不吹不擂 CodeBuddy 实测:还是腾讯会玩啊!可白嫖 Claude-4/GPT-5

大模型关系型数据库NoSQL数据库

picture.image

猴哥的第 190 期分享,欢迎追看

CodeBuddy,腾讯出的 AI 编程工具。

从 Cursor 到 Trae,这类产品可太多了。

这几天,铺天盖地的 CodeBuddy 推文,忍不住,笔者也实测了一把。

真有那么神?

不吹不擂 ,今日分享 CodeBuddy 的一手体验:

  1. 快速上手

  2. 做个应用

  3. 部署起来

  4. 个人感受

  5. 快速上手


地址:https://www.codebuddy.ai/

picture.image

目前给邀请码还挺慷慨,500 次 Claude-4 额度,有需要的朋友,走过路过别错过。

UI 设计酷炫,情绪价值拉满:

picture.image

基于 VSCode 打造,因此页面布局和 Cursor/TraeAI IDE 如出一辙,尽可能降低用户上手门槛,和竞品抢占用户心智。

重点是弹药库充足:把宇宙最强编程模型都给你上了,而且国内直达:

picture.image

对于 Windows 用户,如果觉得命令行太难用:

picture.image

左侧状态栏,可以切换到 SSH 远程登录:

picture.image

如果没有 Linux 虚拟机,推荐你试试同样是腾讯出品的 WebIDE:

免费GPU算力本地跑DeepSeek R1,无惧官方服务繁忙!

  1. 做个应用

2.1 准备工作

既然定位为一站式产品开发平台,显然少不了后端集成,因此 CodeBuddy 目前集成了:

  • 海外的 Supabase (主要是数据库);
  • 自家的 CloudBase (产品更全);

我们首先连到腾讯云 CloudBase,后续可以用这里的免费服务:

picture.image

成功后会在当前目录下自动生成AI 规则文件

picture.image

这个 AI 规则文件怎么理解?

其实就是提示词工程,用来给 CodeBuddy 在开发过程中定规矩:

picture.image

所以,CodeBuddy 会首先识别要开发的项目类型,然后再去遵守对应的开发文档。

私以为这套提示词工程非常棒,值得借鉴!

当然,如果你不想用腾讯家的产品CloudBase,也可以自定义规则,右上角这里:

picture.image

下面,我们以官方案例,实测下 CodeBuddy 能力几何!

2.2 需求描述

需求应该尽可能明确,比如要用到的技术栈:

  
创建一个在线投票系统,支持创建投票、参与投票、结果统计;  
  
前端使用vue3+javascript+tdesign组件库+unocss+pnpm+eslint+prettier;  
  
先和我确认需求,用中文和我对话,最后完成部署。  

当然,即便你觉得需求非常明确了,AI 也未必听话照做,还得不断调教它。

2.3 开始开发

发送之前,记得勾选这里的 Plan 模式:

picture.image

你看,AI 开始查看规则了:

picture.image

不过 Claude 4 并没有听话照做-用中文回答我

AI 看完了,帮我生成了需求文档:

picture.image

不明确的地方,主动向我询问:

picture.image

开始打工了,首先是逐步安装依赖:

picture.image

然后,进行项目配置:

picture.image

开始创建连接CloudBase的环境:

picture.image

下面正式进入代码环节!

首先是创建路由配置文件:

picture.image

然后,创建Pinia状态管理配置:

picture.image

然后,创建页面布局:

picture.image

创建不同页面:

picture.image

修改css样式:

picture.image

最后创建 README.md文件:

picture.image

至此,对新手来说,看着 AI 打工,起码能学到基本的前端开发流程;

对于有一定前端开发经验的工程师,依然赏心悦目!

最后的最后,创建CloudBase配置文件,以便于项目的部署和管理:

picture.image

运行项目试试看:

picture.image

这里,它让你前往腾讯云CloudBase,对于新手来说还是很贴心的:

picture.image

2.4 开始 Debug

没有页面怎么办?

发现报错怎么办?

