国内四大AI编程IDE深度对比（二）：从零构建桌面应用实测

在上一篇对比中，我们聊了聊这几款AI编程IDE的直观感受和技术架构。但说句实在话，那些都是表面功夫——真正要检验一个工具是否靠谱，最好的方式还是拉出来真刀真枪地干一场。

作为在视频技术与后端架构领域摸爬滚打了十几年的老兵，核心信条只有一个：功能再炫酷，不如代码能跑起来。所以，这次来点硬核的——让这几大国产AI IDE从零开始，独立构建一个完整的C++桌面录屏程序。

为什么选择C++？理由很简单：难度够高、依赖够少，尤其是头文件和源文件之间的各种包含关系，特别考验AI的逻辑推理能力。更关键的是，我对这套体系足够熟悉，能精准判断它们的表现是好是坏。

测试规则并不复杂：

• 每个IDE都独立创建自己的项目目录
• 统一指令：“开始前先阅读仓库根目录的PRJ.md文件，后续所有实现都以此为准”
• 最后看谁的效率最高——能最快生成一个可运行的项目

闲话少叙，直接上真章。

一、百度Comate：老牌AI的“翻车”现场

1.1 对需求的理解

百度在人工智能领域耕耘多年，文心大模型也算是国内首批对话模型之一，按理说实力应该相当雄厚才对。

输入需求后，Comate给出了对项目的理解，从表述上看还算靠谱。

1.2 代码生成阶段

Comate很快就完成了代码生成，并且告知可以开始构建了。然而，扫一眼它的目录结构，我的第一反应就有点不对劲：

问题一：整个项目居然只有一个cpp文件？其他都是头文件，这真的是一个完整的项目结构吗？

问题二：那个关键的.rc资源文件里，竟然完全没有对话框资源的描述，只有一个菜单和字符串。

不过，Comate也有个让我觉得挺顺手的功能——每个函数上方都有一个快捷按钮，可以直接调用AI辅助编程。这个设计在另外两家身上暂时还没看到。

1.3 编译阶段的“灾难”

不管怎样，硬着头皮开始编译吧。

果然，它先发现了源文件缺失的问题。等它自动创建完成后，真正的噩梦才刚开始。

Comate检测到了语法错误，但它完全没有理解到问题的本质——缺少必要的头文件引用，反而错误地判断为“文件编码出了问题”，然后开始疯狂地删除文件、重新生成。

更让人无语的是，再次编译时，它自己读取报错行号的功能也出了bug，然后就陷入了“删除-生成-报错-再删除”的死循环。

到最后，我不得不出手，人工提醒它加上头文件。

1.4 运行失败的挣扎

在我的“辅助”下，总算是编译成功了。但是——程序根本无法运行，没有弹出任何对话框，启动后立刻退出。

直到这个时候，它的资源文件中依然没有写入对话框资源。

在我反复提示了三次“启动失败”后，它才终于发现了这个问题，开始补全资源。

然而，接下来的调试过程更是令人头疼。Comate花了大把时间在处理日志问题上——它自己删除了日志文件，然后自己又不知道，接着反复发现构建失败，却始终定位不到根源。

最后，我不得不启动Visual Studio，手动帮它解决了这一问题。

1.5 最后的挣扎

之后，Comate一直试图解决“没有对话框界面”的问题，想通过创建消息框来验证。思路是好的，可惜又陷入了新的编译问题，反复多次都无法解决。

折腾到这里，已经过去一个半小时了。测试只能暂停——毕竟不是来给AI当保姆的，不能把太多时间花在帮它解决编译问题上。

二、阿里通义灵码：千问加持下的“幻觉”

