腾讯云正式发布面向研发流程的云端智能体 CodeBuddy NPC，提出"AI Native Git"范式让 AI 直接入驻企业现有 Git、CI/CD 与质量门禁。官方披露首轮 Token 消耗从 2 万+压缩至约 2 千，降幅超 90%，开发者角色从"代码生产者"转为"目标制定与成果验收者"。
腾讯云团队判断：企业核心痛点不是编码速度不足，而是 AI 与研发流程割裂。过去 Vibe Coding 模式下，AI 不在团队代码仓库里、不接构建验证流程，是个"游离旁观者"。
AI 作为单点工具存在，无团队仓库记忆，不接构建与验证流程，开发者需在多工具间反复搬运上下文。
Git 仓库成为 AI 原生记忆，直接入驻已有 Git、Docker、CI/CD 与质量门禁，复用现有流水线形成自动闭环。
开发者角色因此从"代码生产者"变为"定目标、做决策、验收成果的监督者"。NPC 能独立闭环完成任务：自主承接、规划、执行、验证、自动迭代优化，直至交付最终结果。
AI Native Git 范式的核心，是把原本需要大量人力在多工具间搬运上下文、反复确认的流程，收敛为"AI 执行、人工决策"的协作方式。
这条自动闭环复用企业现有流水线，无需改造工作流即可部署。针对线上缺陷修复、新功能开发等高频业务场景，"需求接收—实现—验证—合并"链路被压缩成更短闭环。
更进一步，NPC 支持多角色工程化协作。通过四个维度，企业可定制专属 NPC 团队，各自认领任务、并行推进、自动联调，完成复杂功能迭代的全链路交付：
Agent 执行一次任务往往需要多轮 LLM 调用，而每一轮都会把系统提示词、工具描述和上下文重新发给模型。系统提示词是每轮都要"带着走"的固定成本——首轮压得越小，后续每一轮都跟着省。
腾讯云沉淀出一套 Agent 能效优化方法论，包含四个方向：
具体手段包括：裁剪冗余工具、精简描述、消除二义性；把 SOP 写进提示词让模型少走弯路；CLI 紧凑输出、Cache 去重叠、降低工具调用轮次；对 Skill、CLI、系统工具持续调优。
开发者还可自定义 NPC 的模型调用策略：简单任务交给成本较低的模型（如 DeepSeek），复杂任务调用能力更强的模型（如 GLM）；面向多模态研发任务（如游戏开发中的配音、生图），可借助 CNB 提供的容器沙箱+开源模型扩展能力上限。
CodeBuddy NPC 深度融入腾讯云原生构建 CNB 平台。该平台自 2018 年起在腾讯内部持续迭代，积累了四大能力：
CNB 支撑腾讯文档、腾讯广告、手机 QQ 等高频迭代业务，应对伴随模型文件引入后百 G 乃至 TB 级超大仓库。目前每月服务超 10 万名开发者，覆盖物流、消费电子、零售、金融等多个行业大型企业。同时为国内开发者提供自主可控、数据合规可控的研发协作数据环境。
腾讯云 CodeBuddy、CNB 产品负责人黄友昆表示：腾讯的实践不是把 AI 工具"分发给每个人"就结束，而是围绕 AI 重构协作方式——PM 通过需求录入 Skill 发起任务，AI 参与需求澄清与任务拆解；技术 Leader 与 AI 共建技术方案并生成研发任务；研发与 AI 协同完成开发验证；交付分析 Skill 回收全过程数据，反哺下一轮流程优化。
本文核心数据（首轮 Token 从 2 万+降至约 2 千、降幅超 90%）来自腾讯云官方披露，属单方数据，未见第三方复测；"AI Native Git"范式目前也仅有腾讯云一家提出并落地，尚无跨厂商横向对比。
读者宜带两层背景读：一是腾讯云本身是 CNB 平台与 CodeBuddy 产品方，发布即带货，成本数据与平台能力描述均服务于其商业叙事；二是"流程原生"这一方向在逻辑上自洽——Agent 多轮调用中系统提示词确为固定成本，首轮压缩确有乘数效应，方法论本身有工程参考价值。
AI 编程工具的竞争焦点，正从"谁写代码更快"转向"谁能住进企业流水线并持续交付"——工程化治理能力，正在超过单点模型能力，成为企业级 Agent 的真正护城河。
CodeBuddy NPC 已与腾讯云研发协作平台 TAPD 打通，开发者可通过 cnb.cool 进行体验。
cnb.cool → 立即体验