为 Agent 重新设计开发者体验丨iRTE2026 开发者工具专场回顾

一年前，开发者用 AI 写代码，大多还是让它补全几行、改一个函数。今天，Claude Code、Codex 这类工具已经能读懂整个项目，自己调用工具，连续执行几个小时的任务。

Agent 能做的事多了，开发者遇到的问题也变了。调用超时后能不能放心重试？跑到第四十步时，Agent 还记不记得前面做过什么？十几个 Agent 同时工作，人又该怎样参与？

10 月 24 日，在 iRTE2026 实时智能大会「开发者工具专场」中，来自 MiniMax、盛大 EverMind、月之暗面、阿里 Qwen Audio、Agora 等项目的讲者，围绕 Agent 的可靠执行、长期记忆与人机协作，分享了各自的技术实践。

MiniMax 葛明放：让 Agent 在长任务中可靠执行

今年，Agent 逐渐从对话走向持续执行，一个任务调用上百次工具已不少见。Function Calling 早已是大模型的标配能力，可调用格式正确只说明请求能被解析，任务能否可靠完成，还取决于调用发出之后系统怎样处理。

葛明放从两个常见故障讲起。一个是调用超时后重试，同一个文件被写入两次，同一笔订单被下了两遍；一个是类似四十步的长任务执行到后半段，Agent 又把第二十步重做了一遍。

其中最容易误判的是超时。超时只说明调用方停止了等待，远端可能已经写完文件、下好订单，也可能根本没有收到请求。

两种情况在 Agent Loop 里表现一样，处理方式却完全相反，前者应当复用已有结果，后者才需要重试。因此，调用结果不能只有成功和失败两种状态，系统要能明确记录「未知」，再通过核对执行记录决定下一步。

此外，长任务还要面对上下文压缩的挑战。摘要如果只记「聊过什么」，Agent 恢复后就可能忘掉用户的授权范围，或者把做到一半的操作当成已经完成。关键的任务状态应当单独持久化，由系统负责记住，不能交给模型去推断。

EverMind 艾略特：让经验跨 Agent 积累

过去两年，大模型的上下文窗口一路变长，可上下文越长，幻觉和 Token 成本也随之增加。当 Agent 开始承担持续性的工作，怎样让它记住真正重要的信息，成了新的问题。

EverMind 最初做记忆，目标很朴素，帮用户省 Token，在合适的时候召回用户说过的内容。今年 Agent 开始大量执行任务，团队意识到还需要另一种记忆。User Memory 记住用户是谁、喜欢什么；Agent Memory 记住任务是怎样做成的，包括处理过的案例和可复用的 Skills。

做着做着，团队又发现记忆和知识很难分开。经历过什么、做过什么决定，属于记忆；读过的书、学过的东西，属于知识。两者边界不清，又互相成就。EverOS 2.0 把它们放在一起，在用户不在线时离线整理、反思和归纳已有信息，还会主动提醒用户回顾学过却快要忘掉的内容。

记忆为什么要跨 Agent？新的 Agent 和 Harness 不断出现，用户在不同工具之间切换已是常态。账号被封、价格突然上涨、想换一个更好用的 Agent，积累下来的上下文都可能一夜清零。

艾略特把 EverMe 比作 Agent 时代的「网盘」，让记忆跟着用户走，不再困在某一个工具里。

「网盘」这个比喻一出来，听众最先问的就是隐私。EverMe 的做法是让记忆可见、可改。用户可以直接增删记忆，也可以只在桌面端本地使用；提到某些关键词时，相关记忆不会被调用。

月之暗面唐飞虎：长程任务与 AI 蜂群

AI 最近最大的变化之一，是能够独立执行长程任务——唐飞虎引用了 Jeff Dean 今年接受 YC 访谈时的判断。

月之暗面一位没有编程背景的同事，用 Kimi K3.1 花了约四天做出一款 FPS 游戏，这期间大部分工作由模型自己完成。

能力在变强，也在快速变便宜。2022 年发表在 Science 上的 AlphaCode，解一道竞赛题要先大规模采样，从上万个候选里才能挑出一个正确答案；今年，一个普通的 AI 订阅就能解对，有时还能找出复杂度更低的算法。模型对难度的判断也开始和人类不同。一场区域赛的命题人用 AI 验题，AI 认为题目很简单，比赛中的金牌选手却只做出四道。

评估方式也随之改变。Agents' Last Exam 这类基准把模型放进 Unity、Unreal、RPG Maker、Blender 等真实软件界面中，同时比较不同 Harness 的组合，并记录运行时长和 Token 花费。除了能否写出代码，能否持续推进、要花多少时间和成本，也成了衡量模型的指标。

模型能跑得更久以后，人反倒成了协作中的瓶颈。修改关卡、镜头或角色动作时，如果每个细节都靠文字描述，来回沟通既慢又费 Token。唐飞虎展示的一款游戏，开发者先让 AI 做出关卡、骨骼和摄像机编辑器，人在编辑器里直接调整，再交回 AI 继续迭代。

