。然而，他们很难吸收数十年的遗留依赖项、专有的单一存储库和复杂的本地构建管道。

② 实际生产现实：远程指导和无阻塞签核

那么，当今的工作工程师如何实际利用移动和网络模式呢？
真正的主流采用模式不是“在智能手机上键入代码”，而是 使用移动设备作为异步远程控制来监视和批准在桌面工作站上安全执行的自主代理 ：

远程会话监控和批准（Claude 代码 /rc ） ：

开发人员让 Claude Code 或 DevFleet 在其办公室工作站或私有云盒上运行。
当代理遇到决策边界时（例如， “我应该继续数据库迁移吗？[y/n]” ），开发人员会在手机上收到推送通知，审查提议的计划，并发送一次确认击键以恢复自主执行。

GitHub Mobile 用于 AI 支持的公关审核和分类 ：

在离开办公桌时查看代理生成的 PR 摘要、测试通过率和安全漏洞扫描。

有针对性的绿地原型设计 (Bolt.new / v0) ：

专门针对快速构思、UI 模型和周末黑客马拉松进行了分区——与生产存储库不同。

总之，工程战场仍然牢牢扎根于 桌面工作站、安全终端和久经考验的 IDE（Claude Code、Google Antigravity、Copilot） ，而 Web 和移动模式则充当专门的原型沙箱和轻量级非阻塞遥控器。

3. 平台和设备兼容性表

以下矩阵对每个工具的 官方本机功能 及其 实际生产采用 进行了分类：

◎（Native Complete） ：针对平台优化的专用UI/应用程序；从开发到执行和部署的完整生命周期。
◯（远程控制/集成） ：正式支持远程控制、会话监控或从桌面主机进行切换。
△（仅限于检查） ：仅限于预览、聊天查询或审查代码；主动编辑/编码是不鼓励或不切实际的。
（不支持） ：未提供官方网页或移动用户界面；严格要求桌面/本地 CLI 环境。

工具/代理	桌面 IDE/CLI	浏览器内网页	智能手机和手机	现实的生产采用和工作流程
克劳德·代码	******（超快速终端 CLI）	******（ `claude.ai/code` 云）	◯ （远程控制 `/rc` ）	主流生产。锚定于本地/云终端CLI；官方“/rc”支持远程移动批准
谷歌反重力	******（BRAIN CLI / IDE / SDK）	******（需要桌面主机）	******（无官方移动应用程序）	企业标准。专为结构化规划（Plan/Hooks）、严格的 TDD 和私人公司治理而构建
GitHub 副驾驶	******（VS Code / JetBrains）	◯ （统一网络代理）	◯ （GitHub 移动/远程）	日常支柱。嵌入式 IDE 编辑/代理模式，由 GitHub Mobile 增强，用于 PR 分类和远程监控
Bolt.new / v0	×（无本地 CLI）	******（WebContainers / Vercel）	△ （仅限预览检查）	原型设计专家。绿地 MVP 和 UI 模型的速度无与伦比，但很少用于大型企业代码库
复制代理	△（网络同步客户端）	******（云全栈）	******（官方 iOS/Android 应用程序）	专注于爱好和独立。突破性的移动原生执行，但在大型工程组织中的采用仍然是利基市场
基罗	******（CLI/扩展）	******（需要本地主机）	******（无官方移动应用程序）	基础设施专家。专为安全 CLI 环境中的 AWS/IaC 自动化和规范驱动开发而定制

2026 年 9 月突破：决策专用人工智能“Jev”和高速代理编排

2026 年 9 月中旬，随着 “Jev” 的首次亮相，AI 编码代理格局见证了另一场巨变，这是由 TypeSafe AI 推出的决策专用人工智能模型，由前 OpenAI RLHF 研究员 Diogo Almeida 及其团队创立。

1. 杰夫是什么？“非文本生成”决策模型

在前沿 LLM（通用推理引擎）的整个发展过程中，盛行的竞赛集中在扩展参数和推理能力上，以生成越来越长的散文、架构图和复杂的源代码。

与此形成鲜明对比的是，Jev（于 2026 年 9 月 15 日发布）纯粹是为 Daniel Kahneman 的 “系统 1”（直观、即时决策） 设计的，创造了一个全新的人工智能类别。

零自然语言生成 ：
Jev 不聊天，不写散文，也不生成样板代码。当输入结构化的“状态”和有针对性的“问题”时，它仅以严格类型的决策（ 选择、分数或 Noul：布尔评估 ）和格式化为紧凑 JSON 的校准概率进行响应，为立即编程分支做好准备。
超低延迟（70–500ms）和小成本 ：
Jev 摆脱了逐个标记的自回归文本生成的开销，其推理速度比前沿法学硕士快几十到数百倍，从而大幅削减了标记消耗和计算费用。