直接问CodeBuddy

  
修改 src/utils/cloudbase.js 文件中的环境ID  
修改 cloudbaserc.json 文件中的环境ID  
已完成,你用的什么数据库啊,我在哪创建数据库啊  

这个项目的后端数据库,CodeBuddy 选择的文档型数据库 MongoDB,还是挺合理的,方便后续扩展。

CloudBase中同时支持关系型文档型数据库:

picture.image

此外,自有数据库是让你把其他产品的数据库迁过来,就怕你不来~

然后,我们在文档型数据库中,创建项目用到的三个集合:

picture.image

数据库配置好之后,前端页面就可以成功展示了,只是差点意思:

picture.image

你看看这个布局~

你怎能奢望它一气呵成,给你完整的项目?

没招,一步步来吧~

Claude-4 被我喷了无数次后,终于把布局的 bug 给修好了:

picture.image

CodeBuddy 中比较贴心的一点:调整前端页面时,可以选择页面元素进行调整:

picture.image

即便如此,这个项目中 bug 依旧很多,略举两例:

  • 路由不统一:

picture.image

  • 重复页面:

picture.image

Claude-4 小心翼翼地修 bug,任劳任怨,但经常原地转圈,纯纯有苦劳没功劳。光缓存就干到了 8MB:

picture.image

在我的不断鞭策下,注册登录等基本功能 OK 了。

还有一堆 Bug,懒得修了,先部署起来吧~

  1. 部署起来

后端只用到了 CloudBase 的数据库,所以编译打包后,可以把 dist 放到任意一台服务器上。

  
npm run build  

不过,CloudBase 也提供静态网站部署能力,藏的有点深:

picture.image

命令行部署超级简单,说白了就是把静态文件上传到云端。

具体流程如下:

  
# 安装 CLI 工具  
npm install @cloudbase/js-sdk  
# 先登录,等待网页端授权  
tcb login  
# 设置环境变量  
export envId=cloud1-xxx  
# 获取静态网站服务信息  
tcb hosting detail -e $envId  
# 将文件上传到静态网站的存储空间中的指定路径  
tcb hosting deploy ./dist . -e $envId  
# 删除文件/文件夹  
tcb hosting delete -d vote -e $envId  
# 查看文件列表  
tcb hosting list -e $envId  

picture.image

上传成功,在哪查看文件?

需要前往腾讯云控制台:

https://console.cloud.tencent.com/

picture.image

等待一段时间,CDN 缓存就绪后,上方域名即可访问:

https://cloud1-3gvpnlgk5f856f4b-1327613494.tcloudbaseapp.com/

  1. 个人感受

实测结论:

  • CodeBuddy 和其他竞品相比,单就编程能力,并无显著优势,但并不妨碍它成功出圈。

不是 CodeBuddy 不行,不是 Trae 不行,而是背后的 LLM 还有很长的路要走。

面对群狼环伺的 AI IDE 市场,如何从一众竞品中站稳,腾讯花了很大心思。尤其是和自家的云原生开发平台 CloudBase 深度绑定。

因此,不只是 AI IDE 市场。

AI IDE 只是很好的入口,腾讯想要的是,元原生时代,广阔的AI+应用落地市场

写在最后

本文分享了腾讯的 AI IDE 编程工具CodeBuddy,并进行了实测。

AI IDE 是工具,是助手,可以极大提高开发效率,只需要储备一点点基础,然后掌控它。

如果对你有帮助,不妨点赞收藏 备用。

👇 关注猴哥,快速入门AI工具

picture.image

# AI 工具:

本地部署大模型?看这篇就够了,Ollama 部署和实战

盘点9家免费且靠谱的AI大模型 API,统一封装,任性调用!

免费GPU算力本地跑DeepSeek R1,无惧官方服务繁忙!

# AI应用** :**

弃坑 Coze,我把 Dify 接入了个人微信,AI小助理太强了

我把「FLUX」接入了「小爱」,微信直接出图,告别一切绘画软件!

202K 下载!最强开源OCR:本地部署,邀你围观体验

阿里开源TTS CosyVoice 再升级!语音克隆玩出新花样,支持流式输出

借 WeChatFerry 东风,我把微信机器人复活了!

成本不到50的AI对话机器人,如何自建服务端?自定义角色+语音克隆

0
0
0
0
关于作者

文章

0

获赞

0

收藏

0

相关资源
火山引擎大规模机器学习平台架构设计与应用实践
围绕数据加速、模型分布式训练框架建设、大规模异构集群调度、模型开发过程标准化等AI工程化实践,全面分享如何以开发者的极致体验为核心,进行机器学习平台的设计与实现。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论