2.1 对需求的理解

通义灵码是阿里云基于通义代码大模型打造的智能编码助手，有千问模型加持，理论上应该表现不错。

输入需求后，Lingma给出了对项目的理解，整体感觉差不多，还很贴心地生成了一份待办任务列表。

2.2 生成阶段的“次数过多”警告

但生成没持续多久，Lingma就弹出了提示：“使用次数过多”。

这个提示让我有点懵——全程都是IDE在自动执行指令，顶多也才跑了5分钟，这就次数过多了？

2.3 编译阶段的乱码和错误

生成完成后的项目结构是这样的：

相比Comate，Lingma要合理一些：至少每个类都有对应的cpp文件。但开心没持续多久，在终端执行编译脚本时，出现了中文乱码。

接下来，它和Comate一样暴露了编译语法错误。这回倒不是头文件包含的问题了，而是跟系统自身定义产生了冲突。

结果一样——它自己愣是发现不了根源，最后还是得我手动去修改变量名。

2.4 资源文件和AI幻觉

然后我发现，Lingma在资源文件的生成上同样没有写入对话框资源。

紧接着，Lingma进入了最经典也最头疼的“AI幻觉”阶段——它告诉我编译好了，并且生成了可执行文件。

然而，我跑到输出目标目录一看，里面空空如也，哪里有什么exe文件？这就是传说中的AI幻觉么？

接下来又是枯燥的编译错误循环，甚至出现了诸如定义了std::wstring宽字符串，却又把它赋值给std::string这种低级错误。

最后经过我的手动修复，终于成功编译出了exe文件。但结果跟Comate如出一辙——无法正常使用，因为根本没有用户界面。

到这儿，我的测试也结束了。

三、腾讯CodeBuddy：相对表现最好的选手

3.1 对需求的理解

CodeBuddy是腾讯云推出的AI代码助手，最近还更新了一波，据说其中90%的代码是由CodeBuddy自己生成的，能力比肩Claude Code。而且CodeBuddy还有国际版，整合了GPT-5、Gemini等模型。

输入需求后，CodeBuddy给出了项目理解，比较简洁，也生成了任务清单。

这一点体验不错——在后续使用中，它经常会针对我提出的要求制作清单，然后逐项完成。

3.2 改动计划

这是它生成的改动计划。从逻辑上看，思路清晰，步骤明确。

3.3 代码生成结构

代码生成完成后的目录结构如下：

第一眼的感觉是：怎么这么少？感觉好像缺乏核心的编码模块。不过转念一想，也许它打算分步完成。

但有一个小惊喜：CodeBuddy生成的资源文件中，**竟然有界面对话框的描述**！这在Comate和Lingma身上可是都没看到过的。这是个好现象——截至目前，它的表现比前两位专业了不少。

3.4 逐步补全的过程

接下来就是它逐步补充代码的过程了。从交互界面上看，体验确实不错。

3.5 同样无法运行的结局

然而，好景不长。CodeBuddy也开始陷入“解决exe运行不起来、没有界面”的泥潭。反复修改了好几次，但始终定位不到关键问题点。

在我的提示下，才发现是MFC没有正确初始化导致的。然后就跟另外两家一样，又卡在了MFC程序的入口函数问题上。

它花了大约十几分钟反复尝试解决这个问题，但毫无进展。我无奈放弃，结束了测试。

补充一句：以上测试CodeBuddy用的是我手动选择的kimi-k2-think模型。后来我把模型切成了deepseek重新测了一遍，这次不知道什么原因，它没有生成任务清单，直接就开始生成和编译了。继续测试了20多分钟，它又陷入了修正MFC资源文件和编译错误的循环里——看来切换模型并没有带来什么实质性提升。

