Qoder AI编辑器助手技术选型与实施汇报

​ 核心目的：统一团队AI开发工具

​ 明确Qoder AI编辑器助手的选型价值、下载安装流程、Skills核心用法，结合团队现有技术栈，推荐适配业务场景的Skills资源，制定标准化实施流程，推动工具快速落地应用，提升团队开发效率、降低协作成本。

一、为什么要选Qoder？

1、Qoder是什么？

Qoder是阿里巴巴于2025年8月发布的新一代AI编程平台，其定位超越了传统的代码补全工具，是一个“智能代理式编程平台”（Agentic Coding Platform）。

核心差异与优势：

• 仓库级理解：内置高性能代码搜索引擎，可一次检索和理解高达 10万个代码文件，对整个项目有全局认知，而非片段级建议。
• 任务化执行：通过 Quest Mode（任务模式），可将一个模糊的自然语言需求（如“开发一个商品管理模块”）自动拆解为设计、编码、测试、部署等子任务，并自主执行完成。
• 知识沉淀：通过 Repo Wiki 功能，自动分析代码库，生成项目技术栈、架构图、API文档等，将“隐性知识”显性化，极大加速新人上手和团队协作。
• 工业级支持：基于自研的通义灵码大模型，对 C/C++、Python、Java 等20+主流语言有深度支持，特别在企业级开发、代码安全审计和规范遵从方面表现出色。

适用场景：

• 代码生成 - 根据需求生成完整功能模块
• 代码审查 - 通过注释自动修复问题
• CI/CD 自动化 - 自动化测试和部署脚本
• 文档生成 - API 文档、用户手册自动生成
• 测试用例 - 自动生成单元测试、集成测试

2、为什么选Qoder而不是其他工具？

Qoder 定位于企业级智能编程中枢，不同于传统的代码补全插件，它强调“环境感知”与“技能扩展”。

选择Qoder旨在为团队带来研发范式的根本性变革，具体对比如下：

对比维度	Qoder	GitHub Copilot	Cursor	c
核心定位	智能代理式编程平台，全流程自动化	AI代码补全助手	AI增强型代码编辑器	AI代码助手（插件）
上下文理解	仓库级（10万文件）	项目级	项目级	文件级
任务自动化	Quest Mode支持端到端开发	有限	中等，依赖逐步指导	基本
自定义与扩展	开放式Skills生态，可深度定制	有限	通过.cursorrules定制	有限
本地/离线支持	支持混合云、本地LLM接入	依赖云端	依赖云端	依赖云端
企业级特性	较强，支持SSO、审计等	一般	较弱	一般
团队技术栈适配	完美支持Vue, Python, C/C++	支持	支持	支持
核心优势	全流程自动化、高定制性	生态融合好、智能补全强	深度重构、编辑体验好	中文友好、阿里云集成

3、能带来什么实际好处？

根据公开案例及内部评估，预计落地Qoder后可为团队带来以下可量化的效率提升：

效率维度	预期提升幅度	具体体现
开发速度	40-60%	框架代码、样板代码（如OpenCV流程、ROS节点）生成耗时从小时级降至分钟级。
调试效率	50-70%	智能诊断能精准定位多数隐蔽错误，减少反复排查时间。
新人上手	60%以上	利用Repo Wiki快速理解项目，通过Skills获得“标准化”开发指导。
代码质量	缺陷率降低30-50%	通过集成规范的Skills生成代码，并利用AI进行自动化审查。
协作效率	提升50%	跨技术栈沟通更顺畅，AI辅助生成接口代码与文档，减少歧义。

二、下载与使用

1、下载

1. 从Qoder 官方网站 https://qoder.com/download 下载安装程序，支持 Windows、macOS 和 Linux 系统。
2. 双击文件开始安装。
3. 双击 Qoder IDE 图标启动 Qoder。

2、登录

1. 在 Qoder IDE 右上角，点击用户图标，或使用键盘快捷键（⌘ ⇧ ,（macOS）或 Ctrl Shift ,（Windows）），然后选择 登录。
2. 在打开的网页中：
   • 点击底部的 注册 并完成注册，或使用 Google 或 GitHub 账号直接注册。
   • 公测期间提供免费额度（300 Credits）
3. 返回 Qoder IDE。你现在可以自由使用所有功能。
4. 详细使用说明可访问官方网站https://docs.qoder.com/zh

