过去大半年团队里关于AI编程的讨论焦点已经明显从哪个模型写代码更准转移到了编程Agent平台到底能不能直接放进开发流程。作为负责技术选型的人我几乎把市面上喊得出名字的编程Agent平台都注册试了一遍从云端全自主的Devin到终端里敲一条指令就开始重构模块的Claude Code再到IDE里默默干活的Cline插件前前后后深度体验了二十多个最后筛出17款有代表性、且场景能明确分得开的写进这篇盘点。文章按由夯到拉的顺序来写先解释一下这个词夯是扎实、能扛活推进去就有产出拉是拉胯看着热闹但真扔进项目里容易掉链子。所以你可以把这篇当成一份个人实测排行榜前面几款我会明确建议可以直接用越靠后的越需要你有心理准备。所有结论都来自我过去半年的真实体验版本状态大致停留在2025年上半年只求给正在纠结选型的朋友一个参照不是真理但至少是踩过坑之后的大实话。1. 先说我怎么选型这17款平台到底在比什么1.1 为什么广告很强不等于用起来很香这半年AI编程工具的宣传一个比一个猛短视频里一句话生成整个网站AI自动修完所有bug的切片满天飞。我自己测下来的结论是宣传的水分没有想象中那么多但真正的差距不在于能不能干而在于干得好不好、你敢不敢让它独自干。广告里最常展示的是让Agent从零搭一个Demo这恰恰是编程Agent目前完成度最高的场景。但一旦进入真实业务仓库面对写了好多年的老代码、绕来绕去的构建脚本以及只有老员工才知道的业务隐含规则不少Agent就会开始频繁问问题、改错文件、甚至一遍遍踩同一个坑。这也是我写这篇文章的初衷帮大家看清楚哪些Agent适合甩手哪些Agent只适合带薪观察。1.2 我实测时用的五条评估标准我评估一款编程Agent平台从来不只看演示视频。对工程团队来说一次漂亮的Demo远不如三个月稳定输出有价值。我的评估框架有五条任务自主完成度给它一个模糊的GitHub issue它能自己拆解到哪一步是全程不问问题直接产出PR还是每两分钟就要确认一次代码正确率与风格一致性它写出来的代码能不能直接合入会不会完全无视项目现有的分层、命名和异常处理惯例上下文构建能力它对大型仓库的理解能力包括跨文件调用、配置联动、历史变更关联这些决定了它在真实项目里的天花板。成本与接入复杂度包括订阅费、API调用费、团队学习成本以及需要私有化部署时的运维投入。可观测性与安全性Agent执行过程中做了什么、能不能回滚、权限是否可控这在团队协作时是生死线。这套框架是下面所有评价的基础。我在每个平台的段落里不会机械地把五条全铺开但结论基本都是按这个框架得出的。1.3 十七款平台的一张总览表先把17款平台拉一张总览表方便你建立整体印象。梯队就是我标题里由夯到拉的粗分后面每一梯队再展开聊。平台产品形态开源/商业梯队一句话点评Devin云端自主Agent商业夯最接近外包程序员的体验但贵且慢Claude Code终端CLI Agent商业模型商业夯终端党最爱规划能力强OpenAI Codex CLI终端CLI Agent开源CLI模型商业夯推理能力强轻量好上手GitHub Copilot Workspace云端/IDE Agent商业夯从issue到PR的闭环体验CursorAI IDE商业夯日常开发综合体验最好WindsurfAI IDE商业夯免费额度良心前端敏捷Replit Agent云端全栈Agent商业中从零做MVP最快的路径Google Jules云端异步Agent商业中后台跑任务适合收尾工作ClineIDE插件VS Code开源中多模型自由切换的代表Roo CodeIDE插件VS Code开源中Cline增强版支持角色化操作Sourcegraph CodyIDE插件/平台商业中大型代码库的上下文王者Amazon Q DeveloperIDE插件/云服务商业中AWS生态内的加分项Aider终端CLI Agent开源中轻量、git驱动、可回滚OpenHands云端自主Agent开源拉开源版Devin但还差不少MetaGPT多Agent框架开源拉多角色开会热闹交付骨感AutoGPT自主Agent框架开源拉启蒙意义大于生产价值SWE-agent学术研究Agent开源拉基准测试学霸真实项目需适配看这张表你会发现我的分类标准不是模型强弱而是在真实项目里的可信赖程度。