从探索需求到持续开发，U2-Flash 背后的技术探索

代码智能体能修复 bug、根据需求写代码。

但如果需求还需要自己探索，开发过程需要反复修改，它能否把任务持续推进下去？

这是云知声 U2-Flash 面向复杂工程开发、长程任务和多步骤 Agent 场景时，关注的关键能力。

围绕这些挑战，云知声联合厦门大学苏劲松老师团队提出 ProgramGym，从训练环境与开发工作流两个方面探索长程程序复现。相关技术已应用于 U2-Flash 的研发，服务其复杂任务与代码智能体能力建设。

创新训练环境，让AI在真实程序中探索需求

只有一个可运行的参考程序和配套文档，不看源码，AI 如何从零编写一个行为一致的程序？

它需要运行程序、观察输入输出，逐步发现需求，再设计实现。训练这些能力，需要足够多可交互、可验证的任务。但真实仓库的依赖、编译方式和功能各不相同，环境搭建与测试准备往往难以规模化。

Program-Env 将参考程序构建、运行沙箱和黑盒测试生成串成自动化流程，并根据构建诊断和测试质量反馈持续修正。

其创新在于，把“程序能否运行”和“复现表现如何验证”一起纳入环境建设，让真实代码仓库转化为智能体可以探索、实现和接受检验的训练任务。

目前，ProgramGym 已构建 1,648 个训练环境，覆盖 C、C++、Go 和 Rust，为训练轨迹采集及后续模型训练提供可复用的任务资源。

对 U2-Flash 研发而言，这项探索提供了可交互、可验证的训练任务，让能力训练覆盖需求探索与行为验证。

创新开发流程，让长程记录有记录、能恢复

任务越长，智能体越容易遗忘早期发现的需求；多轮修改中，也可能破坏已经完成的实现。

Program-Agent 将分析、实现和审查分开，在独立会话中执行，并通过持久化记录交接行为证据、开发进展和修改要求。

分析阶段先探索参考程序；实现阶段依据记录编写代码；审查阶段对比程序行为，将差异转化为下一轮修改任务。这样，探索到的需求能够持续进入后续开发，而不是停留在一次对话中。

版本管理则为失败恢复提供支撑：每轮交付经过独立编译检查，通过后保存为检查点；后续执行失败时，可以恢复到此前通过检查的版本。

这一设计回应了长程开发中的具体问题：如何保留需求、组织迭代，并在出现失败后接续推进。这也与 U2-Flash 面向多步骤工程任务的研发需求紧密相关。

验证技术价值，助力U2-Flash研发

研究团队采用开源模型开展对照实验，检验训练资源与开发流程的实际效果。

在 ProgramBench 上，相同 Claude Code 工作流下，使用 ProgramGym 轨迹进行监督微调后，Qwen3.8-27B 的 Tests Passed 得分从 34.87% 提升至 42.84%，提高 7.97 个百分点。

使用 Program-Agent 后，基础模型与微调模型分别达到 55.71% 和 56.25%。这些结果表明，在该实验设置下，有针对性的训练与开发流程都能改善程序复现表现。

上述得分来自 Qwen 模型的对照实验。相关技术已应用于 U2-Flash 的研发，服务于需求探索、长程执行和反馈修正等能力建设。

写在最后

ProgramGym 将可验证训练环境的自动化构建，与分析、实现、审查相互衔接的开发流程结合起来，回应了代码智能体面临的两个难题：如何规模化获得可交互、可检验的训练任务，以及如何在长程开发中保留需求、持续迭代并从失败中恢复。

作为联合研究方，云知声参与提出 ProgramGym，并将相关技术应用于 U2-Flash 研发。让训练环境与长程工作流的研究成果服务于模型能力建设，为 U2-Flash 面向复杂工程开发中的需求探索、多步骤执行与反馈修正提供技术支撑。

现U2-Flash开启免费调用：

2026年9月30日至10月31日，U2-Flash API 面向新老用户限时免费，不限 Token 用量。

活动结束还可以再领5亿Token！快来体验吧！