通过搓《谁是卧底》这个Bot，我体验了一把Coze的Multiagent模式，对Coze这个平台能承载多么复杂的AI应用也有了一个初步的认识。
这几天我又尝试了另一种玩法。我试着用Coze构建了一个简版的编程Agent，暂且叫它“AI Coder”吧。
用户只需要输入需求描述，接下来就可以看这个Bot自己表演啦。它会执行一个超长工作流：澄清需求，定义MVP，生成需求规范、文件结构和代码结构，然后逐个地编写源码文件，最后它会输出一个完整的包含多个源码文件的程序（打包好了，可下载）。
这个超长工作流包含5个子工作流。在生成《贪吃蛇》这种复杂度的项目时，它完整运行一次大约耗时4～5mins，需要10+x次LLM调用（x表示要生成的代码文件的数量），总共需消耗约50k~60k Tokens。
你可以到这个地址去体验AI Coder：
https://www.coze.com/s/ZmFqnn37c/
下面是我录制的一个Demo视频
提前声明：
这个视频是一镜到底，除了三倍速，没有做任何其他剪辑。
AI Coder的表现不稳定，这个Demo是我试了多次，然后选了一个效果比较好的。
视频中生成的代码在这里：
https://1024code.com/codecubes/v2wn025
视频高清版可以在B站观看：
AI Coder的Bot设计及重要的工作流
Coze有诸多限制，要实现一个稳定的超长工作流并不容易。
首先，Coze的工作流有超时限制（貌似是2mins），所以你不可能用一个工作流完成所有事情，必须要拆出多个子工作流，然后让外层聊天模型依次调用这些子工作流，把它们串起来。
目前在Coze的工作流内部还无法实现稳定的循环逻辑。当你遇到需要循环处理的场景，比如循环生成源代码文件的时候，就会很难受。我目前的方案是通过外层聊天模型来控制循环过程。如果外层使用的是GPT-4o这种强力模型，这整个流程还是比较稳定的。
AI Coder目前的编程水平怎样？
AI能编程这个事情大家应该都有所认识，但是它编程的水平到底怎样，还要有更具体的评估。
我把编程任务按照复杂程度粗略划分了6个层级：
C0 函数级别（有固定答案和测试用例）。这类任务一般会涉及 十几行代码，单个源码文件。C1 练习题/应用题级别（有固定答案和测试用例）。这类任务一般会涉及 几十行代码，单个源码文件。C2 小程序/小工具级别（有一定实用性，无过多依赖）。这类任务一般会涉及 几十行到一百多行代码，2～4个源码文件。C3 玩具项目级别（深度依赖于框架或者重要的第三方库，涉及多个模块）。这类任务一般会涉及 一百多行到几百行代码，5～10个源码文件。C4 实战项目级别（涉及多个系统或服务）。这类任务一般会涉及 几百到几千行代码，几十到上百个源码文件。C5 真实世界项目级别（技术+用户+市场）。真实世界项目已经脱离了单纯的技术范畴了，需要考虑很多其他领域的问题。
《贪吃蛇》这种程序大概属于C3玩具项目级别。你也看到了，我们需要设计复杂的工作流，才能让AI Agent勉强处理这一级别的编程任务，且它的表现还不稳定。另外需要注意的是，《贪吃蛇》是十分常见的程序，你要让AI Agent写一些独创的程序，它可能不会有这样的表现。