2.“系统1+系统2”编码代理革命

为什么 Jev 在 2026 年秋季受到编码代理构建者如此热烈的欢迎？因为它消除了 自主代理执行循环中的单一最大瓶颈 。

此前，Claude Code、Antigravity 和 Cursor Agent Mode 等智能体甚至依赖于数十亿参数的重型推理模型（系统 2），即使是微小的微观操作决策：
1. “接下来我应该运行‘grep’还是‘find’？”
2. “这个测试失败痕迹是致命的，还是可以重试？”
3. “该命令是否违反了 PreToolUse Hook 安全边界？”
4. “这个任务应该委托给并行子代理还是内联处理？”

为数十个微观决策付出 2 到 5 秒的延迟代价和大量的推理成本，会在自主自我修复运行期间产生巨大的摩擦和累积的空闲等待时间。

flowchart TD Task["User Task / Objective"] --> FastRouter["Jev (System 1: Rapid Decision / 70ms)"] FastRouter -->|"Frequent Tool Selection & Hook Validation"| AutoExec["High-Speed Execution Loop (Terminal / Hooks)"] FastRouter -->|"Deep Planning & Complex Code Generation"| HeavyLLM["Claude / Antigravity (System 2: Reasoning LLMs)"] HeavyLLM --> AutoExec AutoExec --> Feedback["Execution Feedback / Test Results"] Feedback --> FastRouter

借助 Jev，混合代理架构已成为标准：频繁的分类、工具门控和安全策略检查（Hook）由 Jev（系统 1）在数十毫秒内解决，保留像 Claude 和 Antigravity（系统 2）这样的重型推理模型，用于深入的架构规划和复杂的重构。

3. Agent的未来：异构多模型网络

等级	模型	核心优势	延迟和成本概况
系统 1（直观且即时）	效果（TypeSafe AI）	任务路由、工具调度验证、布尔检查、Pre-Hook 审核	70–300ms / 计算成本可以忽略不计
系统 2（审议和生成）	克劳德代码/反重力（前沿推理法学硕士）	规划模式、大规模架构重构、TDD实施	多秒/推理丰富

通过将即时系统 1 决策与反思性系统 2 推理相结合，到 2026 年底，编码代理已经从单一的整体法学硕士升级为 速度极快的异构自治团队 。

范式转变：从“聊天”到“自主协同工作”

为什么软件工程世界果断地从对话式聊天转向自主协作？瓶颈在于人为摩擦。

对话式聊天的局限性

人类复制粘贴摩擦力 ：
无论聊天窗口中生成的代码多么干净，人类工程师都被迫手动复制、粘贴、找到正确的文件、修复导入并解决类型错误。人成为了执行的瓶颈。
上下文隔离 ：
基于聊天的模型对本地存储库现实的感知为零——git 分支状态、安装的包版本或运行时错误输出。

自主协同工作的突破

协同工作的本质是 AI代理直接与运行时环境交互 。

工具使用和持续反馈循环 ：
使用本机工具（“run_command”、“replace_file_content”），代理可以运行测试、检查故障跟踪、识别根本原因，并在 自我修复反馈循环 中自主修复代码。
多代理编排 ：
复杂的工作流程不会使父对话超载，而是委托给专门的子代理（用于代码库扫描的“研究”，用于并行任务的工作代理），在扩展吞吐量的同时保留上下文。

未来展望：2026 年至 2028 年软件工程

展望未来两年，我们预计将发生三大架构转变：

1. 人的转变：从编码员到车队总监

软件工程师的主要角色将不再是在 IDE 中输入语法。
工程师将成为 代理舰队总监 ，负责将模糊的业务需求转化为正式规范、编排代理团队、审查架构并保证安全。

2. 自我修复 CI/CD 和自主 Sidecar

人类工程师被失败的部署管道唤醒的日子将会减少。
持久性 Sidecar 代理将监控生产中的可观察性指标，通过复制测试自动打开诊断拉取请求，并在隔离环境中进行修补程序。

3.代理优先的代码库架构（代理工程）

存储库将被有意构建，以便人工智能代理可以安全地导航、理解和修改它们。
像 .agents/rules.md 这样的正式指南、严格的静态类型和模块化边界将成为主要的技术资产。

4. 无处不在的编排：在任何设备上的任何地方进行编码

严肃的软件工程需要坐在办公桌前、面对多显示器设备的假设正在逐渐消失。
开发人员通常会在通勤时或从移动设备发出语音指令，指挥本地或云端托管的代理车队（Antigravity、Claude Code、DevFleet）来搭建功能、运行测试套件并部署到临时环境，在需要人工架构签核时接收推送通知。

总结

2024 年至 2026 年之间的决定性技术转变是人工智能从咨询聊天机器人演变为 真正的自主工程合作伙伴 。

从 GitHub Copilot 中的简单自动完成开始，现已发展为 Claude Code 的深度终端自主性、与 Google Antigravity 的结构化企业配对，以及快速 Web 原型设计 (Bolt.new) 和安全的工作站锚定执行之间的务实分工。

软件工程师必须拥抱 代理工程 ——将确定性且繁琐的实施循环委托给桌面、浏览器和移动设备上的人工智能代理，同时将人类智慧集中在架构、系统边界和用户价值上。