3、打开项目

可选择使用本地项目，或从 GitHub 克隆示例项目。

• 使用本地项目

  1. 点击 打开 或使用键盘快捷键：
  • macOS：⌘ O
  • Windows：Ctrl O
  1. 浏览到项目文件夹，选择文件并打开。

• 克隆代码库

  1. 点击 Clone repo。
  2. 在顶部搜索栏中：
     • 输入项目 URL 并点击 Clone from URL，或
     • 点击 Clone from GitHub 并按提示操作。
  3. 按步骤完成项目克隆。

4、简单使用

Qoder提供三种渐进式交互模式，适应不同复杂度的任务：

模式详解：

• Ask Mode (问答模式)：用于快速技术咨询、代码解释、生成简单片段。如同一个随时在线的技术专家。
• Agent Mode (智能体模式)：AI作为“编程伙伴”，在开发者监督下完成多步骤任务（如“重构这个函数并添加测试”）。支持设置检查点，确保可控。
• Quest Mode (任务模式)：最具革命性的功能。开发者用自然语言描述需求（如“创建一个机械臂运动轨迹可视化页面”），Qoder会自主进行需求澄清、方案设计、编码、测试，并交付可运行的结果。核心理念：定义目标，验收成果。

4.1 Ask Mode (问答模式)

发起行间对话

使用行间会话在代码的上下文中直接获得 AI 帮助。

1. 在 Qoder 代码编辑器中，按 ⌘ I（macOS）或 Ctrl I（Windows）。行间会话窗口将打开。
2. 输入请求并发送。例如：“新增一个文件上传处理函数”
3. 应用 AI 生成的代码，按 ⌘ ⏎（macOS）或 Ctrl Enter（Windows）。

4.2 Agent Mode (智能体模式)

开始 AI 对话

使用智能会话面板，或按 ⌘ L（macOS）或 Ctrl L（Windows），在智能问答或智能体模式下处理更复杂的任务。

1. 在右侧的智能会话面板中输入请求。例如：“为这个函数创建并运行测试”
2. 发送请求。智能体将生成包含相关用例的测试文件。
3. 按提示点击 执行，或按 ⌘ ⏎（macOS）或 Ctrl Enter（Windows）执行测试。

​

4.3 Quest Mode (任务模式)

Quest Mode 是 Qoder 的自主编程功能，让 Agent 端到端完成开发任务。你只需描述目标，Quest 会自主澄清需求、规划方案、执行代码、验证结果——无需持续人工介入。核心理念：Define the goal. Review the result.

切换方式：点击顶部的 Editor / Quest 切换按钮

Quest 提供三种场景，根据需求选择：

场景	适用情况	Quest 行为
Spec 驱动	复杂功能开发、重构、需要严格质量把控	先对齐需求范围，设计实施方案和验收标准，再开始执行
搭建网站	0-1创建网站、快速原型	描述你要搭建的网站，Quest 会搭建页面和整体结构
原型探索	快速验证想法、创意实验	从一个想法开始，Quest 会将其转化为可运行的原型

场景选择规则：

• 不选场景：Quest 会自动判断最合适的方式
• 选择 Spec 驱动：一定会生成 Spec 文档
• 选择 搭建网站 / 原型探索：完全跳过 Spec，快速执行

注意：任务开始后，不能切换场景。

界面布局：任务列表、对话区、产物区。

任务列表

• New Quest：创建新任务（右上角**+**可以创建新的 Quest）
• 任务状态
  • Running：执行中
  • Action Required：等待操作
  • Ready：已完成，可继续对话
  • Error：执行错误
• 任务按最后交互时间排序

对话区

• 显示对话历史
• To-do List 实时更新（执行阶段）
• 输入框底部可压缩上下文，优化提示词

产物区

• Spec Tab：查看/下载 Spec 文档（Spec 驱动模式）
• Changed Files Tab：查看代码变更、Accept/Discard
• Preview Tab：实时预览运行效果（网站/原型模式）

