我们想组建一个真正讨论 AI 大模型与 AI 编程的技术交流群

最近，我创建了一个偏人工智能、大模型和 AI 编程方向的技术交流群。

建立这个群的原因很简单：现在讨论 AI 的群很多，但真正能够深入到模型微调、训练、Agent、上下文工程以及 IDE 架构的交流并不多。

不少讨论仍然停留在：

• 哪个模型更好用；
• 提示词应该怎么写；
• 如何调用一个 API；
• 今天又发布了什么新模型。

这些内容当然有价值，但我们更希望继续向下讨论：模型为什么会有这样的表现，AI 编程工具应该如何设计，以及 LLM 如何真正参与软件开发环境的编排。

群里目前主要讨论什么？

目前群内有两位对人工智能和大模型技术非常熟悉的成员，长期关注的方向包括：

• GPT、Claude、DeepSeek 等主流模型；
• 大模型训练与微调；
• LoRA、SFT、数据集构建与训练流程；
• Prompt Engineering 与 Context Engineering；
• RAG、Agent、Tool Calling 与工作流编排；
• Vibe Coding 与 AI 辅助开发；
• AI Coding Agent 的能力边界；
• AI Native IDE 的架构设计；
• 插件系统、Pipeline 和 IDE 原生资源编排。

我们不会只讨论“哪个模型写代码更好”，也会进一步分析：

• Claude、GPT、DeepSeek 分别适合什么开发任务；
• 为什么同一个模型在不同工具里的表现差别很大；
• 如何组织上下文，减少模型遗漏和错误修改；
• Coding Agent 应该如何读取项目、调用终端和验证结果；
• IDE 应该给 LLM 暴露哪些能力；
• 如何让 AI 从“聊天助手”逐渐变成真正的工程协作者。

AI 编程不应该只是给 IDE 加一个聊天框

群内一位成员目前正在开发一款新的 IDE。

这个项目并不是简单地把大模型 API 接到编辑器里，而是在探索一个更底层的问题：

能不能让 LLM 对 IDE 的原生资源进行统一理解、调用和编排？

当前设想包含以下几个方向：

• Dock：管理终端、日志、调试器、AI 面板等工具区域；
• Splitter：支持灵活的编辑器和工作区布局；
• 类 Fleet 架构：探索更轻量、模块化的开发环境；
• Plugin System：通过插件扩展 IDE 和模型能力；
• Pipeline：把模型、工具、上下文和执行步骤组织成可编排流程；
• IDE Native Resources：让 LLM 调用编辑器、文件树、终端、诊断、Git、调试器和插件能力。

大致可以理解为：

用户目标
   ↓
LLM / Agent
   ↓
任务规划与上下文管理
   ↓
可编排 Pipeline
   ↓
编辑器 / 文件系统 / 终端 / Git / 调试器 / 插件
   ↓
执行结果与 IDE 状态
   ↓
反馈给 LLM，继续分析和验证

我们认为，未来的 AI IDE 不只是“让模型生成一段代码”，而是要让模型理解当前工程状态，并能够完成：

1. 分析项目结构；
2. 定位相关代码；
3. 制定修改计划；
4. 调用 IDE 原生能力；
5. 执行和验证修改；
6. 根据错误继续迭代；
7. 保留过程记录与可回滚状态。

这也是我们希望在群里持续讨论和实践的方向。

我们希望认识什么样的人？

无论你是学生、独立开发者还是已经工作的程序员，只要对下面某个方向感兴趣，都欢迎交流：

• 正在学习或研究大模型；
• 做过模型训练、微调或本地部署；
• 使用 GPT、Claude、DeepSeek 辅助编程；
• 正在开发 Agent、RAG 或 AI 应用；
• 对 IDE、编辑器、插件系统感兴趣；
• 正在研究 AI Coding、Vibe Coding；
• 有自己的项目，希望交流架构和实现方案；
• 愿意分享实践过程，而不只是索取现成答案。

目前群规模不大，我们更看重交流质量。这里不是课程群，也不希望变成广告群或者单纯的工具推荐群。

技术水平不是最重要的，愿意认真描述问题、主动验证想法、分享过程和结果，通常比一句“有没有大佬带带我”更容易获得有价值的交流。

如何参与？

如果你也在关注 AI、大模型、AI Coding 或 IDE 开发，可以扫描下面的二维码来进行交流

题、主动验证想法、分享过程和结果**，通常比一句“有没有大佬带带我”更容易获得有价值的交流。

如何参与？

如果你也在关注 AI、大模型、AI Coding 或 IDE 开发，可以扫描下面的二维码来进行交流