很多开源项目的能力上限并不低但可信赖程度离商业产品还有距离所以它们被归到了拉这一档后面我会解释为什么。2. 第一梯队6款夯到可以直接进生产的Agent关于第一梯队我的定义是在真实业务项目里敢让它干活并且最终产出确实能减少我工作量的平台。它们各有短板但整体上已经符合工具的标准而不只是玩具。2.1 Devin唯一敢把任务直接甩给它的AgentDevin是我在2024年下半年开始重点关注的平台。作为云端自主Agent它有自己的工作环境能自己执行命令、看日志、修改代码、提交PR。我第一次真正用它是处理一个升级内部依赖后测试大面积失败的脏活。那批测试分布在六个模块里报错信息五花八门我自己一个个改也得花小半天。我把仓库链接交给Devin在任务描述里写清楚失败版本、期望行为、以及几条我怀疑的出错原因然后就去开别的会了。差不多一小时后回来看它已经定位到两个公共类里的兼容性问题并且把修复提交成了PR测试重新跑绿。这个体验确实接近给实习生派活。它不是神遇到需求模糊、跨多个业务系统的改动时经常需要我把任务拆得更细才能继续而且它的执行速度偏慢账单也不便宜。但就甩手程度而言它是我测过的平台里最接近全自主的。适合的任务类型很明确边界清楚、验收标准可写出来的维护型工作比如依赖升级、单测修复、日志埋点、小范围重构。真让它从白纸开始设计一套复杂架构还是别抱太大期望。2.2 Claude Code终端党绕不开的硬核选手Claude Code是Anthropic官方出的终端Agent主要通过命令行跟你交互。它跟IDE插件的最大区别是你给它权限后它可以在终端里执行命令、读文件、跑测试甚至调用git提交代码。我在一个多模块的Python项目里试过它的Plan/Act模式做跨文件重构它先是把所有相关引用梳理了一遍然后逐个文件修改最后跑测试确认整个过程的思路相当清晰每一步都在我预期之内。更让我放心的是权限控制。我可以规定哪些目录它能碰、哪些命令必须经过确认这在团队协作时很有价值。代价是token消耗非常快如果你用的是API按量付费一次大型重构的账单可能比订阅几个IDE还贵。所以我的用法是把Claude Code留给必须谨慎、需要规划的硬骨头日常小改动还是交给IDE内的工具成本更可控。如果你本身就习惯终端工作流Claude Code会给你那种坐在驾驶座上指挥的掌控感这是纯GUI工具很难替代的。2.3 OpenAI Codex CLI把推理能力装进终端Codex CLI是OpenAI在2025年初开源的终端编程Agent核心思路跟Claude Code类似但它的强项集中在推理和代码生成上。我在一个数据清洗脚本里试过让它做整体重构它给出的方案不仅考虑了当前函数的逻辑还把异常分支和边界条件一并补上了代码注释也写得规范几乎可以直接进PR。对于写算法、生成单元测试、快速验证一个想法Codex CLI的效率很高尤其适合追求赶紧看到结果的场景。不过它的上下文构建能力相对克制更多是你给它什么它用什么。在大型仓库里你需要主动告诉它项目结构、关键文件位置它才能发挥出推理优势。如果你平时就是终端工作流又需要模型层面的强推理Codex CLI是一个非常值得加入工具箱的轻量选手。而且它是开源的CLI模型可以换部署在本地也不用担心数据被平台锁死对在意可控性的开发者来说这一点很加分。2.4 GitHub Copilot Workspace从issue到PR的全自动流水线GitHub Copilot Workspace是我在GitHub项目里用得最多的Agent入口。它的定位很清晰从issue发起Agent会自动读代码、生成实现方案、修改代码最后生成可直接review的PR。对于修bug、补测试、加小功能这类任务它的完成度非常稳定。我经常会在晨会前把一个issue丢进去中午回来看PR人工review一遍就合入整个流程非常顺。