论文深度解读(1) | 代码智能的代际跃迁：从 Copilot 辅助到 Agent 驱动

2025 年 12 月，由北航、阿里、字节跳动、上海 AI 实验室等多家机构联合发布了一份长达 300 多页的综述论文——《From Code Foundation Models to Agents and Applications》（代码智能实践指南）。

这篇论文并非对现有工具的简单罗列，而是从学术与工业结合的视角，系统梳理了代码大模型（Code LLM）从数据构建、预训练、微调到最终应用的全生命周期。作为本系列的开篇，我们将重点解读论文中关于软件开发范式转移、基座模型演进路线以及评测标准重构的核心论断。

范式转移：从“辅助”走向“驱动”

论文开篇即提出了一个核心观点：软件开发正在经历从 AI-Assisted（AI 辅助） 向 AI-Driven（AI 驱动） 的代际跃迁 1。

在 2020 至 2025 年的“AI 辅助时代”，GitHub Copilot 是典型代表。其技术本质是基于光标上下文的补全（Completion）——AI 预测下一个 Token，开发者负责通过 Tab 键确认。这种模式下，人类依然是决策和执行的主体。

而论文定义的“AI 驱动时代”（2025+），核心特征是 Agent（智能体） 的介入。以 Cursor Agent、Windsurf 和 Trae 为代表的新一代工具，不再局限于单点补全，而是具备了规划Planning与工具使用Tool Use的能力。当开发者输入“修复鉴权模块的竞态条件 Bug”时，AI 开始能够自主理解仓库结构、跨文件定位代码、调用终端运行测试，并根据报错反馈进行自我修正 2。

这种转变意味着交互接口的升维：从代码行级别的补全，上升到了任务级别的交付。

为了更好的阅读体验，请点击【阅读原文】