我在构建一个编程的新世界

为了提供现代化、高效且跨平台一致的 Vibe Coding 交互界面，其实auto coder 一开始就没有选择主流的基于 vs code插件的方案  而是先打造了一个AI辅助编程引擎，早期用户应该体验过直接使用底层引擎执行yaml 文件的历史。

后面交互层面，为了能适配所有 IDE，我们先做了基于 terminal 的版本 auto-coder.chat ，获得最大灵活性。

反向的，auto-coder.chat 可以让用户迅速用起来，获得大量反馈，反过来不断优化引擎。

引擎solid 后，我开始迭代现在的 auto-coder.web 相比市面上所有基于web 的交互产品，我们除了标准IDE 模式以外，还独立设计了需求看版以及纯 agent模式。web版本会有更好的交互体验，实现编程心流。当然，我人最高效的肯定还是terminal 版本的。

auto-coder.chat + auto-coder.web 已经可以让开发者能在不同设备上获得流畅一致的 Vibe Coding 对话和代码审查体验，也验证了 auto-coder 引擎的能力，当前的auto-coder引擎目前核心在项目记忆和理解方向做突破。

当然了，我从来不认为 AI辅助编程的核心壁垒是牢固的，AI辅助编程自身是冰山之上的东西，我认为冰山之下的操作根本的。

auto-coder 冰山之下，有能够具备支持代码和文档的全球首款 llm native 的 RAG 引擎auto-coder.RAG , 在 RAG之下，我们自研了AI存储系统 Byzer Storage ，一个使用了诸多业界最新成果的引擎：比如支持CPU 向量化能力的JDK21，Lucene，分布式王者Ray，分布式存储JuiceFS 等。

在大模型管理层面，我也自研了 byzer-llm 一个非常有创新性的大模型中间件，具有世界上最友好的大模型prompt编程APi，同时还具备部署大模型，预训练和微调大模型。

这些才是冰山之下，类似苹果软硬一体实现最大化协作效率的基础设施体系。

所以，辅助编程仅仅是一个辅助编程么？

给大家看看我们官网的一个产品列表截图：