无人值守的时间正在从几个小时延长到两天，芯片设计、CUDA 内核优化、逆向工程这类任务都可以交给模型长时间运行。开发者睡前下达任务，第二天在通勤路上用手机验收。持续执行还离不开调试能力，模型需要从画面中发现贴图错误这类问题，再回到代码里修复。

Qwen Audio 张彬彬：从实时对话到持续行动

从 Siri、小冰、智能音箱到 GPT-4o Realtime，语音交互的角色一直在扩大，从指令入口变成了实时对话的伙伴。今年，语音助手开始承担持续性的任务，在 Codex 的语音模式里，用户只需描述需求，就能驱动 Agent 工作。对话与执行怎样配合，成为语音 Agent 的新问题。

回顾语音对话系统的演进，模块一直在合并。早期系统由 VAD、ASR、规则对话和 TTS 串联而成；大模型出现后，语义理解和回答生成合在了一起；语音大模型又把 ASR 和 LLM 合并，开始理解语气、情绪这类文字之外的信息。再往前一步是全双工的 Speech-to-Speech 模型，由一个模型判断何时倾听、回应、等待或停下。模块越少，系统越简单，交互能力的上限也越高。

合到一个模型里，意味着它既要会聊天，也要能办事。

Qwen 团队在文本预训练模型的基础上引入语音与文本的多模态数据；强化学习阶段，先分别训练语音理解、Agent、共情与角色扮演等领域的专家模型，再通过多教师 OPD 把这些能力汇聚到一个模型中。语音对话还要守住两组平衡，说得口语化，又不能显得降智；回答要简洁，也要有情商。

能力合在一起以后，交互方式也在变化。在文字界面里，用户要先点「新建任务」；在语音交互中，用户只是持续地说，先让 Agent 做 PPT，过一会儿又让它整理工作总结，中途还能随时修改。用户不用再管理任务，系统后台仍会抽象出任务，由模型自动定义。

开源的 Qwen-Audio-Agent 框架因此采用前后台分工。前台模型负责实时对话，后台 Harness 通过 ACP 接入 Codex、Claude Code 等已有 Agent，承接耗时任务。哪些事交给后台，取决于时效要求。车载场景里，导航、车控需要立即响应，留在前台处理；长时间的异步任务才交给后台。某次工具调用需要两三秒时，前台可以先说一句承接语；后台结果返回后，再通过队列和状态管理选择合适的时机播报。

Hermes Frangoudis@Agora：为 Agent 重新设计开发者体验

过去，开发者体验面向的是人。从入门指南、进阶教程到示例代码，文档要帮助开发者一步步熟悉平台。如今，越来越多开发者让 coding agent 直接写代码，自己专注于决定要做什么，读文档、找示例、写配置的变成了 Agent。

Hermes 分享了 Agora 这一年的判断。Agent 接不通一个平台时，开发者往往一句抱怨也没有，直接换用竞争对手的产品。Agent 的工作方式又是非确定的，缺什么信息就会去猜，一猜就容易出错。

因此，开发者体验的目标变成了可预测——让 Agent 每次都能拿到正确的信息，产出能运行的结果。

围绕这个目标，Agora 逐层减少 Agent 需要猜测的地方：文档同时生成 HTML 和 Markdown 版本，并通过 MCP 提供检索，人和 Agent 用的是同一套搜索。Agora Skills 补上文档讲不清的判断，比如什么场景该用哪个产品，以及 React 双重挂载导致麦克风无法释放这类常见陷阱；具体细节则链接回文档，避免 Skill 安装后信息过时。

Agents SDK 用类型约束参数，Agent 传错参数会在编译时报错，不必等到调用接口、花了时间和费用才发现。Agora CLI 把建项目、取凭证、写环境变量都留在终端里，Agent 不用打开浏览器操作控制台。Agora Recipes 则让 Agent 从可运行的示例项目起步。

Agora 开发者关系团队最大的收获，是告诉 Agent 不要凭空写实现代码，先把示例克隆到项目旁边再修改，就像开发者过去去 Stack Overflow 复制代码一样。

这些工具分工不同，指向同一件事。人负责决定做什么、用哪些功能，Agent 负责把工作可重复地完成。

圆桌｜开发者工具如何演进：从 Demo 走向生产

在 Agora 开发者体验与平台负责人张乾泽主持的圆桌讨论中，盛大 EverMind 开源生态负责人艾略特、AI 自媒体及资深软件工程师海拉鲁编程客、LodyAI 联合创始人 & CEO 陈子轩，围绕开发者工具的演进、Skills 与 MCP 的前景，以及 Demo 走向生产的挑战展开讨论。

