以前提到 Qoder，大家第一反应基本都是：

AI 编程工具。

写代码、改 Bug、理解项目、生成应用。

但阿里最新发布的全新 Qoder，已经明显不想只服务程序员了。

产品现在给自己的定位变成：

“你的智能体工作台。”

最关键的一次变化，就是工作对象正在从：

代码工程

转向：

智能体任务。

你不一定需要懂代码。

只需要告诉 Qoder：

我最终想要什么。

剩下的读取资料、拆解步骤、调用工具、修改文件、运行程序、检查结果，可以继续交给 Agent。

一、Qoder 从 AI IDE 变成了“任务工作台”

传统 AI 编程产品通常围绕代码仓库工作。

先打开项目。

再和 AI 聊：

这个 Bug 怎么修？

帮我写一个接口。

重构这个组件。

全新 Qoder 则把入口往前推了一步。

用户面对的不一定是：

“我要修改哪段代码？”

而可以直接是：

“我要完成什么事情？”

例如：

帮我做一个批量压缩、裁剪和重命名图片的小工具。

或者：

根据这些资料整理竞争对手信息，生成一个可以浏览的 HTML 报告。

甚至：

做一个健康管理 App 原型，可以记录饮食、体重和每日活动。

代码可以完全藏在后台。

用户看到的更多是：

任务 → 执行 → 结果。

二、新版直接分成“编程”和“通用”两种模式

全新 Qoder 现在提供两个主要入口：

编程模式 Coding

更适合专业开发者。

任务围绕 Workspace 和代码工程展开，可以继续使用：

Git 分支；

Worktree；

终端；

代码修改；

项目命令；

工程环境。

适合：

功能开发；

Bug 修复；

代码重构；

自动化测试；

大型项目。

通用模式 General

则明显是在扩大用户范围。

它以：

文件夹和任务

作为主要工作边界。

更适合：

资料研究；

文件处理；

内容整理；

数据工作；

自动化小工具；

非研发任务。

甚至不需要关联本地文件，也可以直接开始一个任务。

所以现在不会写代码，也不影响你使用 Qoder 的 Coding 能力。

三、真正的核心还是 Coding Agent

Qoder 虽然开始面向普通人，但并没有把 Coding 能力削弱。

相反：

Coding 变成了底层执行引擎。

例如普通用户说：

给我做一个图片批处理工具。

自己不需要知道：

应该使用 Python 还是 JavaScript；

需要安装什么依赖；

文件怎么读取；

界面怎么实现。

Qoder 可以自己：

理解需求；

选择技术方案；

创建文件；

写代码；

运行程序；

发现错误；

继续修改。

Coding 从一个：

专业技能

逐渐变成：

Agent 可以调用的数字执行能力。

这才是新版真正有意思的地方。

四、“读 → 改 → 验证 → 迭代”形成自主闭环

现在很多 AI 最大的问题是：

会生成，但不会交付。

比如让 AI 写一个工具。

它给你几百行代码。

然后：

结束。

代码到底能不能跑？

界面有没有问题？

功能是否完整？

还是得自己测试。

Qoder 的 Agent 工作方式则进一步形成：

读取任务与环境
↓
规划执行步骤
↓
修改文件 / 写代码
↓
运行程序
↓
查看实际结果
↓
验证功能
↓
发现问题
↓
继续修改

也就是：

执行和验证不断循环，直到任务完成。

这其实比单纯“代码生成能力强”更重要。

五、跨文件修改已经是基础能力

真正的软件工程任务很少只改一个文件。

比如：

给网站增加暗黑模式。

背后可能同时涉及：

全局样式；

主题配置；

组件；

导航栏；

按钮；

本地存储；

页面初始化逻辑。

Qoder Agent 可以根据任务自动寻找相关文件，再完成跨文件修改。

同时还能调用：

项目搜索；

终端；

文件读写；

错误排查；

MCP 工具

等能力。

所以它处理的单位已经越来越接近：

整个任务。

而不是：

一段代码。

六、普通人终于可以直接调用“编程能力”

