Zed 为什么不用自己造 Agent?OpenAI 架构师给出答案:Codex 重划 IDE & Coding Agent 的分工边界
本文围绕为何像Zed这样的现代IDE选择不自己完全构建Agent，而是通过集成或开放接口接入成熟的模型与服务，讨论了产品定位、工程成本与长期维护等多方面考量。
集成而非自研的动因
IDE厂商倾向于将有限的工程资源投入到编辑器性能与用户体验上，通过集成像Codex这样的能力来提供智能代码补全、重构与错误修复，以实现更快的迭代与更稳定的开发体验。
Agent 与 IDE 的分工边界
文章指出Coding Agent应负责复杂的跨文件理解、任务自动化与工作流编排，而IDE则负责即时反馈、界面与编辑语义，两者通过API与插件机制协同，避免重复造轮子并提升工具链整体效率。
顶级IDE更倾向于集成成熟的Agent能力，而不是完全自研，以专注核心编辑体验并借力模型能力。
“小墨”积墨 AI 核心产品
积墨 AI 智能体开发平台
快速搭建具备商业价值的 AI 智能体，支持复杂工作流编排、50+ 主流模型接入与私有化部署。
实践经验与案例启示
结合Zed与OpenAI等案例，作者展示了集成策略如何在降低成本的同时保持功能扩展性，以及在隐私、算力与延迟等方面的折中做法，为其他开发工具制定集成路线提供了参考。
对开发者与行业的影响
未来IDE与Coding Agent将形成生态共生：IDE提供高效交互与插件平台，智能体通过能力中心实现复杂自动化。企业需要权衡自研与集成的成本、数据治理与用户信任，选择最适合自身的演进路径。
如有侵权，请联系删除。