主要观点总结
文章讨论了AI辅助研发的趋势和现状，包括从辅助开发人员到涵盖软件开发的整个生命周期的发展。文章还研究了国内公司的辅助研发工具，并探讨了AI辅助研发策略的问题和未来发展方向。主要关注点在于如何解决工具之间的壁垒，实现AI辅助研发工具之间的协同，提高研发效率。
关键观点总结
关键观点1: AI辅助研发的趋势是涵盖软件开发的整个生命周期。
现阶段需要解决如何通过打通工具壁垒，让AI辅助研发工具更好地协同以提高研发效率。
关键观点2: 现阶段AI辅助研发工具存在的问题包括速赢和高杠杆领域已被摘取，AI平台和工具的碎片化加深。
企业需要关注长尾领域如辅助部署、辅助运维等，并寻求解决这些问题的途径。
关键观点3: 云端与IDE智能体协同是未来的AI辅助研发工具的重要发展方向。
通过IDE侧的智能体编排系统，与云端智能体进行协同，可以支持整个研发流程的自动化。
关键观点4: 具体的实践案例如Shire提供的简便AI编码智能体语言，能够实现大型语言模型（LLM）与控制集成开发环境（IDE）之间的自由对话，以实现自动化编程。
此外，文章还提到了IDE智能体的两类能力：本地智能体和云端智能体集成/智能体市场。
文章预览
在那篇《 2024 年 AI 辅助研发趋势 》里，我们谈及了未来的趋势是：从辅助开发人员发展到涵盖软件开发的 整个生命周期。而软件研发本身也是一个复杂的流程，涉及到需求分析、设计、开发、测试、部署等等。在开源的《 AI 辅助软件工程：实践与案例解析 》中，我们研究了国内公司的辅助研发工具，如 Google、GitHub、GitLab 等，以及对应的 Jira、Cursor、IBM Assistant Builder 等工具。 进而发现，现阶段我们需要解决一个问题：如何去打通工具之间的壁垒，让 AI 辅助研发工具更好地协同，以提高研发效率？ AI 辅助研发策略应该如何演进？ 下图是当前 AI 增强的研发工具、平台的主要构建思路： 当前阶段，我们主要通过在已有的 DevOps 工具平台上，通过 AI 增强，来为端到端工作流、多角色协同场景提供场景化 Agents，提升协同效率。而从未来来看， 当前的
………………………………
