代码Agent卡在长程开发，云知声ProgramGym，解决AI写代码“失忆”难题

　　代码智能体写代码、修Bug早已不是新鲜事。

　　事实上，真实工程开发里，大量需求本身模糊，需要反复探索、多轮迭代。一旦任务链路拉长，很多AI就容易丢失早期需求，改着改着把已经完成的功能破坏掉。能不能持续推进复杂开发任务，已经成为代码Agent下一阶段的分水岭。

　　针对长程工程任务的痛点，云知声联合厦门大学苏劲松团队推出ProgramGym，从训练环境和开发工作流两个维度探索长程程序复现，相关成果落地U2-Flash，补齐这款模型在复杂Agent场景下的短板。

　　搭建自动化训练沙箱，让AI在黑盒场景自主探索需求

　　真实代码仓库环境繁杂，依赖、编译脚本、测试用例各不相同，很难批量构造标准化训练任务。很多代码智能体训练依赖现成源码，缺少“只看可运行程序、从零反向复现功能”的训练场景，而这恰恰贴近大量真实开发需求。

　　ProgramGym的Program-Env把参考程序构建、运行沙箱、黑盒测试生成打通为自动化链路，自动根据编译结果和测试反馈持续优化环境。这套机制把程序运行、结果验证一并纳入训练体系，把零散代码仓库转化为智能体可以反复探索、验证的标准化任务。

　　目前ProgramGym已经搭建起1648个训练环境，覆盖C、C++、Go、Rust多门语言，形成稳定可复用的任务库。对U2-Flash而言，这套环境提供了大量贴近实战的训练样本，训练模型在信息不足时主动探索需求、校验实现效果。

　　拆分三段式开发流，解决长任务遗忘与版本回滚难题

　　长程开发有两个高频痛点：智能体遗忘前期挖掘的需求，迭代修改时误伤已有代码。Program-Agent给出的方案，是把开发流程拆分为分析、实现、审查三个独立会话，依靠持久化记录完成信息交接。

　　在分析阶段，模型观察参考程序，挖掘潜在需求;实现阶段依托留存记录编写代码;审查阶段对比运行行为差异，生成新一轮修改指令。需求信息不再局限于单次对话，能够贯穿全流程。同时框架引入版本检查点机制，每一轮代码通过编译校验后留存快照，一旦后续迭代出错，可以回退到稳定版本继续推进。

　　这套设计直击工程开发现实：留存需求线索、有序组织迭代、支持失败恢复，适配U2-Flash面向多步骤复杂工程任务的定位。

　　对照实验验证收益，数据证明方案有效性

　　团队基于开源模型开展对照实验，量化验证这套训练资源与工作流的价值。在ProgramBench基准中，依托ProgramGym轨迹做监督微调后，Qwen3.8-27B在原有ClaudeCode工作流下，TestsPassed得分从34.87%提升至42.84%，提升7.97个百分点。

　　接入Program-Agent之后，基础模型和微调模型得分分别达到55.71%、56.25%。实验结果印证，专用训练任务搭配结构化开发流程，能够显著提升程序复现能力。相关技术成果已经集成到U2-Flash，支撑模型做需求探索、长程执行与反馈修正。

　　ProgramGym的核心价值，是同时回应代码智能体两大行业难题：规模化产出可交互、可校验的训练环境，以及在长链路迭代中守住需求、支持持续试错恢复。

　　云知声把这套联合研究成果落地U2-Flash，打通环境训练、流程约束、模型迭代的闭环。代码Agent的竞争，早已不是单次生成代码的准确率比拼。在模糊需求、多轮修改、随时可能出错的真实工程世界里，稳定持续推进任务的能力，才是决定模型能否走进研发流程的关键。