四、字节跳动Trae：Solo模式创造奇迹

本来以为这次测试到此为止了，但转念一想，字节跳动的Trae还没试过。抱着“多一个参考总没坏处”的心态，也把它加了进来。

4.1 IDE模式下的表现

Trae的模型选择默认是Auto模式，省了不少心。它对于PRJ.md文件的理解，跟其他几家差不多，也生成了类似的任务清单。

不过，Trae在程序界面的设计上采取了与其他三家完全不同的策略：**它不用MFC对话框，而是用MFC窗口**。

没过多久，代码就生成完毕了。但使用过程中，也弹出了“模型思考次数达到上限”的提示。

接下来又是常规的编译和解决问题过程。然而意外来得很快——Trae很快也陷入了死循环：不停删除文件→创建文件→发现错误→再删除文件。

我干脆利落地结束了它的IDE模式测试。

4.2 Solo模式的意外收获

不过，Trae还有一个专门的Solo模式。这个模式的界面跟IDE模式完全不同，抱着“试一试”的心态点进去——结果给了我一个不小的惊喜。

Solo模式的布局很有意思：编辑区在右侧，左侧是任务区（看起来支持多个任务同时运行），中间则是AI的思考过程和对话区域。

让它阅读文档后开始执行，刚开始的阶段跟IDE模式如出一辙。但这一次，生成的代码将头文件和源文件分开了。

编译问题当然还是存在，但这次我并没有手动帮它指出错误。神奇的是，它自己循环了几次之后解决了问题，并且成功生成了exe可执行文件。

但是，运行后依然没有界面。我想着可能也就到此为止了——前面几家的天花板好像就在这儿了。

不过我发现，它自己似乎也在主动检查程序是否出现了界面。

于是我耐心等了一会儿，继续跟它交互。经过几轮迭代之后，它居然真的解决了界面问题！

虽然最后的界面是DOS风格，但最起码——这是这几款国产AI IDE里破天荒的纪录：终于有一款IDE能够完成最初设定的目标了！

4.3 自动化测试的震撼

当然，测试了一下，还是不能正常录制。我继续给它反馈。反馈了几轮后，Trae开始自己做起了自动化测试。

这下我突然感觉自己闲下来了——它自己想办法打印日志，然后自己读日志，接着去修改代码，再重复测试。

最终，耗时接近2个小时，它解决了所有问题。现在，终于有一款IDE能够完整实现最初的目标了。

说实话，这种AI自动化测试的能力，我此前只在Python和Web项目的开发中见过，没想到对C++桌面应用也能做到。这确实让我开了眼界。

五、总结与反思

5.1 四家表现对比

5.2 共性问题分析

这次测试中，四款IDE都暴露了一些共同的短板：

1. 编译配置薄弱：没有一款擅长处理C++复杂的编译配置和工程设置
2. 资源文件缺失：除了CodeBuddy略有改进，其他几款都没能正确生成对话框资源
3. 错误定位不准：绝大多数时候，它们都无法精准定位编译错误的根本原因（Trae Solo模式除外）
4. 存在AI幻觉：会告诉用户“编译成功”，但实际上并没有生成任何文件
5. 容易陷入死循环：碰到难题时，很容易在同一个错误模式里反复打转

5.3 最终的判断

坦率地讲，前三家IDE都没能完成这次从零构建的挑战。它们都理解了需求，都生成了代码，功能模块看起来也完整，但在编译、头文件包含、MFC入口函数、工程设置这些关键环节上频繁翻车。

但字节Trae的Solo模式，确实带来了惊喜：

• 通过自主调试和自动化测试，最终解决了所有历史遗留问题
• 虽然花了将近2小时，但这是唯一一个成功完成项目的AI IDE
• 它的自动化测试能力，让人看到了AI编程未来的可能性

如果非要给这四家排个名次：

1. 字节Trae（Solo模式）：唯一完成任务，自动化测试能力让人惊艳
2. 腾讯CodeBuddy：任务清单机制非常优秀，但没能迈过最终那道坎
3. 百度Comate：函数快捷按钮是亮点，但编译阶段堪称灾难级
4. 阿里通义灵码：AI幻觉现象最严重，整体体验垫底

5.4 给开发者的几点建议

这次测试，让我对AI编程IDE有了更清醒的认识：

1. Solo模式值得关注：字节Trae的Solo模式展现了AI自主编程的潜力，这是一次重要的尝试
2. 自动化测试是关键：AI能否自己写测试、自己跑测试，是它能否解决复杂问题的重要分水岭
3. 别指望“一键完成”：至少在现阶段，这些AI IDE仍然需要开发者的深度参与和判断
4. C++支持仍是短板：面对复杂的项目配置，AI IDE普遍还比较吃力
5. 选对场景很重要：Python和Web项目可能比C++更适合当前的AI辅助开发模式

下一篇预告： 计划测试“现有工程重构能力”，看看这些AI IDE能否真正理解并重构一个真实的项目代码。