开发者工具会消失吗？

张乾泽抛出了一个比喻。斧头是帮人伐木的工具，可如果有一台机器人全自动伐木，它还算不算工具？

海拉鲁编程客把今天的 Harness 比作马车时代的马具。交通工具会从马车换成电动车、高铁，只要人还想去更远的地方，工具就会一直迭代。他自己从 VC 6.0 一路用到 Sublime、VS Code、Cursor，每隔一段时间就有一批工具冒出来，另一批被淘汰。

艾略特说自己现在用 AI 只遵循一个字，懒。他曾经是狂热的编辑器配置者，如今已经想不起上次打开 IDE 是什么时候。非程序员则更愿意相信每个工具各有所长，比如专门切到 Gemini 写文案，再复制回原来的流程，时间都花在了工具之间的搬运上。

陈子轩更关注使用工具的人。他所在社区的一位活跃贡献者，经常半夜帮忙写代码、接入各种 Harness，主业却是经营猫粮店，今年年初以前从未写过一行代码。面对这样的新开发者，工具的重点也从输入响应速度，转向帮助人理解 AI 生成的大量代码，并在团队中共享知识。

Skills 和 MCP 会长期存在吗？

陈子轩看好 Skills。相比需要安装、配置的 MCP，Skills 发一句话或一行命令就能装上，分发、复用和迭代都容易得多。这类东西本质上是一种分享规范，就像 TCP 和键盘布局，一旦形成习惯，后来者即使定义得更好也很难替代。艾略特则认为，Skills 中的部分信息会被训练进后续模型，MCP 作为连接工具的桥梁，可能存续得更久。

海拉鲁编程客的经历提供了另一种参考。他去年维护过二十多个 Skills，每个写了几千字，还配了参考资料和脚本，如今常用的只剩五六个。去年要反复约束不听话的模型，今年这些约束反而成了束缚，很多任务只要说清意图就能完成。陈子轩补充，弥补模型能力不足的 Skills 可能被模型吸收，版本发布、用户反馈收集这类组织内部流程，仍然需要 Skills 来承载。

当 AI 参与选型，SDK 厂商需要做什么？

陈子轩观察到，接入一个库或 SDK 越来越像刷卡进地铁，人几乎感觉不到，有些接入是 AI 顺手完成的，人甚至没看到那条消息。这也意味着，越来越多的技术选型正在交给 AI。张乾泽提到，如果 Agent 压根搜索不到某项服务，这项服务就直接出局了；即使搜到了，试了一下跑不通，Agent 也可能建议用户别用。过去厂商关心搜索引擎能不能找到自己，现在还要关心 AI 能不能找到、能不能跑通。

海拉鲁编程客认为，AI 往往能完成九成工作，专业开发者看得出剩下一成缺在哪里，新手只会觉得能跑就行，框架和 SDK 应当帮忙补上这一成。艾略特说自己常常用语音输入一大段需求，连读都懒得读，任务做完后再反复追问 AI「做好了没有」。他希望工具自带校验，替用户检查常见错误。

Demo 很容易，生产为什么难？

陈子轩表示，AI 两三天就能做出一个七八成场景可用的 Demo，可部署给真实用户之后，稳定性、安全性和平台兼容性问题才会陆续出现。做 Demo 时有大量未知的未知，只有上线以后，它们才会变成已知的问题，再一个个修。

验证的成本也在转移。艾略特说，几年前有人为了简历去大仓库找错别字提 PR，现在跟 Agent 说一句话就能提交贡献。团队如今会给外部 PR 统一打上标记，先在内部跑一遍检查，再结合人工、自动化和浏览器测试确认质量。

界面呈现这类部分，可以放手交给 AI 迭代；账目、数据可访问性、安全性这些业务核心，还得有人负责。陈子轩试过 Spec 驱动开发，也试过用 Lean 做形式化验证，发现难处在人这边，AI 能写出规格和证明，人却看不过来，甚至分不清它到底证明了什么。海拉鲁编程客补了一个数字。同一块功能，按他的经验一万行左右能写完，AI 写出来有三万行，他一定要压到一万五左右才放心。

海拉鲁编程客用 Go 搭建语音级联方案时，也走过一遍这样的路。响应速度提上来，内存占用又升高；内存问题解决了，又碰上硬件限制。不过他也提醒，Demo 首先用于验证方向。如果最初的想法吸引不了用户，再精细的工程优化也可能投错了地方。

张乾泽也提醒，开发者很容易混淆 Demo 和产品，把精力花在当下并不重要的细节上。

圆桌最后，几位嘉宾聊到了 Postman 和控制台这类工具的未来。人过去必须亲手操作的界面，正在交给 Agent 去用，界面会越来越简单，只留下人做最终决定的那一步，背后的需求依然存在。

对开发者工具来说，这意味着它多了一类新的用户。Agent 能不能找到它、读懂它、跑通它，会越来越多地影响人最后看到的选择。