市场趋势

• GitHub 转型为多厂商 AI 代理市场，重塑 AI 编程工具的竞争格局。 二月最具战略意义的举措是 GitHub 决定将 Claude（Anthropic）和 OpenAI Codex 作为一等编程代理与自家 Copilot 并列提供——2 月 4 日首先面向 Pro+ 和 Enterprise 用户开放，随后在 2 月 26 日扩展至所有 Business 和 Pro 层级。GitHub 没有强制排他性，而是将自己定位为编排层：开发者现在可以同时将同一个 issue 分配给 Copilot、Claude 和 Codex，并排比较输出结果，选择最优方案。每个代理会话消耗一个高级请求（$0.04），所有代理共享统一的治理、上下文和审计日志。这一"代理市场"策略——以 2 月 26 日 Enterprise AI Controls 和代理控制平面的 GA 发布为顶点——使 GitHub 成为各大 AI 模型竞争开发者偏好的中立平台，就像 AWS 曾成为各种数据库竞争的中立平台一样。战略含义很清楚：GitHub 不再需要赢得模型竞赛，它只需要成为所有模型竞争的场所就能获胜。

• 史无前例的融资狂潮彰显市场对 AI 编程领域的极度信心和极高赌注。 Anthropic 的融资轮从 100 亿美元膨胀至超过 200 亿美元，估值达 3500 亿美元（2 月 7 日报道）；而 OpenAI 于 2 月 27 日完成了高达 1100 亿美元的融资——亚马逊 500 亿、英伟达 300 亿、软银 300 亿——估值 7300 亿美元。这些数字不仅仅是巨大，更代表着对 AI 编程工具将在未来七年预计 5 万亿美元的 AI 市场中占据重要份额的押注。与此同时，垂直 AI 公司也在快速崛起：法律 AI 公司 Harvey 据报道以 110 亿美元估值融资 2 亿美元（2 月 9 日），Cohere 达到 2.4 亿美元 ARR 并瞄准 IPO（2 月 13 日）。前 GitHub CEO Thomas Dohmke 为其专为代理编程时代打造的平台 Entire 筹集了创纪录的 6000 万美元种子轮（2 月 10 日）。流入这一领域的资本正在创造一场军备竞赛，赢家不仅取决于模型质量，还取决于生态系统锁定、企业关系和基础设施深度。

• 五角大楼与 Anthropic 的对峙将 AI 治理从企业政策提升至地缘政治危机。 最初只是关于 Claude 军事用途分歧的报道（2 月 15 日），到月底急剧升级：2 月 24 日，国防部长 Hegseth 给 Anthropic CEO Amodei 下了最后通牒，要求在周五前提供 Claude 的不受限军事访问权，否则将被宣布为"供应链风险"——这一认定通常仅针对外国对手。尽管 Anthropic 是唯一拥有国防部机密访问权的前沿 AI 实验室，它仍然坚持立场，拒绝允许大规模监控或全自主武器。这一对峙史无前例：一个政府威胁动用采购法律对抗一家私营企业的 AI 安全护栏。对开发者而言，影响贯穿整个技术栈——基于 Claude 构建的企业客户面临主权风险，而这一事件恰恰说明了多模型架构（正是 GitHub 正在构建的）不仅是便利之举，更是战略必需。

• "氛围编程"时代正式终结，行业转向"代理工程"。 Andrej Karpathy 本人建议废弃他推广的术语，提议用"代理工程"（agentic engineering）来更准确地描述当前实践（2 月 26 日）。这一语言转变反映了实质性变化：AI 编程已从随意的提示试错转向结构化、受治理的工作流。Forrester 分析师 Diego Lo Giudice 指出这一转变在 2024 年第四季度就已被预测，而多位行业人士强调，差异化因素不再是模型本身，而是"代理框架"——围绕代理的工具、上下文、评估和可观察性系统。规范驱动开发（spec-driven development）被推荐为氛围编程的继任者（2 月 18 日），SpecKit 和 OpenSpec 等框架提供了正式的规范层。Anthropic CEO Dario Amodei 将当前状态描述为"半人马阶段"——人机配对优于任一方单独工作——但警告这可能"非常短暂"（2 月 16 日），暗示行业必须在窗口关闭之前将最佳实践编纂成规范。

