AI Coding 工具编排时代：从单兵作战到分层调度，开发者工具链的范式革命

2026 年 6 月，AI 编程工具正在经历一次根本性的架构转变：从「一个模型做所有事」走向「用最强模型思考、用便宜模型执行」的分层编排范式。这场变革不仅关乎工具本身，更将重塑整个软件工程的成本结构。

引言：Uber 的四亿美元教训

2026 年 6 月最震撼的科技新闻之一，是 Uber 仅用四个月就烧光了全年 AI 工具预算。据 Briefs.co 报道，罪魁祸首是 Claude Code 在工程团队中的大规模采用。

这不是孤例。PwC 对 4,454 名 CEO 的调查显示，56% 的 CEO 报告 AI 投资零回报，仅 12% 实现了预期价值。与此同时，Fortune 报道科技巨头 2026 年 AI 基础设施投入将逼近 7000 亿美元。

一边是投入失控，一边是回报未达预期。矛盾的解法在哪里？

答案正在 GitHub Trending 上浮现。

配图来自 cpaczek/skylight —— 一个用 RTL-SDR 将头顶飞机投影到天花板的开源项目，24 小时内获得 2,546 star，代表了开发者社区对创意硬件项目的热情。

第一章：Agent Skills —— AI 工具的「应用商店」

什么是 Agent Skills？

2026 年上半年最重要的技术趋势之一，是 Agent Skills 生态的爆发。Agent Skills 是一种标准化格式，让 AI 编程工具（如 Claude Code、Cursor、Copilot）能够加载特定领域的「技能包」。

安装一个 skill，就像给 AI 装了一个插件：

1 2	npx skills add shadcn/improve # 代码审计技能 npx skills add diffusionstudio/lottie # Lottie 动画生成技能

这不是简单的 prompt 模板。Skills 包含：

结构化的任务描述：告诉 AI 如何理解特定领域的代码
输出规范：确保结果是可执行的，而非泛泛而谈
工作流编排：定义多步骤任务的执行顺序

从工具到平台的跃迁

Agent Skills 的意义在于，它将 AI 编程工具从「对话式助手」升级为「可编程平台」。就像 VS Code 的扩展生态定义了编辑器的上限，Agent Skills 将定义 AI Coding 工具的上限。

agentskills.io 已经成为一个集中的 skill 发现和分发平台。开发者可以发布、搜索、安装 skill，形成了一套完整的生态系统。

第二章：shadcn/improve —— 分层 AI 编排的范本

核心理念

2026 年 6 月 10 日，知名 UI 库作者 shadcn 发布了 improve。这个项目用一句话概括了 AI Coding 的未来方向：

Use your most capable model for the part where intelligence compounds — understanding the codebase, judging what’s worth doing, writing the spec — and hand execution to cheaper models.

翻译过来就是：用最强模型做「思考」，用便宜模型做「执行」。

工作原理

improve 的工作流分为三个阶段：

阶段 1：审计（昂贵模型）
  /improve → 扫描代码库 → 生成 findings 表

阶段 2：规划（昂贵模型）
  "plan 1, 3, 5" → 生成自包含的 spec 文件 → plans/001-*.md

阶段 3：执行（便宜模型）
  /improve execute 001 → 在隔离 worktree 中实现 → 审查 diff → 报告

关键设计决策：

规划与执行分离：规划文件是纯 Markdown，任何 agent 或人类都可以执行
隔离执行环境：每个 plan 在独立的 git worktree 中执行，互不干扰
自动审查：执行完成后，系统会对比 diff 与 plan 的一致性
持续维护：/improve reconcile 命令可以刷新 backlog，验证已完成、解除阻塞、归档过时的计划

实际效果

shadcn 用 improve 审计了自己的 shadcn/ui 项目，返回的 findings 包括：

| # | Finding                                        | Category  | Effort | Confidence |
|---|------------------------------------------------|-----------|--------|------------|
| 1 | shadow-config duplicated in search.ts/view.ts, | tech-debt | M      | HIGH       |
|   | copies already drifted (TODO at search.ts:31)  |           |        |            |
| 2 | O(n²) icon migration loop in build-icons.ts    | perf      | S      | HIGH       |

每个 finding 都会被转化为一个独立的、可执行的 spec 文件。

对成本的影响

improve 的分层架构直接解决了 Uber 面临的成本问题：

审计和规划（约占总 token 的 20%）使用最贵的模型（如 Claude Opus）
执行（约占总 token 的 80%）使用便宜的模型（如 Claude Sonnet 或 Haiku）
总成本可以降低 **60-70%**，而质量损失很小