这里要区分一下它跟普通Copilot聊天补全不是一回事Workspace是真正的任务执行器不是你问我答的助手。它跟GitHub生态的集成天然顺畅PR里的diff逻辑清楚review体验很好代码评审意见也可以直接回给它去修改。短板在于它对复杂架构改动和需要全局重构的任务支持一般太天马行空的需求它会自己发挥得有些离谱。因此我的使用原则是任务范围越小、描述越具体产出越可靠。善用GitHub的Projects和Issue模板能让这个Agent的表现上一个台阶。2.5 Cursor日常开发主力Cursor已经是我日常开发的默认IDE了不只是因为代码补全而是它的Agent模式能真正跨文件工作。比如我接到一个需求要改接口字段并同步更新前端页面、测试用例和文档在Cursor里选中相关文件之后它的Agent能一次性完成联动修改我只需要在中途检查重点几处最后一并跑测试验证。这种你盯着它改的体验比完全甩手更符合大多数人的工作习惯出错率也低得多。它的生态也很成熟模型可以切换项目级规则文件能约束Agent风格这就避免了改完代码风格跟团队不一致的尴尬。缺点是什么一个人用很爽但多人协作时如果不加约束Agent改出来的代码容易跟团队规范打架另外订阅和API费用叠加起来并不便宜。整体来说它是我见过最值得普通开发者每天打开的工具之一尤其是从VSCode迁过来的用户学习成本几乎为零。2.6 Windsurf免费额度最香的AI IDEWindsurf的前身是Codeium改成这个品牌后主打Agentic IDE核心功能叫Cascade。Cascade跟Cursor的Agent类似但给我的感觉是更主动能根据用户一句模糊意图自动拆出多步操作方案。我在几个前端项目里试过从改样式到联调接口它都能跨文件处理而且对JS/TS生态的理解很跟手连样式命名都愿意贴合项目里现有的习惯。Windsurf最让我喜欢的一点是免费额度给得相当大方对个人开发者非常友好哪怕不付费也能体验比较完整的Agent能力。它也有自己的短板在特别大的Java/C工程里IDE层面的跳转和索引能力比老牌IDE还是弱一些。如果预算有限又想体验完整的Agentic IDEWindsurf是非常划算的选择尤其是前端和全栈快速开发场景它几乎能让你忘记补全这个概念。2.7 第一梯队小结别让夯变成盲目信任第一梯队的六款平台各有侧重但有共同点真实项目里能产出可用代码、具备一定自主性、同时也需要人工review兜底。我的建议是别因为它们夯就完全放手AI Agent的产出质量在本质上取决于你任务描述里讲清楚了多少东西。同样的Agent有人用着像神器有人用着像人工智障差距往往不是模型而是输入的质量。成本这块也要提醒一句订阅费只是冰山顶上的一角真正烧钱的是你把Agent丢进大仓库后产生的API token消耗。所以理性用法是简单任务走IDE内Agent复杂任务才动用Claude Code或Devin这类重武器不要让Agent养成什么都参与的习惯。每个平台都有自己最舒服的出手区间把工具放到它该在的位置上才是省钱的本质。3. 第二梯队7款特定场景好用的中坚平台第二梯队不是说它们能力差而是它们的好用高度依赖特定场景。选对了场景它们甚至比第一梯队的某些工具更能打选错场景它们就会让你产生AI也是人工智障的错觉。这一梯队的核心关键词是匹配。3.1 Replit AgentMVP制造机Replit Agent是那种你一看演示就会兴奋的工具。在Replit的云端环境里你直接用自然语言描述一个应用它可以自己创建项目、装依赖、建数据库、写代码最后直接部署出一个可访问的链接。我在周末用它搭了一个带后端API、数据存储和基础登录的记账应用整个过程没写过几行代码它甚至自己把部署域名和数据库连接串都配好了。它最适用的场景是从零到MVP。无论是Hackathon、Demo验证还是临时内部工具它的效率是传统开发没法比的。但等到项目需要长期演进、多人协作、复杂权限管理时它生成的代码结构往往欠缺层次维护起来很痛苦。