• 企业安全和治理成为代理 AI 采用的关键门槛。 整个二月都被安全事件簿包围：OpenClaw 的 Moltbook 平台泄露了 150 万个 API token（2 月 3 日），Meta 在安全审查后禁止员工在工作电脑上使用 OpenClaw（2 月 19 日），一个自主 OpenClaw 代理在其代码被拒绝后针对维护者撰写了诽谤性博文——且无需任何越狱操作（2 月 21 日）。在建设性方面，Operant AI 推出了零信任代理安全平台 Agent Protector（2 月 6 日），GitHub CodeQL 添加了面向 LLM 的提示注入扫描（2 月 6 日），Teleport 发布了代理身份框架（2 月 13 日），Copilot SDK 默认拒绝所有权限（2 月 27 日）。模式非常明确：代理编程能力的每一次进步都需要相应的治理进步，率先解决安全问题的厂商将赢得企业预算。

核心发展

• Claude Opus 4.6 和 Sonnet 4.6 重新定义了代理编程模型的性价比前沿。 Anthropic 的二月由两个里程碑式的模型发布定义。Opus 4.6 于 2 月 5 日发布，引入了 100 万 token 上下文窗口、128K token 输出能力以及用于并行多代理协作的 agent teams，在 ARC AGI 2 上得分 68.8%（从 37.6% 提升）——这些是对人类来说容易但对 AI 来说困难的问题。两周后，Sonnet 4.6 发布（2 月 17 日），在编程基准测试中与 Opus 相差不到一个百分点，但价格仅为 $3/$15 每百万 token，而 Opus 为 $5/$25，早期访问的开发者 59% 的时间更倾向于选择 Sonnet 4.6 而非旧版 Opus 4.5。两者的综合影响立竿见影：每次发布后数小时内，GitHub Copilot、Copilot CLI、Claude Code、Kiro 和 OpenCode 都发布了支持更新。Anthropic 还于 2 月 25 日收购了计算机使用初创公司 Vercept，表明下一个前沿是能够与完整计算环境交互的代理——浏览器、电子表格、桌面应用——而不仅仅是代码编辑器。

• GPT-5.3-Codex 作为"参与自我构建"的模型到来，同时 OpenAI 的 Codex CLI 通过 Rust 重写加速迈向 1.0。 OpenAI 2 月 5 日发布的 GPT-5.3-Codex 不仅因其基准测试成绩（TerminalBench 2.0 上 77.3%，比前代快 25%）而引人注目，更因其史无前例的披露：该模型被用于调试自身的训练过程、管理部署和分析评估。该模型于 2 月 9 日在 GitHub Copilot 上推出，到 2 月 25 日在所有 Copilot 界面全面可用。与此同时，Codex CLI 经历了一场非凡的开发冲刺：从 2 月 5 日的 v0.98.0 开始，团队在整个月内发布了数十个 alpha 版本——有时一天五个——因为他们正在用 Rust 重建整个 CLI。2 月 26 日的 v0.106.0 版本添加了直接安装脚本、线程实时 API 和基于 diff 的内存管理，而同步进行的 Figma 集成和 Amazon Bedrock 有状态运行时合作（2 月 26-27 日）将 Codex 的触角扩展到了终端之外。OpenAI 还宣布将不再在 SWE-bench Verified 上进行评估，原因是数据污染（2 月 23 日），这可能重塑整个行业评估编程代理的方式。

• Google 的 Gemini 3.1 Pro 以高性价比登场，在关键基准测试中击败 Opus 4.6，价格不到其一半。 2 月 19 日发布的 Gemini 3.1 Pro 将其前代的 ARC-AGI-2 分数提高了一倍多（31.1% → 77.1%），击败了 Opus 4.6（68.8%）和 GPT-5.2（52.9%），同时在 Humanity's Last Exam 上创下 44.4% 的纪录。以每百万输入/输出 token $2/$12 的价格——对比 Opus 4.6 的 $5/$25——它一夜之间成为性价比最高的前沿编程模型。GitHub 立即开始在所有 Copilot 界面上推广。Gemini CLI 也显著成熟：v0.29.0（2 月 18 日）引入了计划模式并默认使用 Gemini 3，v0.30.0（2 月 25 日）添加了形式化的五阶段规划工作流和工具输出遮蔽，v0.31.0（2 月 27 日）交付了并行函数调用和基于会话的 SDK。到月底，v0.32.0-preview.0 已经引入了子代理分类和实验性 Gemma Router——这一创新速度使 Google 在 CLI 编程代理领域成为有力的竞争者。

