当前位置: 首页 > news >正文

VS Code 1.130更新 Agent架构大改 写代码的工具要管AI了

VS Code 每个月一个版本号,说实话大部分时候的小更新普通开发者体感不强。但 1.130 这次有点意思——不是因为加了几个新特性,而是它的 Agent 架构开始走向成熟。

Agent Host:从一个窗口到全局

这次更新里最值得关注的不是侧边栏多了什么按钮,而是一个叫 Agent Host 的架构变化。以前 VS Code 里的 AI 助理(比如 Copilot、Codex 之类的 Agent)各自为政,每个 agent 有自己的会话上下文、自己的窗口管理。现在 Agent Host 把它们统一了。

具体来说:Agent Host 支持多窗口连接同一个会话。你在主编辑器里写代码,打开一个新窗口看文档,两个窗口可以用同一个 agent 会话。这个变化过去很少有人在更新日志里注意到,但用过的人应该知道——之前 AI 补全到一半,切个窗口就丢了上下文,很烦。

多文件差异视图和变更统计

另一个工程向的改进是 Agents 窗口的功能增强。现在 agent 对多个文件做修改后,差异视图不再是零散的单个文件 diff,而是紧凑的多文件联合视图。每个文件的变更行数、增删比都有统计。

说实话,这个改动对于习惯"AI 改完我逐文件 review"的开发者来说,体验提升很明显。以前 Copilot 一次改了七八个文件,你要切来切去看 diff。现在一个视图就能看到全貌。

但我觉得真正有意思的是另一个功能——工作区隔离支持。Agent 在执行任务时,可以限定在自己的工作区范围内操作,不会碰到旁边项目的配置文件。这个——怎么说呢——如果你在 monorepo 里工作,应该懂这有多重要。

AI 工具审批:谁来为 AI 的操作负责

这次加了一个我没想到的功能——辅助工具审批。

什么意思呢?当 AI Agent 调用某些高风险的 API 或操作(删除文件、修改配置、执行数据库操作),它会先弹一个审批请求。不是所有操作都需要审批——AI 自己会评估风险等级,只对高风险操作进行阻断和审批。

这个设计挺聪明的。之前业界的讨论一直在"要不要让 AI 自动执行"和"必须每次手工确认"之间摇摆。前者太危险,后者太繁琐。VS Code 的做法是:让 AI 自己判断一个操作的风险级别,低风险自动执行,高风险等用户点头。

翻了下原文,发现了一个有意思的细节:风险判断的依据不是固定的黑白名单,而是 AI 在调用时根据上下文实时判断。比如删除一个临时文件可能被认为是低风险,但删除 package.json 就可能被拦截。

终端也能点链接了

还有个很小的改动但很实用:终端支持通过简写前缀点击文件链接。以前你在终端里看到错误信息里的文件路径,要自己复制粘贴。现在点一下就能在编辑器中打开。

说实话,这个小功能比某些大功能更影响日常体验。每次调试的时候,"看到错误路径→手动定位文件"这个过程一天要重复几十次。现在省了。

Agent 化编辑器的未来问题

VS Code 1.130 的这些改动指向一个方向:编辑器正在从"你写代码的工具"变成"你指挥代码助手的平台"。Agent Host、多会话管理、工具审批、工作区隔离——这些基础设施的完善,说明微软在认真把 AI Agent 作为编辑器的核心能力,而不是一个附加插件。

但说实话——真正的问题是,当 AI 能改的文件越来越多、权限越来越高,审批按钮会不会变成一个"习惯性点允许"的摆设?工具审批做得好不好,不取决于技术实现,取决于人的使用习惯。第一天:认真看每一个审批。第一周:瞟一眼。一个月后:无脑点允许。

这个问题,靠编辑器本身解决不了。


关于维基框架

维基框架关注企业应用开发中的长期维护问题。在实际项目中,业务系统往往同时涉及权限、微服务、接口协议、部署环境等复杂因素,因此我们希望提供一套更容易扩展和维护的基础框架。

官网:framewiki.com

Gitee:gitee.com/wiki-framework

GitHub:github.com/wiki-framework

示例项目:gitee.com/cdkjframework/framewiki-example

📄 许可证:MulanPSL-2.0(木兰宽松许可证,第2版)

http://www.jsqmd.com/news/1253133/

相关文章:

  • C#期货量化交易系统架构解析:从行情接入到策略回测的完整实现
  • UCD31xx数字电源EADC与斜坡模块配置实战:提升控制精度与动态响应
  • 泰安企业做AI智能体一般要多少钱?2026年报价参考
  • Velprium时间工作空间:任务与时间深度整合的效率革命
  • CocosCreator 2D碰撞监听:从BoxCollider2D配置到实战回调全解析
  • AI视觉烟雾检测系统:基于YOLOv5的实时预警方案
  • 体育素材切忌考前突击,长期打卡才是高分王道
  • MSP430 LCD_B控制器:从硬件原理到低功耗显示驱动的工程实践
  • 基于SpringBoot+Vue的艺体培训机构业务管理系统管理系统设计与实现【Java+MySQL+MyBatis完整源码】
  • 本地桌面智能体Kimi Work:AI驱动的网页自动化实践指南
  • 从100G到800G:数据中心光模块选型,最容易被忽视的几个技术参数
  • MSPM0 SPI事件与中断机制详解:从CPU中断到DMA触发的高效配置
  • VRoidStudio汉化插件:原理、安装与个性化定制全攻略
  • 情绪对话模型的数据工程与微调实战指南
  • MSP430 I2C通信实战:从寄存器配置到中断处理全解析
  • YOLOv8在寄生虫检测中的计算机视觉应用实践
  • 使用OpenAI库调用本地Ollama大模型API的实践指南
  • 鸿蒙三方库 | harmony-utils之CacheUtil缓存管理详解
  • 零基础入门大模型:Transformer架构与实战指南
  • AI Agent技术架构与工程化实践指南
  • 2026年AI行业应用全景与程序员转型路径
  • 综评心理健康实践,极易被忽略的隐形加分项
  • Mamba模型:线性时间复杂度的序列建模新突破
  • 企业私有化AI应用开发厂商哪家好?头部与专精型选型全攻略
  • YOLOv26目标检测:残差组瓶颈与双重残差连接优化
  • LangChain少样本提示技术解析与金融应用实践
  • 工业自动化手眼协同技术:原理、应用与效益分析
  • 2026年六大AI写作平台深度评测与使用技巧
  • CRAG技术:解决RAG幻觉难题的自我修正框架
  • 卷积神经网络认证训练:原理、实现与工程实践