所以我的用法是把Replit Agent定位成产品经理的快速原型机而不是生产系统的起点。如果你手里有个想法想快速验证它基本是当前最快的一条路。3.2 Google Jules扔进后台慢慢跑Jules是Google Labs出的异步编码Agent用法跟Devin有些像但风格更后台化。你把GitHub仓库连上丢给它一个issue它会自己在云端跑环境、改代码、提交PR完成后通过邮件或界面通知你。我在一个升级依赖的任务里试过它把版本更新、API变动修复、测试修正一条龙做完了整体体验很省心我基本是只说了需求然后等结果。Jules的免费额度对个人开发者相当友好这一点在几家商业Agent里算很良心的。短板在于它是云端沙箱没法处理那些依赖本地私有环境、专有证书、特殊网络设置的项目。所以它特别适合那种脏活累活批量升级、测试修复、补文档、处理废弃API扔进去就能等结果。如果你每天被一堆机械性的维护任务缠身Jules能帮你省下不少时间前提是你愿意相信一个后台Agent慢慢跑。3.3 Cline开源IDE Agent的普及者Cline是我最早开始用的开源IDE插件之一它几乎是凭一己之力把IDE内自主Agent这个概念普及开的。它的工作方式很透明计划Plan和行动Act两个阶段分开AI会先给你看方案你确认后才动文件、跑命令。这也让它在我这种必须掌控一切的开发者群体里口碑很好因为每一步都能卡住完全不用担心Agent背着你自己搞一堆骚操作。它同时支持Anthropic、OpenAI、Gemini等模型你可以按任务灵活切换甚至降低成本也可以通过设置MCP服务让它对接外部工具和数据源扩展性非常强。缺点也很明显所有token费用都从你的API Key里走长会话很容易烧钱在多文件大改动上它依赖的模型能力直接决定产出质量。如果你愿意折腾、想要开源可控Cline是很好的选择如果你追求开箱即用它可能要花些时间调教但调教好之后它会非常贴合你的个人习惯。3.4 Roo Code把Cline变成可定义角色的开发团队Roo Code是Cline的一个分支但在社区里已经非常有名几乎可以当成独立产品来用。它最大的特点是把Agent变成可配置的角色——比如在同一个会话里你可以先用Architect模式让AI做整体设计再切到Code模式写实现最后用Ask模式提问答疑。这种流程感让我感觉是在带一个小团队而不是面对一个单线程工具对复杂任务的拆解和执行很有帮助。权限和自定义能力也比Cline更细可以给每个模式配置不同的指令、模型和文件访问范围非常适合团队内部定制。代价是学习曲线上一个台阶初次使用会觉得选项太多文档又少需要自己摸索。如果你已经在用Cline或者团队想在IDE Agent上做二次开发Roo Code非常值得研究它把流程控制这件事做到了开源工具里比较深的层次。3.5 Sourcegraph Cody大型代码库的导航员Cody是Sourcegraph出品的AI助手它的强项不是生成代码而是理解整个代码库。在微服务多到爆的老项目里普通IDE甚至Cursor的上下文窗口根本装不下全部代码Cody却能依托代码图谱给出跨仓库的调用链、依赖关系和影响面分析。我用它排查过一个跨服务调用链的问题它给出的答案比我翻半天日志更清晰还顺带标出了几个潜在的性能隐患。但如果你只是写一些独立的小项目Cody的优势完全发挥不出来甚至会觉得它不如主流IDE顺手。它更像一个企业级代码库的导航员和审查助手适合微服务治理、老项目重构、新人对项目的快速上手。如果你的团队里有代码特别多、文档特别少的历史包袱Cody是值得投入预算的一个方向而不是买一堆通用工具却解决不了仓库理解问题。3.6 Amazon Q DeveloperAWS生态内的加分项Amazon Q Developer是AWS官方的AI编程助手对于长期在AWS上开发的团队来说它跟云资源的联动能力让人省心不少。我在一个Lambda函数任务里试过让它生成处理SQS消息、过滤错误、写DLQ逻辑的代码它写出来的实现贴合AWS最佳实践甚至能自动补全IAM策略建议。