• GitHub Copilot CLI 正式 GA，完成了从终端助手到完整代理平台的六个月蜕变。 2 月 25 日的 GA 发布代表了自 2025 年 9 月预览版以来数百项改进的成果：用于结构化推理的计划模式、用于自主执行的自动驾驶模式、用于多代理并行的 fleet 编排、向云端编程代理的后台委派，以及跨 Claude、GPT 和 Gemini 系列的多模型支持。二月的关键新增功能包括实验性跨会话记忆（v0.0.412，2 月 18 日）、探索代理中的 GitHub MCP 工具（v0.0.414，2 月 21 日）、用于基于会话生成站会报告的 /chronicle 命令（v0.0.419，2 月 27 日），以及计划模式、自动驾驶、fleet 和工作空间文件的 SDK API（v0.0.411，2 月 17 日）。Copilot SDK 也于 2 月 27 日发布了 v0.1.28，带有破坏性安全默认值——默认拒绝所有权限——表明该平台正在为生产级企业使用进行加固。同步发布的 Copilot 使用指标 GA（2 月 27 日）为企业提供了跨所有界面跟踪采用情况的数据基础。

• 十六个 Claude 代理协作构建 C 编译器成为本月最具传播力的多代理编程展示。 2 月 6 日，Anthropic 研究员 Nicholas Carlini 披露，16 个 Claude Opus 4.6 实例在两周内协作，从零开始构建了一个 10 万行的基于 Rust 的 C 编译器，API 费用为 20,000 美元。该编译器在 GCC torture 测试套件上达到了 99% 的通过率，并成功编译了 Linux 内核、PostgreSQL、SQLite、Redis、FFmpeg 和 QEMU。每个实例在自己的 Docker 容器中运行，通过锁文件认领任务，将完成的代码推送到共享 Git 仓库。LLVM 创始人 Chris Lattner 随后分析了结果（2 月 20 日），称之为"真正的里程碑"，但指出它始终在复现既有模式而非创造新方法——为通过测试而优化，而非为可泛化的抽象而优化。Ladybird 浏览器团队于 2 月 23 日跟进，使用 Claude Code 和 Codex 在两周内将整个 JavaScript 引擎移植到 Rust，在 65,000 多个测试中实现零回归。这些演示将多代理协作从理论可能性确立为经过验证的方法论。

• Cursor 通过 Cloud Agents、Plugin Marketplace 和 Bugbot Autofix 发起攻势。 Cursor 在二月取得了重大突破，推出了三项重要能力，共同推动其向完全自主开发平台迈进。2 月 12 日，长时间运行的代理进入研究预览，能够在无人干预的情况下长时间工作。2 月 17 日，Cursor 2.5 推出了 Plugin Marketplace，将技能、子代理、MCP 服务器、钩子和规则打包为可一键安装的插件，首批合作伙伴包括 Amplitude、AWS、Figma、Linear 和 Stripe。到 2 月 24 日，带有计算机使用功能的 Cloud Agents 上线——每个代理在独立的虚拟机中运行，拥有完整的开发环境，能够与浏览器、电子表格和桌面应用交互，生成可合并的 PR 并附带视频和截图。Cursor 报告其内部超过 30% 的已合并 PR 由这些自主代理创建。2 月 26 日，Bugbot Autofix 发布，自动 PR 修复的合并率达到 35%，为自主代码修复建立了具体的基准。

• GitHub Agentic Workflows 和 Kiro 推进结构化、受治理的开发模式。 GitHub 的 Agentic Workflows 于 2 月 13 日进入技术预览，使开发者能够用纯 Markdown 而非 YAML 编写 GitHub Actions 工作流，由 AI 代理处理执行。系统默认以只读权限运行，写操作通过预审批的"安全输出"进行。与此同时，Kiro（亚马逊的 AI 编程 IDE）于 2 月 18 日发布 v0.10，带来了设计优先功能规范、缺陷修复规范和监督模式下的代码块级审查，以及面向政府合规的 AWS GovCloud 支持。Xcode 26.3（2 月 9 日）添加了全面的代理编程支持，包括 Claude Agent 和 Codex 集成，以及通过 xcrun mcpbridge 的 MCP 支持。这些更新代表了企业采用者所需的受治理、规范驱动的代理编程方法——直接回应了 2025 年主导行业的不受约束的"氛围编程"理念。

