知名开源开发者黄峰达离开Qoder，感慨在阿里要做好产品太难了！

智猩猩AI整理 编辑：林夕 10月28日， 国内知名开源开发者、AutoDev项目作者黄峰达 （Phodal）在X平台发文宣布， 当天是自己在阿里巴巴Qoder团队工作的最后一天。 在告别帖中，他感谢了这段时间一起做产品、写代码、探索AI Coding的同事，并表示认识了很多优秀的人，也收获了不少新的思考。 不过，对于这段经历，他也留下了一句颇为耐人寻味的感慨： “不得不感慨，在阿里要做好一个产品，可太难了。技术只是其中一部分，更多的挑战往往在技术之外。” 他还提到，这段经历让自己对AI Coding、Agent和软件工程的未来有了更多思考。 至于下一站，黄峰达并未透露具体去向，只表示仍希望继续做一些有意思的事情。 黄峰达在国内软件工程和开源社区有一定知名度。 在加入阿里之前，他曾长期任职于 全球软件咨询公司Thoughtworks ，担任过中国区开源负责人，也是国内较早探索AI辅助编程的开发者之一。 根据其个人履历，黄峰达毕业于 西安文理学院电子信息工程专业 ，2013年12月进入Thoughtworks实习，2014年7月正式加入。 此后，他逐步从软件开发转向架构设计、技术咨询和开源生态建设，曾于2021年担任Lead Consultant。 在Thoughtworks工作期间，他参与开发了 微前端框架Mooa、多语言代码分析工具Chapi、遗留系统重构工具Coca，以及架构治理工具ArchGuard 等多个开源项目。 此外，他还出版了 《前端架构：从入门到微前端》《全栈应用开发：精益实践》《自己动手设计物联网》 等技术书籍。 真正让他在AI Coding领域受到更多关注的，是2023年启动的 AutoDev 项目。 当时，ChatGPT引发的生成式AI热潮正在席卷软件开发行业。 黄峰达与Thoughtworks同事及开源社区成员共同推进AutoDev，尝试将大语言模型能力引入真实的软件研发流程。 2023年8月，AutoDev 1.0正式发布。 这是一款面向开发者的开源AI编程助手，通过IDE插件提供代码生成、测试等能力，并探索如何将企业内部的工程规范和项目上下文提供给模型。 与只关注代码补全的工具不同，AutoDev更强调AI与软件研发流程的结合。 此后，黄峰达持续围绕 AI辅助编程发表技术文章 ，讨论代码生成、模型微调、开发工具集成，以及AI在企业软件工程中的实际应用。 2024年，他曾结合Thoughtworks及客户侧的实践，讨论生成式AI对软件研发效率的影响。 文章披露的部分实践数据显示，不同研发环节的交付效率提升约为2%至13%，但对于多数已有项目，提升幅度不足5%。 这也让他将更多注意力放在 模型之外的工程问题上 。 随着Coding Agent兴起，他开始关注如何让AI理解整个项目、调用内部工具、执行测试，并完成更加复杂的开发任务。 离开Thoughtworks后， 黄峰达加入了阿里巴巴Qoder团队 。 Qoder是阿里在AI Coding领域的重要产品之一，于2025年进入市场，与Cursor、Claude Code等产品展开竞争。 据此前公开报道，Qoder上线5天用户突破10万，60天达到50万开发者用户。 此后，Qoder持续扩展产品形态，从最初面向专业开发者的AI IDE，逐步推出CLI、桌面智能体、Cloud Agents及移动端等产品，将AI编程能力延伸至更多工作场景。 2026年9月，Qoder提出 “Agentic Coding Platform for Everyone” 的新定位，进一步从AI编程工具向智能体编程平台演进。 据阿里官方披露，截至当年9月，Qoder已服务全球超过800万开发者。 在Qoder产品持续扩张的同时，黄峰达也在个人博客中分享了更多关于AI Coding工程化的实践。 2026年8月，黄峰达在个人博客中透露，加入Qoder三个月以来，他参与了 基于Canvas的Agentic UI体系设计，并持续投入Agent插件生态建设 。 围绕Better Harness项目，他进一步探索如何通过规格驱动、上下文编排、确定性验证、行为评测和证据闭环，让Agent插件从能够运行，走向可验证、可维护和持续演进。 在后续文章中，他还持续讨论Agent Loop、多Agent协作、执行过程可观察性，以及如何将开发经验沉淀为可复用的Skill。 这些技术探索与Qoder正在推进的Agentic Coding方向存在一定交集。 黄峰达此次宣布离职，正值Qoder持续扩展产品和用户规模之际。 从AI IDE到云端Agent，再到覆盖不同终端的Agentic Coding平台，Qoder过去一年经历了快速发展。 而黄峰达在告别帖中提到的 “在阿里要做好一个产品，可太难了”， 也成为这次