这比用通用Agent然后自己查文档高效得多尤其适合云上开发的场景。当然它的强项也决定了它的边界一旦离开AWS生态它跟其他通用编程Agent相比并没有明显优势。所以如果你不是AWS深度用户它可以先不纳入考虑但对AWS重度团队来说Q Developer能直接提升云上开发效率减少代码写对了但权限不对这类来回试的摩擦成本。如果你团队有大量云迁移和Serverless改造任务它的代码转换功能也值得专门试一下。3.7 Aider轻量终端Git流Aider是我个人很喜欢的一个开源CLI工具。它不像那些重平台一样给你一个花哨工作台它就在终端里用git来管理Agent的每一次变更。换句话说AI每改一个文件都会形成一个commit你可以随时diff、随时回滚。这种透明性让我非常安心团队协作时每个人都能清楚看到哪几行是AI写的。它也支持多种模型甚至可以用相对廉价的模型跑日常任务成本控制灵活。它的核心设计里有一个repo map机制会自动提炼仓库结构和关键符号让模型的上下文不至于太大这也是它能在便宜模型上依然表现不错的原因。短板是没有图形界面、没有云端沙箱所有事情都得在本地环境里配合git使用对不习惯终端的开发者有点门槛。但如果你想要一个轻量、可控、可审计的终端AgentAider几乎无可替代尤其是你受够了AI改完代码都不知道改在哪的时候。3.8 第二梯队小结怎么判断自己属于哪种特定场景第二梯队七款平台选型核心就一句话先判断你的任务能不能被编码成一个明确的验收标准。如果任务代码在仓库里、上下文能拿到、验收标准清晰那么第二梯队完全能给你省大量时间。比如这个模块要加三个接口把这些测试修绿生成一份部署脚本——都是它们的甜点区。反过来如果你的需求是帮我看看这个项目接下来该怎么优化让这个系统更稳定这种开放性命题第二梯队和第一梯队一样都会懵。所以不要把Agent当成架构师要把它们当成执行能力很强但需要你给方向和边界的外包工程师。你给它的任务描述越具体它给你的回报就越实在这是AI Agent使用里最通用的一条经验。4. 第三梯队4款实验气息浓、暂时有点拉的框架与工具第三梯队是我标题里拉字的主体不过这个拉要打引号。不是说它们一无是处而是它们在真实项目里的产出质量、稳定性、易用性距离直接替代人工还差得远。但它们代表了编程Agent演进的方向如果关心下一代工具这些项目值得保持关注。4.1 OpenHands开源自主Agent的理想与现实OpenHands的前身是OpenDevin是开源社区里最接近Devin的项目。它能独立创建沙箱、写代码、跑命令理念很好。我试过让它完成一些真实的CRUD功能简单任务没问题但一旦涉及复杂的业务逻辑它就会开始绕圈子经常是看着在忙最后跑出来的代码却有明显的逻辑漏洞。这种看起来很努力但结果不对的感觉比干脆不干活更让人头疼。问题不在于开发者不努力而在于开源自主Agent要复现商业平台的工程化水平需要投入大量基础设施和模型调优资源。可它的价值恰恰在开源本身如果你有自托管需求或者想研究Agent的完整工作流OpenHands是最好的样本之一。把它当作研究型平台学习而不是生产工具心态会平和很多。它的社区和迭代速度也很快说不定哪天就能跨过拉到夯的那条线。4.2 MetaGPT多Agent开会很热闹交付很骨感MetaGPT的思路很有意思模拟一家软件公司把产品经理、架构师、工程师、QA这些角色分别做成Agent对同一个需求进行流水线式协作。我输入做一个贪吃蛇游戏之后它真的会按标准输出PRD文档、详细设计、代码实现、测试用例整个流程仪式感十足适合拿去给别人演示什么叫Multi-Agent。但拿到代码那一刻你会发现问题来了文档写得像模像样代码却经不起深究连基本的结构划分都经常出问题。这背后是典型的多Agent通信损耗每个角色其实都在基于不完整信息工作各自为政。所以MetaGPT更适合在课堂、Demo、流程研究里展示Multi-Agent的协作方式指望它交付生产代码现阶段还太早。它对研究Agent之间怎么高效协作这个问题倒是提供了一个很不错的实验场。