这可能是全新 Qoder 最值得看的地方。

很多人其实不是没有软件需求。

而是：

不会写代码。

设计师可能想做：

批量素材处理工具。

运营想做：

数据抓取和整理脚本。

产品经理想快速验证：

App 原型。

数据人员可能需要：

自动化报表。

独立创作者可能突然想到：

一个小网站。

以前这些需求都需要：

先找开发。

现在可以直接告诉 Agent：

我要什么结果。

然后让 Qoder 把 Coding 能力藏到底层。

所以它真正想扩大的不是：

程序员数量。

而是：

可以使用程序解决问题的人数。

七、模型也不用普通用户自己研究

现在 AI 模型越来越多。

Qwen。

GLM。

DeepSeek。

Claude。

各种 Coding Model。

普通用户根本不想研究：

哪个模型写 Python 最好？

哪个跑 Agent 最划算？

新版 Qoder 支持用户自己选择模型，也可以直接交给：

Auto 智能路由。

系统根据：

任务类型；

任务难度；

效果；

速度；

成本

自动选择更加合适的方案。

对于普通用户来说，这才比较合理。

选模型应该是平台的工作，不应该变成用户的新负担。

八、40+ 连接器、70+ 插件、20K+ Skills

Agent 想真正干活，还必须连接外部世界。

新版 Qoder 现在已经提供：

40+ 连接器

70+ 插件

20K+ Skills

覆盖开发、测试、DevOps、产品、设计等不同场景。

这意味着它不只是依靠大模型本身。

而是在逐渐形成：

Model
+
Context
+
Tools
+
Connectors
+
Plugins
+
Skills
+
Agent Harness

模型负责理解和推理。

Harness 则负责：

真正把任务执行下去。

这也是为什么现在 AI Agent 越来越不能只看：

底层用了什么模型。

九、Qoder 现在已经有 600 万用户

Qoder 从 2025 年 8 月首次发布到现在，增长速度也非常快。

官方最新公布的数据是：

全球用户超过 600 万。

企业用户：

超过 10 万家。

这些真实 Coding、自动化和企业任务，又会反过来帮助 Qoder 持续优化：

上下文；

任务规划；

代码执行；

验证；

Agent Harness。

相比单纯在 Benchmark 上训练一个 Coding Agent：

真实用户产生的大量任务可能更加有价值。

十、以后“做软件”的人可能真的不只程序员

全新 Qoder 背后其实有一个非常明显的判断：

Coding 正在从职业技能变成通用数字能力。

就像以前：

只有专业设计师会 Photoshop。

现在普通人可以直接让 AI 生图。

以前：

只有剪辑师会 Premiere。

现在 AI 可以一句话做视频。

编程可能也会经历类似变化。

未来普通用户不一定需要学会：

React；

Python；

Node.js；

Git。

但他依然可以借助 Agent：

创建程序；

自动化任务；

处理数据；

构建工具；

完成数字产品。

代码还在。

只是：

用户越来越看不到代码。

结语

全新 Qoder 最大的变化，并不是：

“AI 编程能力又强了一点。”

而是它开始重新定义：

谁可以使用编程。

以前 Qoder 更像：

程序员的 AI IDE。

现在则进一步变成：

所有人的智能体工作台。

专业开发者可以继续进入：

编程模式。

处理代码、Git、Worktree 和复杂工程。

普通用户则可以直接使用：

通用模式。

做研究、整理资料、处理文件、生成工具，甚至把一句自然语言变成真正能运行的软件。

底层真正支撑这一切的，依然是：

Coding Agent + Harness。

只是以后 Coding 不一定要求用户自己写。

你负责：

描述目标、判断结果。

Agent 负责：

读、改、运行、验证，再继续迭代。

从这个角度看，Qoder 这次不是简单从 AI IDE 换成了一个新界面。

而是在尝试把：

“编程”本身变成任何人都可以调用的一种生产力。

相关链接

Qoder 官网

Qoder 官网

全新 Qoder 官方页面

全新 Qoder

Qoder 官方文档

Qoder 文档

Qoder 编程 / 通用模式说明

开始新任务

Qoder Agent 模式

Agent 模式文档

Qoder 更新日志

Qoder 更新日志