软件洞察｜跨平台框架的代理开发

为你的AI智能体注入深度Qt专业知识。

探索 Qt 的 AI 驱动开发工具

软件开发正经历从传统IDE使用和AI辅助编程，向全面代理式工程演进的根本性转变。包括Qt在内的开放框架与生态系统在这一新格局中占据有利位置——AI模型可从中学习，天然契合AI驱动的开发工作流。然而，AI智能体在处理软件开发全流程方面仍有明显不足。

2024年是IDE内编码助手全面突破的年份。向Claude Code和Codex等代理式开发解决方案的迁移在2025年持续提速。2026年，行业重心正进一步向代理式工程倾斜。这一趋势的加速推手之一，是曾作为下一代IDE明星的Cursor——它近期推出了代理式开发体验，给人一种与Claude Code高度相似的感受，这并不令人意外。尽管传统IDE在本十年内仍有其价值，但告别纯手工编程的转型已势不可挡。

前沿模型在编写基于Qt的UI方面已相当出色。由于Qt采用源代码开放的方式，大型语言模型得以从大量多样化的预训练素材中学习。

Claude、GPT和Gemini等模型在单轮任务基准测试（如QML100基准）中的编程表现已超过75%，最高达到86%。对Qt而言，源代码开放的跨平台框架使前沿模型能够从种类丰富的预训练素材中汲取知识。Qt框架的广泛采用，以及由此积累的、通过人类反馈强化学习（Reinforcement Learning from Human Feedback，RLHF）进行的持续微调，进一步巩固了Qt在AI智能体中的可用性。

即便前沿模型在日常Qt UI代码编写方面已经足够出色，代理式开发解决方案的局限仍然突出。AI智能体尚无法完成的任务，依然多于其能够处理的任务：将Figma设计转换为UI代码、管理CMake项目上下文、实现复杂UI控件、按需安装Qt库、创建Qt测试用例，或配合代码检查工具进行深度代码审查。仅凭预训练和微调，即便是前沿模型也难以独立完成这些工作。

通过模型上下文协议（Model Context Protocol，MCP）将代码检查工具、性能分析器等传统工具接入AI智能体，将有效缩小人类开发者与AI智能体之间的能力差距。

智能体技能（agent skills）将专业领域知识直接引入AI驱动的开发工作流。技能是一种可移植、受版本控制的软件包，为AI智能体赋予特定任务所需的专业知识与能力——涵盖避免常见编码错误、创建单元测试、深度分析Qt C++代码，以及生成API文档等场景。开发者无需单纯依赖预训练模型的固有知识，借助技能即可灵活组合出精准匹配自身需求的代理式工作流。

每项技能按需加载资源，因此无论安装了多少技能，智能体的活跃上下文始终保持精简。当任务触发时——无论是编写QML绑定、审查代码，还是生成结构化代码文档——AI智能体都会根据上下文自动选取相关技能，调用其内置工具执行，并输出高质量、一致的结果。

由于智能体技能遵循开放标准，为开发工作流编写的技能可跨任何兼容代理式开发解决方案使用，为构建跨平台应用（尤其是嵌入式设备UI）的团队提供持久的技术投入价值。

图示：Qt C++ 代码审查技能功能示意图 

立即查看Qt 提供的智能体技能！

软件开发者的角色正从简单的AI辅助开发，向制定方向、统筹管理AI智能体工作的模式演进。在Qt，我们致力于积极推动这一转变，面向跨平台开发构建端到端的代理式工作流，并始终将"人在环路中"作为核心原则。

IDE插件式编码助手（如GitHub Copilot）在采用代理式行为之前，所带来的效率提升幅度有限，通常为个位数百分比。而代理开发解决方案则有望通过自动化应用创建中的大部分环节，成倍提升软件工程速度。在Web、桌面和移动应用开发领域，我们已经能看到这一趋势。

Qt坚信，在专业软件开发中，人类始终处于关键的主导地位。为此，我们将通过提供技能和支持MCP的工具，逐步构建完整的工作流，推动跨平台应用代理式工程的落地。

图示：代理式开发工作流简化示意图

未来，现代跨平台开发者将把编写样板代码、创建测试用例和代码文档等大量软件工程任务委托给AI智能体。软件开发者的角色将逐步转型为：制定架构与技术决策、通过开发路线图和测试框架统筹工作流，以及引导AI智能体向既定目标推进。代码审查与质量保障将成为开发工作流新的瓶颈所在。