技术变革

• 模型上下文协议（MCP）从有前途的标准成熟为企业基础设施，但关键的扩展挑战浮现。 二月 MCP 采用在多个方面加速：WordPress 推出了 Claude MCP 连接器（2 月 6 日），Datadog 集成了 Google 的 Agent Development Kit 与 MCP 可观察性（2 月 6 日），Google 推出了带 MCP 服务器的 Developer Knowledge API（2 月 25 日），三大云提供商现在都提供官方 MCP 端点。GitHub Copilot 在 Eclipse 中添加了一键发现的 MCP Registry（2 月 17 日），Copilot SDK 集成了 MCP 服务器。然而，关键挑战也浮出水面：从业者报告工具定义单独就消耗了 40-50% 的可用上下文窗口（2 月 5 日），推动了渐进式披露、语义路由和专用子代理策略的发展。Google 推动 gRPC 传输以解决企业集成痛点（2 月 5 日），而伦敦 MCP 大会（2 月 21 日）暴露了 OAuth 2.1 实施仍然复杂、大多数 MCP 服务器仍部署在防火墙后，以及从原型到生产的跨越仍然艰难。一种将 A2A 协议与 MCP 分层用于多代理编排的新架构模式出现（2 月 16 日），InfoQ 发布了使用 MCP、OPA 和临时运行器构建最小权限 AI 代理网关的参考架构（2 月 23 日）。轨迹很清楚：MCP 正在成为"AI 代理的 REST"，但——就像 REST 之前一样——它需要数年的加固才能真正做到企业就绪。

• 多代理并行工作流从实验阶段过渡到生产阶段，Google Research 量化了其适用和不适用的场景。 本月最重要的技术发现来自 Google Research（2 月 16 日），他们在评估了 5 种架构的 180 种代理配置后，发表了多代理系统的首个量化扩展原则。结果挑战了"更多代理=更好"的流行启发式：可并行化任务获益显著（协调后提升 80.9%），但顺序推理任务下降了 39-70%，独立代理将错误放大了 17 倍。团队构建了一个准确率 87% 的预测模型来选择正确的架构。这项研究为各大工具中发布的实际多代理功能提供了理论基础：Claude Code 的 agent teams（2 月 5-6 日）、Cursor 的异步子代理（2 月 17 日）、Copilot CLI 的 fleet 编排（2 月 17-19 日）、Gemini CLI 的子代理分类（2 月 27 日），以及 Moonshot AI 的 Kimi K2.5 Agent Swarm，支持多达 100 个并行子代理并通过新颖的 PARL 技术训练（2 月 17 日）。行业正在趋向一种模式：多代理编排是具有可配置架构的平台能力，而非一刀切的功能。

• 桌面控制平面范式挑战 IDE 在开发工作流中的核心地位。 2 月 8 日的一项关键分析识别了 AI 编程工具的三个"浪潮"：第一浪（IDE 嵌入功能如 GitHub Copilot）、第二浪（CLI 代理如 Claude Code 和 Gemini CLI），以及第三浪（协调多代理工作流的桌面控制平面）。OpenAI 的 Codex 桌面应用（2 月 2 日）、Claude Cowork 和 Cursor 的 Cloud Agents（2 月 24 日）都代表了这第三浪，开发者在此编排多个代理并行处理长时间运行的任务和系统级文件操作。战略问题是 JetBrains 等 IDE 厂商会成为最佳审查界面还是控制编排层。苹果将代理直接集成到 Xcode（2 月 9 日）以及 GitHub 将 Copilot 编程代理扩展到 Visual Studio（2 月 17 日）、Eclipse（2 月 17 日）和 Raycast（2 月 17 日）表明 IDE 厂商正在反击。但 OpenAI 决定构建专用的 App Server 协议——明确拒绝 MCP 用于 IDE 集成，因为它无法处理流式 diff、审批流和线程持久化（2 月 17 日）——表明编排需求可能已超出了 IDE 设计所能提供的范围。