第三章：diffusionstudio/lottie —— AI 进入创意工具链

配图来自 diffusionstudio/lottie —— Y Combinator W24 孵化项目，用 AI 生成生产级 Lottie 动画。

打破设计师-工程师的工作流壁垒

传统的 Lottie 动画工作流是：

1	设计师在 AE 中制作动画 → 导出 Bodymovin JSON → 工程师集成到代码中

这个流程的痛点：

依赖 After Effects（昂贵的专业软件）
设计师和工程师之间的沟通成本高
迭代周期长（改一个动画可能需要一天）

diffusionstudio/lottie 用 AI 彻底重构了这个流程：

1	工程师描述动画需求 → AI 生成 Lottie JSON → 直接集成到代码中

技术实现

这个项目也是一个 Agent Skill。安装后，你可以用自然语言描述动画：

Create a Lottie animation from the SVG path in hello-en.svg. Reveal the path with a natural path direction animation. Apply a premium apple themed gradient. Use ease-in-out timing, transparent background.

AI 会：

解析 SVG 路径数据
生成 Lottie JSON 动画
提供内置播放器供实时预览
支持导出为 After Effects 兼容格式

更大的趋势

lottie 项目代表了一个更大的趋势：AI 正在从「写代码」扩展到「生成所有类型的数字资产」。代码、文档、测试、动画、设计稿——AI 工具链正在覆盖软件开发的全生命周期。

第四章：安全阴影 —— 恶意仓库与供应链攻击

在 AI 工具生态爆发的同时，安全威胁也在同步升级。

GitHub 恶意仓库网络

Klarrio 安全团队发现了一个大规模恶意软件网络，攻击者创建虚假 GitHub 仓库，伪装成热门开发者工具（如 linter、formatter、代码生成器），诱骗开发者安装恶意依赖。

攻击手法：

创建高 star 数的假仓库（通过 bot 刷 star）
模仿知名项目的 README 和代码结构
在 npm/pip 包中植入恶意代码
窃取环境变量、API 密钥、SSH 密钥

Windows Defender 漏洞

RoguePlanet 项目曝光了 Windows Defender 的严重漏洞（C++ 实现），24 小时内获得 934 star。

Axios 开发者工具被攻击

OpenAI 官方回应了 Axios 开发者工具被供应链攻击的事件，提醒开发者加强依赖审计。

防御建议

只从官方渠道安装工具：使用 npx skills add 而非手动 clone
启用 GitHub 安全功能：Dependabot、代码扫描、secret scanning
对新仓库保持警惕：star 数突然暴增、作者账户新建、README 过于完美——都是红旗
使用 lockfile：package-lock.json / poetry.lock 可以防止依赖被篡改

第五章：中国 AI 代码模型的集体发力

小米 MiMo-Code

XiaomiMiMo/MiMo-Code（⭐1,080）是小米 MiMo 团队推出的代码生成模型，TypeScript 实现。

京东 JoyAI-Echo

jd-opensource/JoyAI-Echo（⭐1,365）专注于长音视频生成，代表了中国大厂在多模态 AI 领域的开源力度。

竞争格局

继华为（盘古）、阿里（通义灵码）、百度（Comate）之后，小米和京东的入局意味着中国科技公司在 AI Coding 赛道的竞争已经白热化。这对全球开发者来说是好消息——更多的竞争意味着更低的价格和更好的工具。

第六章：展望 —— 2026 下半年的 AI Coding 趋势

趋势 1：分层编排成为标配

shadcn/improve 的模式会被快速复制。到 2026 年底，主流 AI 编程工具都将内置「规划-执行」分层机制。

趋势 2：Skill 生态爆发

Agent Skills 将成为 AI 工具的「npm」。预计到年底，agentskills.io 上将有超过 10,000 个可用 skill，覆盖前端、后端、DevOps、安全、数据等各个领域。

趋势 3：AI 生成全链路数字资产

从代码到动画、从测试到文档、从设计稿到部署配置——AI 将覆盖软件开发的全生命周期。diffusionstudio/lottie 只是冰山一角。

趋势 4：成本控制成为核心竞争力

Uber 的教训会让更多企业关注 AI 工具的成本效率。分层编排、模型路由、缓存优化将成为 AI 工具的差异化竞争力。

趋势 5：安全成为一等公民

随着 AI 工具生态的扩张，供应链攻击的风险也在指数级增长。安全审计 skill（如 improve 的 /improve security）将成为每个项目的必备工具。

结语

2026 年 6 月，AI Coding 工具正在从「蛮力时代」进入「编排时代」。shadcn/improve 用分层架构解决了成本问题，diffusionstudio/lottie 用 AI 打通了创意工具链，Agent Skills 生态正在形成 AI 工具的「应用商店」。

Uber 四个月烧光全年预算的故事不是 AI 的失败，而是粗暴使用 AI 的失败。未来的 AI Coding 不是谁的模型更强，而是谁的编排更聪明。

用最强模型思考，用便宜模型执行。 这句话将成为 2026 年下半年的开发者座右铭。