随着AI智能体生成的代码量和测试用例不断增加，代码审查——尤其是在受监管行业中——将呈现全新形态。深度代码分析，聚焦识别冗余低效的代码结构，将有助于应对未来的技术债务积累。代码安全分析（如借助Claude Mythos等模型）将帮助AI智能体生成的嵌入式设备代码满足网络安全合规要求，例如《欧盟网络弹性法案》（EU Cyber Resilience Act）。

尽管对熟练软件工程师和优化IDE的需求在未来数年内仍将持续存在，各类营利性组织将加大对代理式开发解决方案的投入，以实现开发工作流自动化，保持竞争优势。组织将在各开发团队中不断引入并优化AI智能体技能和MCP工具，同时引导一线贡献者专注于创新性、高复杂度及承担责任的工作。Qt Group将全程支持我们的客户和生态系统完成这一转型。

• 代理式开发如何重塑软件开发方式？

• 代理式开发正为软件开发带来结构性的快速变革。编码助手在2024年全面突破，完全代理式的解决方案在2025年加速普及，2026年行业重心已明确转向代理式工程。尽管人类在环路中的作用依然关键，开发者的角色正从亲手编码转变为主导代理式开发工作流。

  
  

• Qt是否支持代理式开发？

• 是的。Qt提供了专为代理式跨平台开发设计的MCP工具和智能体技能。Qt 的开放生态还意味着 Claude、GPT、Gemini等前沿模型均已在Qt的 C++ 和 QML代码上完成训练，领先模型在单轮任务 QML100基准测试中的得分已达 75%–86%。

  
  

• AI辅助开发与代理式开发有何区别？

• GitHub Copilot 或 Qt Creator AI助手等 AI辅助工具提供代码建议，但每一步操作仍由开发者执行。代理式开发则更进一步：AI智能体自主完成代码库范围内的规划、编写、测试和迭代。两者的效率提升幅度差异显著：AI辅助工具最多带来约 10% 的效率提升，而代理式解决方案能够成倍提升工程效率。

  
  

• Qt如何看待代理式工程？

• Qt认为，人类在环路中的角色始终不可或缺，在受监管行业中尤为如此。Qt Group的目标是帮助开发者化身代理式工作流的架构师与主导者——将日常性任务委托给智能体，同时在设计、文档、代码审查及质量保障等关键节点保持人工监督。

  
  

• 使用Qt进行代理式开发如何成倍提升效率？

• Qt 的智能体技能和MCP工具负责处理那些耗费开发者时间却无需其专业判断的任务，例如编写样板代码、测试用例、API文档、代码审查以及Qt专项代码检查。这使开发者得以将精力集中于架构设计、技术创新，以及真正需要人类专业能力的决策。

  
  

• Qt提供哪些代理式开发工具？

• Qt 目前提供两大类工具。即将推出的是 MCP 服务，让 AI 智能体获取Qt特有能力，首发产品为 Qt Code DocumentationMCP。已正式发布的是智能体技能，即用于 Qt C++代码审查、单元测试生成和 API 文档编写等任务的可移植、受版本控制的知识软件包。

  
  

• 在代理式开发领域，Qt与其他UI框架相比有何优势？

• Qt 的核心优势在于训练数据的深度积累。数十年开放的Qt C++ 和 QML 代码，使前沿模型能够开箱即用地生成高质量的Qt 代码，优于封闭或成熟度不足的框架。Qt所覆盖的硬件范围也比同类框架更广——后者通常仅针对单一或有限类型的目标平台，且多数尚未发布专属的代理式工具或 MCP 集成。

  
  

• 什么是智能体技能，它对Qt开发有何价值？

• 智能体技能是一种可移植、受版本控制的软件包，为AI智能体提供特定任务所需的专业知识。技能按需加载，因此智能体的上下文始终保持精简。对于 Qt开发者而言，技能弥合了通用AI智能体与专属Qt工作流之间的差距，涵盖QML规范、Qt测试模式及C++ 代码审查等方面。由于技能遵循开放标准，可跨任何兼容代理式开发解决方案使用。