sentinelK
即便是现在，copilot 的 ask 模式的代码合并依然还是很烂。 agent 模式应该是改变了最终生成代码的形态，变相解决了这个问题
应该是跟工具，以及基座模型能力二者都相关。
如果是同行，应该是基座模型能力差。 如果是不同行，应该是工具逻辑有问题。
最起码法宝还是实际战力的 pk 。
但现在的 AI Coding 已经比的是谁烧 token 烧的更狠了。真正 coding 的效果没人关心的。
程序员就是需要和人打交道的职业。你不打交道如何确认需求和产出？ 即便退回到 2010 年对日外包盛行的年代，你如果想当好程序员，依然是要交流的。
交流≠交际≠跪舔
如果是个人设备就可以部署的模型，为何 openRouter 需要你来提供上游服务？
反过来讲，你如果是一个合格的大模型 API 提供商，为何非要绑定 openRouter ？
从 AI Coding 的 Agent 设计来看，一般都是要求 LLM 要明确表达出最终改动的位置和内容，且通过 shell 复核确认，才算成功。最终的“完成状态”不依照 LLM 的 token 表述，是靠查验脚本决定。
Copilot 的最新额度扣除规则，也是通过类似的逻辑实现的。在 Age…
举个最简单的例子，你用微信是因为腾讯代码写得好吗？
聊起行业软件的竞争力，我能想到的： 品牌、行业口碑，客户关系，运维服务，产品逻辑，定制二开。
什么时候代码实现也能当行业竞争力了？
首先，要先去试驾，再聊性价比。
有的车纸面数据再好，上车踩一脚油门，拧一把方向，不是你喜欢的风格就直接 pass 了。之前的纸面功夫全都白搭。 车给人的感受 90%是动态的，不是静态纸面的。
不一样的调教风格，不一样的硬件，乃至不一样的胎宽，给你的驾驶手感都是完全不同的。所以先试驾。
我认为如果楼主想证明某些论点，最起码得有一点点定量分析。 通篇都是“可能”、“还不清楚”、“或许”
所以你建立在这些“可能”假设的结论有什么价值呢？
没人能负责任的解答你的问题，除非他是先知。
本质上，llm 难以替代的，是“不可全面量化”的工作。
这个“不可量化”有很多维度。 1 、公开数据很少。 2 、不以产出来绝对衡量能力与价值。 3 、没有明确的规则边界。 4 、需要取得别人的认可与信任。 5 、你的产出质量远超业界…