1.1 开发者一些日常成长需求与 AI 应用痛点

自 CodeBuddy 及行业 AI Coding 工具诞生发布以来，伴随业界 LLM 的高速发展，特别是近半年 AI Agent 在行业内的快速崛起，在我们与外部企业负责人、高校院校负责人，以及团队内部及各 BG 业务团队中一群专业技能很强、经验丰富、高频使用 CodeBuddy 核心功能的一线开发者们进行了日常 QA、抽样调研，发现大家反馈比较高频的需求如下：

• AI 时代开发者需要的技能是什么？如何在时代中不被淘汰？
• 如何更好地驾驭好 CodeBuddy 这类 AI Coding 工具？
• 如何实现团队知识及技能传承，如 Prompt，团队内部规模化落地，每个成员都能借助 AI 进行高效工作，而不是"技能孤岛” ？
• 如何让 AI 像人一样具备现实世界的技能？

同时，我们也发现了一些使用 AI 工具的痛点问题，如下：

• 提示词冗长低效：复杂任务依赖长提示，效率低且难复用，无法沉淀能力。
• 协作流程混乱：团队使用AI方式不统一，知识碎片化难以显性沉淀。 
• 上下文资源浪费：每次对话重复"教育"AI，Token消耗大易超限。
• 专业能力欠缺：通用 AI 缺乏领域深度，无法组装技能解决复杂问题。

1.2 从知识到技能

本质是能力到技能的转化：对于上述痛点和需求， 我们 CodeBuddy 团队一直在进行探索和深入研究，跟进业界进展，从分类上可以分为产品能力建设提供支撑、另外一个角度是自身/业务实践赋能，通过产品功能形成操作手册知识库，用户学习掌握，即为技能。 如近期的案例：《CodeBuddy Code 是怎么做到 90% 产品代码由 AI 生成的》

其实，我们日常接触的广泛信息传递和输入，本质上是一种知识的输入到技能的输出给到大家，通过知识的转化，我们获得了新的技能，具备解决问题的能力。

如图举个例子：我安排一个同学去解决一个问题，一方面凭借自身经验，有无技能，另外一方面回去查询技术资料，如规则约束，流程，方法，这里包含了 2 个关键内容，即：

• 显性化知识：技术资料等知识库，规则约束，流程、方法
• 隐性的知识：自己经验经验，有无技能，最佳实践

想象这样一个场景：你是团队的技术专家，手头有个棘手问题需要解决。凭借多年经验，你三下五除二就搞定了。但如果此时来了一位实习生小明，你会怎么教他?

我们可能会亲自"去解决这个问题"，或是耐心地告诉他：先查哪份技术文档，遵循什么规则约束，按照什么流程操作，使用哪些工具，注意哪些坑点，最后检查哪些关键项。这个过程，本质上是将你脑海中的隐性知识(经验、技能、最佳实践)转化为显性知识(文档、流程、方法)，让小明能够复制你的成功路径。

AI 的困境：知识丰富却缺乏技能

现在，如果我们把小明换成 AI 呢? 从 AI 角度来看，知识就是大模型本身训练的语料，针对特定领域的事项，如果没有私域知识的输入，特定领域的技能支持，AI 很难按照我们的意愿执行，难以满足，最终结果也不一定好。 同样拥有了知识，如果缺乏和外界的交互，也很难有好的结果。所以 AI 一直在想方设法的拓展它对外部的一些边界和能力来提升效果。如 Prompt、Rules、MCP、A2A 协议及最新发布的 Skils 这些都是为了更好的扩展大模型的知识边界，方便大模型和外部的协同。

期望 AI 像人一样自主执行和独立操作

如果我们也希望 AI 能按照人的思路、自主执行，首先要解决的一个核心问题就是，得将我的私域经验显性化表达出来， 类似 Rule，有没有一种 工具形态，可以将方法，工具，技术，知识这些经验都需要你提前定义好，给 AI 专注解决问题的本质，让 AI 按你的结果目标来运行。