近日，谷歌版「AI编程打工仔」——异步编码智能体工具Jules，终于正式上线了。

自去年12月被Google Labs公开宣布以来，Jules经过九个月的测试与改进之后，终于在8月6日摘掉「测试版」标签，迎来「成人礼」，并被正式推向付费用户市场。

目前，谷歌已经在使用Jules用于一些内部项目的开发，并且在大力推动在更多项目上使用该工具。

不同于传统的编码工具，Jules是一款异步的、基于智能体的编码工具。此外，在开发生态上，Jules还可以与GitHub集成，以实现任务自动化。

这一系列特性，让Jules变身24小时待命的AI编程助手。当你把改bug、更新代码这些任务交给它后，它会自动做三件事：

1. 复制代码库到Google Cloud虚拟机独立执行；

2. 用AI技术自己解决问题；

3. 完成之后通知你。

整个过程完全自主运行，不需要开发者盯着。这样，开发者就能真正从单一任务中解放出来，可以同时处理多个任务，效率自然直接翻倍。

Jules自主编程的本事，是怎样炼成的？

首先，还要归功于它的底层模型Gemini2.5Pro。

Gemini2.5Pro为Jules提供强力大脑，使它具有更强的推理能力和规划能力，能够分析现有代码库，制定编码计划，并执行多文件的并行任务，并生成高质量的代码。

其次，Jules不止有超强大脑，还能与GitHub深度集成，可以实现从任务创建到代码提交的全程自动化。

拥有Gemini2.5Pro模型底座，与GitHub深度集成，以及异步编程的智能体能力，使Jules与传统的AI编码工具相比，具有更强的自主性，就好比开发者的AI分身一样。

按照Google Labs说法：Jules的此次升级，意味着它已经结束测试阶段，具备了更成熟和稳定的性能。

一、编程神器，还是噱头？

此次更新，距离Jules今年5月份的首次公开预览发布，仅仅相隔两个多月。

究竟是编程神器，还是噱头？大家对于Jules此次升级，期待与质疑并存。有人兴奋，也有人泼冷水。

比如，有人说它是「改变游戏规则」的存在，有人直接买了Google AI Pro服务，打算把接下来十月份的项目任务承包给它。

当然，也有人觉得Jules想要真正成熟，还得接受更多实战考验。

毕竟从测试到正式上线才过两个月，他们觉得此次更新是换汤不换药，特别想要印证Jules升级的价值。

这次Jules的正式发布，只是官宣的「成人礼」，但要真正实现性能的成熟与稳定，Jules还要经得住更多实际编程场景的考验。

二、Jules成长史

2024年12月：谷歌第一次官宣Jules项目；

2025年5月：谷歌在 I/O 开发者大会上放出Jules预览版，开放测试；

2025年8月6日：Jules正式上线，宣布结束测试期，推出付费版本；

2024年12月，谷歌实验室官宣了Jules项目，并提供了试用链接，用户可以在 jules.google.com上注册试用。

谷歌实验室官网公布异步编程智能体工具Jules 

在今年5月的谷歌I/O开发者大会上，Jules通过公开预览版向测试人员开放。

8月6日，Jules正式上线，摘掉「测试版」标签，标志着Jules从开始「离开巢穴，走向成熟」。

谷歌实验室宣布Jules正式上线，摘掉测试标签

在过去几个月里，数千名开发者用Jules完成了上万次任务，提交了14万多个代码改进。

在这些数据的「喂养」下，Google为Jules增加了诸多新功能：比如与GitHub 深度集成，支持多模式输入等。

就在本周，Jules与GitHub进行了更深入的集成，可以自动打开拉取请求。

当开发者在GitHub上创建一个任务时，它会自动为该任务创建一个新的分支，制定开发计划，完成任务后提交代码并生成PR（拉取请求），任务完成后会通知开发者进行审查。

从计划到代码，再到提交到PR，所有操作一气呵成。

同时，Jules还有一项环境快照功能。用户可以提供环境设置脚本，Jules 会将这些依赖项和安装脚本保存为环境快照。在后续任务中，Jules 会自动加载这些快照，避免重复安装，减少启动时间，让Jules可以更快、更一致地执行任务。

许多用户希望在没有代码库的情况下也能体验Jules功能，Jules推出了「空代码库支持」，用户可以直接在GitHub上创建一个新的空仓库，并通过Jules提供的界面进行任务管理和执行。

此外，谷歌还在计划探索Jules在移动设备上所需的功能，以便更多用户可以通过移动设备访问Jules。

「成立礼」之后，Jules也扛起了「养家重担」，推出了付费版。当然，也有人感叹谷歌的付费套餐有点令人眼花缭乱。

目前Jules共有两种版本：

• 免费版：每天最多干 15 个任务+3 个并发任务，适合尝鲜。

• 付费版：包含在Google AI Pro（$19.99/月）和Ultra（$124.99/月）中，权限多5倍到20倍，适合天天用它干活的人。

对比测试版每天最多60个任务，免费版确实「缩水」了不少，但这也是为了让大家试试看值不值，是否适合自家的业务。

除了推出付费版本，谷歌还更新了Jules的隐私政策，更明确地说明了其如何训练人工智能。 

谷歌表示，Jules会抓取公开数据库的数据用于训练，但不会将用户的私有数据用于训练。

三、与 Gemini CLI 有啥区别？

Jules升级之后，也有网友纳闷：Jules和Gemini CLI看起来差不多啊，有啥不一样？

Jules与Gemini CLI，它们都是谷歌基于Gemini 2.5 Pro模型开发的AI开发者工具，但定位、功能和应用场景有显著差异。

在功能上，Jules就像一个「全能型老师傅」，它专注于项目级编程任务自动化，具有多任务能力、自动化能力，能运行并行任务、生成可视化测试结果，并支持与GitHub Issues无缝结合，适合处理复杂的项目级变更。

而Gemini CLI是谷歌在今年6月份发布的一个开源AI代理，它的使命是将 Gemini的功能直接带入用户终端，让开发者可以直接在终端中调用Gemini AI（Gemini 2.5 Pro）来写代码、修bug、处理任务等。

相比之下，Gemini CLI更像一个“随身工具箱”，侧重在本地终端环境下的日常开发辅助，但缺乏项目级集成能力，主要响应即时用户指令而非自主规划任务。

综合而言，Jules更适用于大型项目维护，例如自动化遗留代码更新或生成测试报告，减少手动干预；而Gemini CLI适用于开发者个人效率提升，如快速生成代码片段或解析本地文件。

如果要改造整个车库（项目级），最好找Jules；如果只是需要查漏补缺、拧紧螺丝（日常小需求），用Gemini CLI则更为合适。

四、如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】