标签 AI驱动开发 下的文章

想必做移动端的朋友们肯定或多或少听说过 Kotlin 和 Compose Multiplatform,
前者是 JetBrains 开源、Google 首推用于 Android 开发(自 2019 年 Google I/O 大会起)的现代开发语言,
后者是使用 Compose API 开发多端(Android、iOS、桌面端、Web 端等)应用的 UI 框架。

但是不论你是使用 Compose/Kotlin 开发应用,还是使用其他解决方案,都会有一个苦恼:使用代码编写 UI,
终归是不如大家最喜欢的拖拖拽拽来的直观。你选择 Compose/KMP 的理由,其中大概率有一条会留给它的多平台逻辑共享与原生互操作能力,
避免中间层的出现,可以有更好地表现效果与上限。

那么有没有什么办法,可以即让我使用 Compose 开发应用、又可以借助 AI 神力并且以拖拉拽的形式而免去需要写代码的苦恼?
如果你有这些想法,那么也许你可以关注一下 ComposeFlow: 一个 Compose Multiplatform 的可视化应用构建器。

注意,这篇文章图片会比较多喔~

什么是 ComposeFlow

ComposeFlow 是一个 Compose Multiplatform 的可视化应用构建器,它通过 AI 代理和直观的拖放界面,
赋能开发者、企业家、设计师和产品经理创建功能完整的应用程序。它能生成完整的、可运行的 Compose Multiplatform 项目,
并提供干净的 Kotlin 代码,支持桌面、Android、iOS 和 Web 等多个平台。

以上是它们的 GitHub 仓库中的首段自我介绍。
简单来说,它就是一个 AI 驱动、可视化、拖拉拽的 Compose Multiplatform 开发工具。


图片来自官方 GitHub README 中的配图。

更多信息,你可以前往它们的 文档 了解更多。

使用

安装

首先需要知道,这个工具目前仍处于早期阶段,因此可能存在各种各样的问题,我们今天就只是尝鲜为主。

根据 GitHub 的说明,我们前往它们的下载页面去下载对应的应用(Windows 用户可以直接使用 Microsoft Store 安装)。
安装完成后,它会提示你登陆账号(也可以不登录,只不过那样就不能使用 AI 服务了),我选择使用 Google 账号登陆。

登录后,这就是它的首页:

创建项目

毕竟是新安装的,我们先来创建一个项目。

就按照它的推荐提示词,创建一个任务管理的应用,为了方便演示,我加了一句 “USE CHINESE”,其他的内容均未修改。




通过 AI 提示词创建一个项目的基本过程就在上面了。它会根据你的基础提示词,设计出几个详细的界面设计,
然后再根据每个界面的细节内容生成具体的界面布局与样式,然后在右侧供你预览。当一切就绪,你就可以直接创建项目了。

作为一个尝鲜体验,我就不修改什么了,直接默认并创建即可~

那么接下来,我们点击 create project 创建一个项目看看。

项目视图

首次进入项目内容,它会给你一个引导,欢迎你,并告诉你一些操作方法:

项目的左侧,是各类工具视图,它们提供了添加文字、图标等组件的 UI 构筑功能,以及布局功能等等,如图所示:

接下来,为你介绍了画布的正中央:你的 UI 表现效果,以及画布尺寸、明暗等内容的配置和展现。

随后是右半侧,提供了选中组件的各类属性信息的展示与编辑等。

当然,作为一个 AI 驱动的工具,除了构建项目之外,肯定也会在其他功能上增加 AI 能力。左上角的小图标便是提供 AI assistant 能力的地方。

接下来引导就结束了,然后便是我们自由发挥的时候啦。
下面便是我生成的项目的一些基本样式与信息:




可以看到信息和功能还是相当丰富的。而且除了基本的 UI 设置之外,左侧工具还可以选择切换到:

  • 数据 / 枚举类型定义
  • App 状态 (App state)
  • Firesotre (好像是某种 NoSQL 的云服务?)
  • API editor (看上去是配置 API 调用的)
  • 配置主题配色的 Theme editor
  • 图片图标等资源的管理 Assets
  • 项目和应用的基础配置

可谓是功能相当丰富。





下载 & 安装项目

不过这次主打一个基础体验,我也就不做什么修改了,直接点击右上角的 “下载代码”,下载一份 Web 版的看看样子。
有一说一,它这个下载成功的提示真的很不起眼哈哈


可以看到,项目的大概文件结构是这个样子的:

安卓、iOS 和 JS 都有(虽然不知道为什么没用 WasmJs),也是相当全面了。
让我来随便找几个源代码文件看看内容:

嗯… 整体来说还是可以的,不过也有一些小缺陷:

  1. 代码可以说几乎没什么注释。
  2. 由于我一开始的提示词用了 USE CHINESE,结果导致它生成的代码中存在一些使用中文命名的类型。

上面这几个小缺陷我觉得如果用英文原版的提示词,或者再精修一下、将这些问题都在提示词中说明白,
那应该也都是可以避免的,所以问题不大。

运行项目

考虑到我没配置移动端的开发工具和相关的东西,咱们就跑一下 web 端看看效果吧。




嗯… 让我们先忽略它中文乱码的问题,这是 Compose for Web 渲染 canvas 的老问题了,找个中文字体加载下就好(或者有什么配置)。
单从 UI 布局上来看,是基本符合之前的设计布局的。

只不过不知道是不是应该在下载的时候选什么配置,这个 Web 端出来的布局仍是竖屏手机的样式哈哈哈,
之前在 UI 设计阶段是有宽屏 Web 布局的样式的,可能我漏掉了什么选项吧。不过我也懒得回去找了,就不再重新捣鼓了。
我将它生产出来的这个项目发布到了 GitHub 的仓库中:GitHub - ForteScarlet/ComposeFlow-TaskManagementApp: A demo project for ComposeFlow
你如果感兴趣的话,也可以去看看。

尾声

对此工具的体验就到此为止啦~ 有一说一在 UI 构建的工作区里功能比我想象要丰富不少。
不过毕竟工具也还是在早期阶段,还是会有不少细枝末节的小问题存在的,尝尝鲜还可以,不过想要非常优质的生产级体验还是有些距离。总而言之,未来可期!

至于我是怎么知道这个的呢,是因为前阵子看到 JetBrains 的布道师关注了这个仓库的所述组织,
于是乎就进去看了下,而后便有了这篇文章。

不管怎样,感谢你读到这里,祝你有愉快的一天,我们下次再见~


📌 转载信息
转载时间:
2026/1/24 06:42:41

摘要

2026AI 元年,智能体从 AI 辅助开发工具升级为全流程数字协作主体,引发软件 / 互联网开发行业全链路范式重构。本文系统剖析智能体在开发流程、岗位角色、技能模型、成本效率、安全合规维度的核心冲击,梳理行业生态连锁变革,提供开发者与企业的落地应对策略,并解答行业高频疑问,为从业者把握智能体时代发展趋势提供精准参考。​关键词​:智能体;软件开发;互联网开发;行业冲击;人机协同开发;开发范式变革;AI 驱动开发;开发者能力升级

一、智能体冲击下行业核心变革全景

智能体打破传统串行开发模式,构建人类定策 + 智能体执行 + 人机协同优化新闭环,行业五大核心维度实现根本性转变,具体变革如下:

变革维度传统开发模式智能体驱动模式冲击强度核心量化指标
开发流程人力主导串行推进,衔接依赖人工需求输入后多智能体并行协同,实时自监控优化极高开发周期缩短 40%+,自动 Bug 修复率超 40%
核心岗位角色程序员、测试 / 运维工程师等执行型岗位为主智能体架构师、AI 指令工程师等决策监督型岗位为核心极高基础执行岗需求缩减 30%-50%
开发者技能模型侧重语法、手工编码与调试能力聚焦智能体编排、指令工程、AI 安全管控极高90%+ 基础代码由智能体生成
项目交付逻辑以手工编码为核心,重实现细节以需求表达、架构设计为核心,代码为附属产出需求到上线周期压缩 60%+
行业成本结构人力密集型,边际成本递增前期工具 / 训练投入,后期人力成本下降中高中小团队 3 天工作量压缩至 3 小时内

二、智能体对行业的四大核心深度冲击

2.1 开发范式重构:从手工编码到智能管体

智能体实现 “需求即产品” 全闭环,产品经理输入 PRD 后,智能体自动拆解任务,分配前端、后端、测试、部署智能体协同工作:前端智能体将 Figma 设计稿转化为多端响应式代码,后端智能体完成接口开发与数据适配,测试智能体自动生成用例并定位 Bug,最终部署智能体实现一键上线与监控。传统串行流程升级为并行协同模式,开发核心从 “技术细节” 转向 “目标定义、边界设定、质量把控”,智能体编排与管控能力成为开发者核心竞争力。