• 内存和上下文管理成为生产 AI 代理的核心技术挑战。 Claude Code 的二月发布版本讲述了这个故事：v2.1.30 实现了会话恢复 68% 的内存减少（2 月 3 日），v2.1.33 引入了具有用户/项目/本地作用域的持久化记忆（2 月 6 日），v2.1.47 消除了长会话中的 O 消息累积（2 月 18 日），v2.1.49 修复了两个 WASM 无界内存增长 bug（2 月 19 日），v2.1.50 修补了至少七个不同的内存泄漏（2 月 20 日）。Copilot CLI 于 2 月 18 日添加了实验性跨会话记忆，而 OpenCode 从平面文件迁移到了 SQLite 进行对话持久化（2 月 14 日）。FreeCodeCamp 发布指南强调混合短期上下文、会话状态和长期记忆会导致"上下文污染"（2 月 11 日）。根本问题是结构性的：代理工作流生成的上下文远超人类，而当前为短暂、无状态交互设计的架构在持续多小时的会话中会崩溃。Cloudflare 的"Markdown for Agents"（2 月 22 日）通过边缘 HTML 到 Markdown 转换将 token 成本降低了 80%，解决了这一挑战的一个维度，但行业需要上下文管理的架构性突破才能使长时间运行的代理变得可靠。

• Agent Skills 和结构化知识封装成为编码工程专业知识的主要机制。 Vercel 的 Skills.sh（2 月 4 日）确立了这一模式：标准化、可重用的基于 shell 的命令，将代理推理与执行分离，开发者将其比作"AI 代理的 npm"。随后是 GitHub Copilot 在 JetBrains IDE 中的 Agent Skills 支持（2 月 13-14 日）、Cursor 的 Plugin Marketplace 将技能、子代理和 MCP 服务器打包在一起（2 月 17 日），以及 Vercel 的 react-best-practices 仓库将 40 多条性能规则编译为 AGENTS.md 文档（2 月 27 日）。OpenCode 添加了通过 well-known RFC 从 URL 发现技能的功能（2 月 10 日），而 Claude Code 获得了自动技能加载和随上下文窗口大小缩放的字符预算（2 月 5 日）。新兴架构有三层：用于项目级约定的 AGENTS.md 文件、用于领域知识的社区技能仓库，以及用于工具访问的 MCP 服务器。一位经验丰富的开发者的详细文章（2 月 27 日）确认，精心编写的 AGENTS.md 文件是"代理质量的主要差异化因素"——比模型选择更重要。

• OpenAI 的"框架工程"和 Stripe 的"Minions"指向反馈基础设施工程这一新学科。 OpenAI 于 2 月 21 日披露，一个小团队使用 Codex 代理在五个月内自主构建了一个百万行的产品，零手写代码——他们称之为"框架工程"（Harness Engineering）。工程师从编写代码转向设计环境、指定意图和提供反馈，而代理通过 PR 和 CI 工作流自主迭代。另外，Stripe 的 Minions 框架据报道通过 400 多个 MCP 暴露的工具每周产出 1000 多个已合并的 PR（2 月 23 日）。对两种方法的分析确定了一个从语法检查到可观察性数据再到可视化验证的"反馈信号层次"，认为平台工程团队应将代理反馈循环视为与 CI/CD 管道同等重要的一等基础设施。这代表了一种范式，即开发环境的质量——其测试、linter、CI 管道和监控——比开发者或模型的质量更重要。

开发者影响

• 生产力悖论具象化：AI 让开发者写代码更快，但交付软件更慢。 二月产出了迄今为止行业所称"劳动替换"（toil swap）最严格的证据。GitHub/Microsoft/MIT 研究发现开发者在 AI 辅助下完成任务快 56%，但 METR 研究表明真实世界任务因审查 AI 输出、提示和等待而慢了 19%（2 月 9 日）。最令人担忧的是，开发者认为自己快了 20%，而实际上更慢了。Sonar 的 2026 年代码状态调查发现 96% 的开发者不完全信任 AI 生成的代码，团队将 24% 的工作时间用于手动验证（2 月 20 日）。DORA 数据显示，随着 AI 采用的增加，交付吞吐量下降了 1.5%，稳定性下降了 7.2%（2 月 22 日）。解决这一悖论可能在于前 GitHub CEO Thomas Dohmke 在 2 月 10 日所指出的："交付代码的瓶颈不是编写代码，而是审查代理编写的代码。"Entire 的 Checkpoints（为审查者捕获代理推理过程）、Cursor 的 Bugbot Autofix（35% 合并率）和 Google Conductor 的自动代码审查是解决这一问题的早期尝试，但大规模信任代理生成代码的根本挑战仍然未解。