三、Skills是什么？怎么用？（核心功能）

3.1 Skills概述

Qoder官方使用说明：https://docs.qoder.com/zh/extensions/skills

Skills就像是给Qoder编写的"专业操作手册"，告诉AI助手如何在特定场景下工作。

举个例子：

• 没有Skills：你告诉AI"帮我写个测试"
• 有了Skills：你告诉AI"按照我们团队的测试规范写个机械臂控制测试"

Skills 是 Qoder 的核心扩展机制，将领域专业知识封装为可复用的智能能力。每个 Skill 是一个包含 SKILL.md 文件的目录。

与普通提示词（Prompt）的区别：Prompt是一次性的指令，如“帮我写一个函数”。而 Skill 是一套完整的规则和流程，它告诉AI“当遇到某类问题时，应该如何思考、分几步走、每一步调用什么工具、判断标准是什么”。例如，一个“机械臂异常诊断Skill”会指导AI：先检查日志中的特定错误码，再查询对应SDK手册，然后建议修改某几个参数并运行测试脚本。

3.2 Skills 怎么写（创建）

一个 Skill 本质上是一个特定结构的文件夹，核心是 SKILL.md 文件。
1. 基本结构：

你的技能名称/         # 文件夹名即技能名
├── SKILL.md         # 核心文件，包含元数据和流程说明
└── resources/       # (可选) 存放脚本、模板、配置等资源

2. 编写 SKILL.md：
文件分为两部分：

• 元数据：位于文件顶部，用---包裹，定义技能名称和描述。

  ---
  name: unit-test-generator
  description: 为 Python 类生成单元测试代码
  ---
  

• 正文：详细描述工作流程。这是AI的“操作手册”。

  # 单元测试生成器
  
  ## 使用场景
  - 生成 Python 类的单元测试
  - 增加测试覆盖率
  - 创建特定功能测试用例
  
  ## 实现逻辑
  1. 分析目标文件的所有公共方法
  2. 生成符合规范的测试模板
  3. 自动处理 mock 和异常路径
  4. 按模块组织测试代码
  

• 单元测试示例*：

  ---
  name: unit-test-generator
  description: 为 Python 类生成单元测试代码。当用户请求生成测试、创建测试用例、或需要测试覆盖时使用此技能。
  
  ---
  
  # 单元测试生成器
  
  为 Python 类和模块生成符合项目规范的单元测试代码。
  
  ## 使用场景
  
  - 用户请求为某个 Python 文件生成单元测试
  - 用户需要增加测试覆盖率
  - 用户请求创建特定功能的测试用例
  
  ## 项目测试规范
  
  ### 1. 测试框架
  
  本项目使用 `unittest` 框架，配合 `unittest.mock` 进行模拟。
  
  ```python
  import unittest
  from unittest.mock import Mock, patch, MagicMock
  ```
  
  ### 2. 文件结构
  
  - 测试文件位置：`unit_test/` 目录
  - 文件命名：`{原文件名}_test.py`
  - 示例：`camera_base.py` → `camera_base_test.py`
  
  ### 3. 代码结构模板
  
  ```python
  import unittest
  from unittest.mock import Mock, patch, MagicMock
  import sys
  import numpy as np
  
  # 模拟必要的模块（如 logger）
  sys.modules['logger'] = Mock()
  logger = sys.modules['logger']
  logger.info = Mock()
  logger.error = Mock()
  logger.warning = Mock()
  logger.debug = Mock()
  
  # 导入被测试的类
  from module_path import TargetClass
  
  # 如果是抽象基类，创建测试子类
  class TestableTargetClass(TargetClass):
      """用于测试的子类，实现所有抽象方法"""
      
      def abstract_method(self):
          # 提供测试用的实现
          pass
  
  
  class TestTargetClass(unittest.TestCase):
      """TargetClass 单元测试类"""
  
      def setUp(self):
          """测试前的准备工作"""
          self.mock_dependency = Mock()
          self.instance = TestableTargetClass(self.mock_dependency)
  
      def tearDown(self):
          """测试后的清理工作"""
          pass
  
      # ==================== 初始化测试 ====================
      
      def test_init_with_default_params(self):
          """测试默认参数初始化"""
          pass
  
      def test_init_with_custom_params(self):
          """测试自定义参数初始化"""
          pass
  
      # ==================== 功能测试 ====================
      
      def test_method_name_success(self):
          """测试方法正常执行"""
          pass
  
      def test_method_name_failure(self):
          """测试方法异常情况"""
          pass
  
      # ==================== 边界条件测试 ====================
      
      def test_method_with_none_input(self):
          """测试空值输入"""
          pass
  
      def test_method_with_invalid_input(self):
          """测试无效输入"""
          pass
  
  
  if __name__ == '__main__':
      unittest.main()
  ```
  