2.2 岗位与技能迭代:开发者能力模型重构

智能体重定义开发者核心价值,低价值执行技能快速被替代,高价值决策技能成为行业刚需:核心技能向智能体编排、指令工程、AI 安全合规管控、高韧性系统架构设计迁移;团队结构向扁平化发展,初级程序员、手工测试工程师等岗位需求缩减,新增智能体训练师、AI 开发安全专家、智能体运营师等全新角色;行业需坚守 **“人类决策 + 智能体执行”** 原则,核心业务模块保留人工复核,避免开发者核心技术能力退化。

2.3 效率与成本变革:行业投入结构重塑

智能体推动开发行业从 “人力密集型” 向 “技术工具密集型” 转型,实现效率跃升与成本结构重构:依托多智能体并行协同,项目开发周期缩短 40%,跨平台开发实现 “一次需求输入,全端代码输出”;前期仅需投入智能体工具采购、场景化训练成本,后期基础开发人力成本可降低 30%-50%,项目边际成本趋近于零。中小开发团队无需自建大模型,通过调用第三方智能体 API 或零代码 / 低代码平台即可快速落地,大幅缩小与大厂的技术差距。

2.4 安全合规挑战:全新风险与管控难题

智能体的自主代码生成与多主体协同能力,带来传统开发模式中不存在的安全合规风险:一是智能体易因训练数据缺陷、需求理解偏差,生成含逻辑漏洞、违反开源协议的代码,且漏洞更具隐蔽性;二是多智能体协同让企业核心数据流转路径复杂化,易引发数据泄露;三是智能体自主决策引发的事故责任归属难以界定,目前行业尚未形成统一的责任界定标准与法规体系。

三、行业生态的连锁反应

  1. 开发工具链智能体化升级​:IDE、自动化测试、CI/CD 等传统开发工具深度集成智能体能力,实现实时代码生成、全量用例自动设计、一键自动化部署,各类工具通过智能体互联互通,形成无边界的智能开发工具生态。
  2. 外包与众包模式结构性调整​:传统轻量化、标准化的开发外包需求被智能体替代,行业需求向智能体定制开发、人机协同架构咨询、AI 生成代码安全校验等高端服务转型。
  3. 技术创业门槛大幅降低​:1-2 名具备智能体编排、系统架构设计能力的核心开发者,即可通过智能体工具完成项目全流程开发与 MVP 验证,行业竞争焦点从 “开发能力” 转向 “产品创意与商业模式设计”。
  4. 人才培养体系重构​:高校与企业均调整开发人才培养方向,减少基础编码、语法等重复性内容教学,强化智能体编排、指令工程、AI 安全合规等核心能力培养,聚焦人机协同复合型人才打造。

四、行业核心应对策略

4.1 开发者个人:能力升级与角色转型

开发者需主动从 “执行型” 向 “决策监督型” 高阶人才转型:系统学习指令工程、LangChain/AutoGen/LangGraph 等主流智能体编排工具、OWASP 漏洞库等安全合规知识;在项目中主动参与需求拆解、智能体任务编排、核心模块设计等决策工作;坚持核心代码编写与复杂问题调试,避免技术能力退化;补充产品设计、商业分析知识,打造 “技术 + 产品” 复合能力。

4.2 开发企业:构建人机协同开发体系

企业从四大维度适配智能体时代发展:​流程重构​,建立 “智能体优先” 的开发流程,明确人类与智能体的分工边界;​工具集成​,根据业务场景选择适配的智能体平台,与现有开发工具链深度融合;​人才升级​,调整招聘标准聚焦复合型人才,开展内部智能体技能培训;​安全管控​,搭建 “智能体生成 — 人工复核 — 自动扫描” 三重代码校验机制,建立智能体决策日志实现全链路追溯。

4.3 行业层面:规范与生态构建

智能体技术的健康落地需要多方协同:由行业协会牵头制定智能体能力评估、AI 生成代码质量等统一技术标准;推动大模型厂商、智能体开发平台、行业应用企业深度合作,构建开放共赢的产业生态;加强产学研融合,共建智能体时代开发人才培养体系;推动监管部门完善法律法规,明确智能体事故责任界定标准,建立行业伦理准则。