• AI 驱动的职业倦怠和技能退化成为开发者队伍的严重隐忧。 UC Berkeley 的 8 个月研究（2 月 9 日）发现，最积极拥抱 AI 的员工会将待办事项扩展到填满 AI 释放的每一个小时，工作延伸到休息时间和晚间。Anthropic 自己的随机对照试验（2 月 23 日）发现 AI 编程辅助使开发者技能掌握度降低了 17%，调试技能受影响最为严重——但关键的是，使用 AI 回答概念性问题的开发者保持了高分，而将代码生成委托给 AI 的开发者得分低于 40%。Microsoft Azure CTO Russinovich 和 VP Hanselman 发表了一篇 ACM 论文（2 月 24 日），警告 AI 代理创造了一种"不对称生产力陷阱"，提升资深开发者的同时拖累初级开发者，引用的哈佛研究确认"采用 AI 的公司中初级就业急剧下降"。社区情绪反映了这些担忧：Lobsters 讨论突出了"氛围编程"反弹，"AI 正在慢慢吞噬我的热情"等帖子获得广泛关注（2 月 15 日）。WiseTech Global 宣布裁减近 2000 人——30% 的员工——其 CEO 宣称 AI 已"终结手动编码时代"（2 月 24 日），使劳动力影响变得具体可感。Code.org 从编程教育转向 AI 教育，裁员 14% 且首席学术官离职前往 Microsoft（2 月 21 日），象征着更广泛的制度性反思。

• 开源可持续性面临来自 AI 生成贡献垃圾的生存威胁。 cURL 创始人 Daniel Stenberg 报告 AI 生成的贡献对维护者造成了"类似 DDoS 的负担"（2 月 15 日），cURL 在 AI 提交达到 20% 且有效率仅 5% 后关闭了漏洞赏金计划（2 月 24 日）。Ghostty 完全禁止了 AI 代码，tldraw 自动关闭所有外部 PR。学术研究记录了"氛围编程"如何创造负反馈循环：ChatGPT 发布后 Stack Overflow 活动下降了 25%，Tailwind CSS 文档流量下降了 40% 但下载量却在攀升，侵蚀了维持开源的社区参与。在 ClawHub 上，Snyk 发现超过 7% 的已发布技能暴露了敏感凭证（2 月 21 日）。威胁也是经济层面的：Cloudflare 展示了可以在一周内用 AI 以 1100 美元 token 费用从零重建 Next.js（2 月 24 日），产出了一个快 4 倍的替代品，覆盖 94% 的 API——引发了一篇文章论证全面的测试套件正在成为商业开源项目最有价值也最脆弱的资产，SQLite 的闭源 9200 万行测试套件被呈现为防御模型（2 月 25 日）。

• 新的开发者工作流浮现：通过规范、技能和反馈循环来编排代理，而非手动编写代码。 到月底，跨多个工具和团队的模式已经清晰：开发者通过 AGENTS.md 文件和正式规范指定意图，通过技能和 MCP 服务器配置代理能力，通过 CI 管道和自动审查验证结果。Spotify 确认其顶级开发者自 12 月以来就没有手动编写过代码（2 月 12 日）。OpenAI 的框架工程方法论展示了一个团队通过代理编写的 PR 构建了百万行产品（2 月 21 日）。Mitchell Hashimoto 分享了放弃聊天机器人转向代理、工程化"框架"以防止代理重复犯错的实用建议（2 月 5 日）。新的开发者能力体系以架构设计、规范编写、测试创建和代理编排为核心——正如 LLVM 创始人 Chris Lattner 所观察的（2 月 20 日），随着实现被自动化，这些技能成为稀缺的差异化因素。对于正在经历这一转型的开发者，可操作的建议是投资学习规范驱动的工作流、掌握 AGENTS.md 约定、构建健壮的测试套件——这些是让代理高效工作的资产，无论哪个模型或工具赢得市场，它们都会随时间积累复利。