  ### 4. 测试用例命名规范
  
  - 测试方法以 `test_` 开头
  - 格式：`test_<被测方法名>_<测试场景>`
  - 示例：
    - `test_connect_success` - 测试连接成功
    - `test_connect_when_already_connected` - 测试重复连接
    - `test_set_gain_with_invalid_value` - 测试无效增益值
  
  ### 5. 测试分类
  
  按功能分组，使用注释分隔：
  
  ```python
  # ==================== 初始化测试 ====================
  # ==================== 连接管理测试 ====================
  # ==================== 参数设置测试 ====================
  # ==================== 异常处理测试 ====================
  ```
  
  ### 6. Mock 使用规范
  
  #### 模拟外部依赖
  
  ```python
  # 模拟 logger 模块
  sys.modules['logger'] = Mock()
  
  # 模拟 Notify 对象
  self.mock_notify = Mock(spec=Notify)
  
  # 模拟方法返回值
  self.mock_obj.method.return_value = expected_value
  
  # 模拟方法抛出异常
  self.mock_obj.method.side_effect = SomeException("error")
  ```
  
  #### 使用 patch 装饰器
  
  ```python
  @patch('module.dependency')
  def test_with_mocked_dependency(self, mock_dep):
      mock_dep.return_value = "mocked"
      # 测试代码
  ```
  
  ### 7. 断言方法
  
  ```python
  self.assertEqual(actual, expected)
  self.assertNotEqual(actual, expected)
  self.assertTrue(condition)
  self.assertFalse(condition)
  self.assertIsNone(value)
  self.assertIsNotNone(value)
  self.assertIsInstance(obj, cls)
  self.assertRaises(ExceptionType, callable, *args)
  self.assertIn(item, container)
  self.assertAlmostEqual(a, b, places=7)
  ```
  
  ### 8. 测试覆盖要求
  
  每个公共方法应包含以下测试：
  
  1. **正常路径测试** - 验证正常输入的正确输出
  2. **边界条件测试** - 测试边界值和极端情况
  3. **异常路径测试** - 验证错误处理和异常抛出
  4. **状态验证测试** - 验证方法执行后的状态变化
  
  ### 9. 抽象基类测试策略
  
  对于抽象基类（如 `CameraBaseComponent`）：
  
  1. 创建一个测试用的具体子类
  2. 实现所有抽象方法，提供可控的测试行为
  3. 添加控制标志用于模拟成功/失败场景
  
  ```python
  class TestableCamera(CameraBaseComponent):
      def __init__(self, notify, component_name=None):
          super().__init__(notify, component_name)
          self._connect_success = True  # 控制标志
      
      def connect(self):
          if self._connect_success:
              self.set_state(State.CONNECTED)
          else:
              raise AVITestError(ErrorCode.CamConnectionError, "Connection failed")
  ```
  
  ## 生成要求
  
  1. **读取源文件**：分析被测类的所有公共方法
  2. **识别依赖**：确定需要模拟的外部依赖
  3. **生成测试子类**：如果是抽象类，生成可测试的子类
  4. **覆盖所有方法**：为每个公共方法生成测试用例
  5. **包含异常测试**：测试 `NotImplementedError` 和其他异常
  6. **添加中文注释**：每个测试方法都有清晰的中文文档字符串
  
