vscode 的多智能体工作流：让 AI 自己规划、写码、调试

打开一个空目录，输入一句需求描述，几秒后侧边栏里出现一个正在自主规划任务的智能体——它会先列出待办事项，再逐个创建文件、补全函数、运行测试，遇到报错时自己回读日志并修改代码。这不是某个独立 AI 编程产品的演示，而是 vscode 当前版本里已经内置的工作方式。它早已不只是那个装插件的文本编辑器，而是一个把多智能体协作当作核心界面的开发环境。

智能体不是补全，是接管一整条任务链

传统编辑器里的 AI 补全，本质是在光标处猜下一行。vscode 的智能体模式换了个层级：你给它一个目标，比如“给这个 Express 项目加上 JWT 鉴权”，它会自己拆解成安装依赖、写中间件、改路由、加环境变量几个步骤，然后按顺序执行。执行过程中你能看到每个步骤的状态，也可以随时暂停、回滚或手动接管某一步。

更关键的是“多智能体”这层。一个智能体负责规划，另一个负责写代码，还有一个专门跑测试和调试。它们共享同一个工作区上下文，所以规划智能体知道代码智能体刚改了哪个文件，调试智能体也能直接读取运行日志。这种分工让长任务不容易在中间断掉——单个模型容易在第三步就忘记第一步的约定，而分角色后每个智能体只盯自己那一段。

任意模型接入，规则由你定

“Any agent, any model”不是一句口号。vscode 允许你把不同智能体接到不同模型上：规划用推理强的，写代码用速度快的，调试用擅长读日志的。切换模型不需要改项目配置，在会话面板里直接选。这对需要控制成本或对某类任务有特定模型偏好的开发者很实用——不必为了一个功能绑定单一供应商。

“Your rules, your agents”指的是自定义规则文件。你可以写一份项目级的指令，规定代码风格、禁止使用的库、必须写的注释格式，所有智能体在执行时都会遵守。这解决了一个常见问题：AI 生成的代码能跑，但不符合团队规范，返工成本高。把规范前置成规则，比事后逐行改要省事得多。

扩展生态仍然是 vscode 的底子。Python、C/C++、Jupyter、GitLens、Stripe 这些扩展在智能体模式下同样可用，意味着 AI 生成的代码可以立刻在真实工具链里验证，而不是停留在编辑器里的文本。Jupyter 场景尤其明显：智能体写完一个数据处理函数，可以直接在 notebook 里跑出结果，你看到的是图表而不是代码块。

跨平台与开源底座的真实分量

Linux、macOS、Windows 三端体验一致，会话和配置通过账号同步。对于需要在不同机器间切换的开发者，这意味着在办公室台式机上开始的智能体会话，回家用笔记本打开还能接着看进度，不需要重新描述需求。

开源属性在这里有实际影响。microsoft/vscode 仓库以 MIT 协议开放，TypeScript 编写，在开发者社区积累了近二十万星标。这个量级意味着两件事：一是遇到问题能直接查源码或提 issue，二是扩展和主题生态足够厚，几乎任何语言或框架都有现成支持。HackerNews 上关于它的讨论常围绕“在 VS Code 里可视化数据结构”“浏览器里做主题生成器”这类扩展开发，说明它已经是一个被当作平台来用的工具，而不只是编辑器。

不过，智能体模式并非没有代价。它更适合目标明确、边界清晰的任务，比如“给这个模块加单元测试”或“把这个回调改成 async/await”。需求本身模糊、需要大量人工判断架构取舍时，智能体容易产出看似合理但方向偏的代码，反而增加审查负担。依赖实时交互调试、频繁手动改动的探索性开发，传统编辑加 Copilot 补全的节奏可能更顺手。

vscode 当前形态适合愿意把重复性编码任务交给智能体、同时保留规则控制权的开发者；如果你需要的是完全自动、无需审查的代码生成，它还不是那个工具。

FAQ：常见问题

vscode 的智能体模式和普通 AI 补全有什么区别？

普通补全是在光标处预测下一段代码，智能体模式是接收一个目标后自主拆解步骤、创建和修改文件、运行测试并调试。前者是逐行辅助，后者是接管一整条任务链，且支持多智能体分工协作。

vscode 支持接入哪些模型，可以混用吗？

它支持任意模型接入，并且允许不同智能体使用不同模型。你可以在会话面板里为规划、编码、调试等角色分别选择模型，不需要修改项目配置，方便在成本和能力之间做平衡。