AI 编程助手是一种开发者工具，它利用大语言模型来帮助编写、补全、解释、调试或重构源代码，通常集成在代码编辑器、IDE 或命令行界面中。早期版本提供逐行的自动补全功能；到 2020 年代中期，该类别已扩展至包含代理式工具，这些工具能够读取整个代码库、规划多文件更改、运行测试，并在有限的监督下进行迭代，这一能力由工具调用实现。
历史
该类别可追溯至旧式 IDE 中基于统计和规则的自动补全，但现代阶段始于 GitHub 和 OpenAI 于 2021 年 6 月宣布的 GitHub Copilot，它构建在 GPT-3 的代码调优版本之上。Copilot 于 2022 年公开发布，普及了基于公共代码仓库训练的内联幽灵文本建议，其底层 Codex 模型在 OpenAI 同步推出的 HumanEval 基准上进行了评估。竞争对手迅速跟进，包括亚马逊的 CodeWhisperer、Tabnine 和 Replit 的 Ghostwriter。第二波浪潮则从自动补全转向了完整的代理式编辑器和命令行工具：Cursor（2023 年），一个从 VS Code 分叉出来的编辑器，具有代码库感知的聊天和多文件编辑功能；以及来自 Anthropic 的 Claude Code（2025 年），一个具有直接文件系统和 shell 访问权限的命令行代理。到 2025 年，诸如 SWE-bench 之类的基准已成为衡量这些代理自行解决真实 GitHub 问题能力的标准方法。
工作原理
大多数助手将代码专用模型与编辑器级上下文相结合：打开的文件、光标位置、相关文件，有时还包括为检索而索引的整个仓库。代理式变体增加了工具调用，允许模型读取文件、运行 linter 或测试套件、执行 shell 命令或查询文档，然后利用结果来修正其下一步行动，这个循环将检索增强生成和逐步推理应用于实时开发环境。一些产品通过模型上下文协议公开此功能，允许助手通过标准化接口连接到外部工具和数据源。
影响与批评
对 Copilot 用户的研究，包括 GitHub 内部研究和学术跟进，报告了在常规任务上的生产力提升，一些随机研究发现开发人员完成任务的速度提高了 50% 以上，尽管效果因任务类型和经验水平而异。批评者提出了对代码质量和安全性的担忧，因为模型可能会重现从训练数据中学到的不安全模式；对知识产权的担忧，因为建议有时会非常接近地复现受许可保护的代码，这加剧了更广泛的AI 版权争议；还有对技能退化的担忧，即对生成代码的依赖会削弱程序员独立的调试和设计能力。支持者反驳称，助手将开发人员从样板代码中解放出来，让他们能够专注于架构和代码审查。到 2025 年，这场争论已扩展到更激进的氛围编程实践中，用户几乎完全使用自然语言指导助手，而很少进行手动代码审查。