  ## 输出位置
  
  测试文件保存在 `unit_test/` 目录下，文件名格式：`{原文件名}_test.py`
  
  ## 示例
  
  输入：`core_component/base/camera_base.py`
  输出：`unit_test/camera_base_test.py`
  

3.3 Skills 怎么用（存储与触发）

• 存储位置：

  • 全局技能：放在 ~/.qoder/skills/ 目录下，对所有项目生效。适合通用技能，如“代码审查”、“文档生成”。

    ~/.qoder/skills/
    

  • 项目技能：放在项目根目录的 .qoder/skills/ 下，仅对本项目生效。适合项目特定技能，如“XX型号机械臂标定流程”、“视觉项目部署脚本”。此目录可提交至Git，实现团队共享。

    project/.qoder/skills/
    

• 触发方式：

  1. 自动触发：在与Qoder对话时，AI会根据当前对话内容和 description 自动判断并调用相关Skill。

     用户: 为这个类生成测试用例
     Qoder: 使用 unit-test-generator 技能生成测试
     

  2. 手动调用：在Qoder聊天框中输入 /技能名称 （例如 /视觉算法单元测试生成器）强制调用。

     用户: /unit-test-generator 请为 camera.py 生成测试
     Qoder: 开始生成测试...
     

  3. 技能管理：输入 /skills 可查看已安装的所有技能列表。

     • 查看项目skills:

     ls .qoder/skills
     

     • 查看全局skills：

     ls ~/.qoder/skills/
     

     • 更新技能

     直接编辑 SKILL.md 文件即可

     • 删除技能

     删除对应的技能目录

     rm -r ~/.qoder/skills/my-skill
     

3.4 如何下载网上的 Skills

​ 1.社区平台

• GitHub: https://github.com/anthropics/skills
• Skills Directory：https://skillsdirectory.com/
• Skills Registry：https://skillregistry.io/
• Agent Skills Guide：https://agentskills.guide/

​ 2.搜索所需技能

​ 3.下载技能包

​ 4.解压到 ~/.qoder/skills/ 目录

3.5 使用示例

创建一个python项目目录的skill。

1、先写好SKILL.md

---
name: create-python-project-directory
description: 为Python项目创建架构目录

---

#  核心目的

- 为新项目搭建一个基础的目录架构
- 方便阅读、调试和复用
- 有益于**团队协作开发**
- 便于**分发、部署和交付**
- 可**集成自动化流程（CI/CD）**

# 文件结构

```
project-name/                           # 项目根目录
├── docs/                               # 项目文档
│   ├── api/                            # API文档
│   ├── guides/                         # 使用指南，教程
│   └── images/                         # 文档图片
├── logs/                               # 日志目录
│   ├── app.log                         # 应用日志
│   └── error.log                       # 错误日志
├── models/                             # 模型目录
├── scripts/                            # 脚本目录
├── src/                                # 源代码目录（Python包）
│   └── project-name/                   # 主包（与项目同名）
│       ├── api/                        # API接口层
│       ├── config/                     # 配置文件管理
│       ├── core/                       # 核心业务逻辑
│       │   └── __init__.py 
│       ├── database/                   # 数据库相关
│       │   └── __init__.py
│       ├── tests/                      # 包内测试（单元测试）
│       │   └── __init__.py
│       ├── utils/                      # 工具函数
│       │   └── __init__.py
│       ├── __init__.py
│       └── main.py                     # 主函数入口
├── tests/                              # 集成测试和功能测试
│   └── __init__.py
├── README.md                           # 说明文档
├── requirements.txt                    # 第三方包
└── ui/                                 # 前端ui
```

主要有：源代码目录（Python包）、模型目录、脚本目录、日志目录、测试、项目文档、前端ui。

2、放到skills目录下

由于这个可以做成通用的skill，可以放到系统级目录下：

C:\Users\Administrator\.qoder\skills\create-python-project-directory

3、qoder使用

使用Qoder编辑器打开一个空项目文件夹，然后在输入框：

创建一个python项目目录

qoder便会根据这个skill来创建目录。

接下来可以看到已经应用了skill：

继续点击运行即可。