五、行业未来发展趋势

短期(2026-2027 年)

人机协同开发成为行业主流,智能体成为开发标配工具,基础编码、自动化测试等工作实现智能体全自动化;前端、后端等垂直开发智能体大量涌现,中小团队全面普及智能体技术,行业开发效率与创新速度大幅提升。

中期(2028-2030 年)

通用开发智能体技术成熟,可自主完成复杂大型项目全流程开发;智能体与机器人、物联网深度融合,实现软件硬件一体化智能开发;智能体定制、AI 安全合规等高端服务成为行业新兴增长点。

长期(2030 年后)

开发领域智能体向通用人工智能(AGI)迈进,具备与人类开发者相当的创新与开发能力;人机共生成为行业核心特征,人类与智能体创意共创、能力互补,推动软件开发行业进入全新智能化阶段。

六、行业高频 QA 问答

6.1 智能体会不会取代软件 / 互联网开发工程师?

不会完全取代,仅淘汰仅掌握基础编码、手工执行类技能的初级开发者。智能体替代重复性、标准化工作,人类开发者的核心价值聚焦在需求拆解、架构设计、智能体编排、安全合规把控等高价值非标准化工作,未来核心需求是 “能驾驭智能体的高阶开发者”。

6.2 2026 年软件开发入门需要学习智能体相关技能吗?

需要,智能体相关技能已成为 2026 年软件开发入门基础能力。传统编码基础仍需掌握,但智能体基础使用、指令工程、AI 生成代码基础校验,已成为企业招聘开发岗的核心准入要求。

6.3 智能体编排工具哪些是软件开发行业必学的?

三大主流核心工具:​LangChain​(多模型适配,灵活设计多智能体协作逻辑)、​AutoGen​(主打多智能体自动协同,适配开发全流程任务分配)、​LangGraph​(擅长构建智能体闭环工作流,适配复杂项目监控优化),均为企业招聘高频关键词。

6.4 中小互联网开发团队该如何落地智能体技术?

遵循 “轻量化接入、低成本试错、聚焦核心场景” 原则:优先调用 GPT-4o、文心一言 4.0 等第三方智能体 API,或使用 Coze 等零代码平台;先在代码生成、自动化测试等单一场景落地验证,再逐步拓展;开展轻量化培训,聚焦智能体使用、指令工程与代码校验能力。

6.5 智能体生成的代码存在哪些安全问题,如何规避?

核心安全问题包括逻辑漏洞、网络安全漏洞、开源协议违规、数据隐私泄露,且漏洞更隐蔽。规避核心是建立三重校验机制:通过 OWASP 相关工具自动化检测;核心代码人工复核;对智能体进行场景化训练,植入安全规范与开源规则。

七、结论

智能体技术的规模化落地,引发软件 / 互联网开发行业从开发范式、岗位角色到产业生态的全链路重构,推动行业从 “人力密集型” 向 “智能驱动型” 转型,同时带来安全合规、责任界定、人才结构调整等挑战。

智能体时代并非淘汰开发者,而是重新定义开发者价值 —— 仅会手工编码的执行型开发者将被替代,能驾驭智能体、聚焦创意与决策的高阶开发者将成为行业核心力量。从业者与企业需主动拥抱变革,通过能力升级、流程重构把握发展机遇;行业各方需协同制定标准、完善法规,推动智能体技术与开发行业深度融合、健康发展,为数字经济发展提供核心支撑。

参考文献

[1] 斯坦福大学. AI 指数报告 2026 [R]. 斯坦福大学人类与人工智能研究院,2026.[2] 麦肯锡咨询。智能体技术与产业变革白皮书 2026 [R]. 麦肯锡全球研究院,2026.[3] 中国人工智能产业发展联盟。中国智能体技术落地与应用规范指南 (2026 版)[S]. 2026.[4] 开放原子开源基金会。软件行业 AI 开发工具应用安全标准 (2026)[S]. 2026.[5] 腾讯云 AI 研究院。智能体在软件开发领域的应用实践与趋势分析 [R]. 2026.[6] 字节跳动 AI 实验室. Coze 智能体平台开发与行业应用指南 2026 [R]. 2026.[7] OWASP 基金会. AI 生成代码的安全漏洞防护指南 (2026)[R]. OWASP 全球技术委员会,2026.