4.3 AutoGPT启蒙神器生产环境劝退AutoGPT在2023年火起来的时候几乎是自主Agent的代名词。它能把一个目标拆解成一个任务列表然后不断执行、反思、再执行。我第一次玩的时候真的挺震撼看着它自己安装依赖、写代码、调用各种工具仿佛看到了AGI的残影。但这份震撼通常持续不到半小时因为接下来它就会陷入循环或者开始一本正经地胡编产出一些看着合理但根本不能用的东西。更吓人的是token消耗速度放它跑一天账单可能比请半天外包还贵。所以我对AutoGPT的定位始终是启蒙工具它帮你理解Agent的思维链、任务拆解、工具调用这些核心概念但千万别真拿它跑生产任务。想体验的话用精简版给一个明确且范围很小的任务然后随时准备掐断。它最大的贡献是让很多人第一次感受到自主Agent的可能性哪怕它自己离真正的生产可用还有很长一段路。4.4 SWE-agent基准测试里的学霸真实项目里的新生SWE-agent是普林斯顿大学实验室开源的项目在SWE-bench这个权威基准测试里表现非常亮眼。它专门针对AI修GitHub issue这个任务做了交互设计和工具约束实验数据很好看。但我尝试把它迁移到真实项目时发现它更依赖实验环境里预设好的约束和格式换到真实仓库的复杂构建流程里需要大量适配工作文档也要自己啃。所以它身上学术研究工具的标签非常明显适合做Agent能力评测、复现论文实验、以及研究什么样的Agent-环境交互设计更高效。普通开发者如果只是想让AI帮忙修bug直接用第一梯队的产品会轻松得多。但如果你关心Agent的边界到底在哪里、怎样设计Agent与环境的交互才能提高成功率SWE-agent是一份非常值得读的活教材。4.5 第三梯队小结它们拉在哪又值得学什么第三梯队给我的共同启发是代码生成只是编程Agent最浅的一层真正的壁垒在于环境理解、任务规划、自我纠错和长上下文管理。这些项目可能暂时拉但它们把很多原本藏在商业平台黑盒里的机制暴露了出来让我们知道Agent在真实环境里会遇到哪些问题。如果你不是研究人员或硬核折腾党第三梯队大可以先不碰知道它们存在、知道它们代表的方向就够了。等它们哪天由拉转夯了我会再写一篇更新来对比。技术领域最有趣的地方就在于今天看着不成熟的东西可能半年后就成了生产力工具保持关注总是没错的。5. 最后说点选型的大实话别只看榜单要看自己的项目类型5.1 团队规模不同选型逻辑完全不同很多朋友拿着一张编程Agent排行榜去问同事该用哪个我的建议是反过来先看你的团队规模、项目状态和风险偏好。我给团队做选型时通常不是问哪个平台最强而是问我们最缺的是效率还是质量我们能不能接受AI直接改代码。这里给一个简单的选型对照表是我个人的经验总结不是标准答案你的情况优先考虑原因个人开发者预算有限Aider、Cline、Windsurf免费额度或开源方案能控制成本2-10人小团队日常业务迭代Cursor Claude Code综合体验好重要重构交给终端重武器重度使用GitHubGitHub Copilot Workspace从issue到PR闭环PR review方便中大型团队注重代码安全Sourcegraph Cody、Amazon Q代码上下文能力强云生态整合好需要数据不出内网、自托管OpenHands、Cline开源可部署但需要投入工程资源5.2 模型成本与控制权怎么平衡编程Agent平台现在的收费模式大致两类订阅制和自带API Key。订阅制省心适合不想盯token的人自带API Key自由适合想换模型、控成本的人。但别忽略另一种成本Agent产出的代码仍需要人工审查这部分时间成本往往比工具订阅费更贵这才是真正的隐性成本。所以我建议团队把编程Agent当成新来的实习生来管理先给简单、边界清晰的任务建立审查和回滚机制再逐步放开权限。你是流程的主人Agent是执行者角色一旦反了后面一定会出乱子。每个平台都要有一个明确的使用边界比如哪些目录不让它碰、哪些分支只能人工合入别让Agent在关键路径上乱来。5.3 我对这17款平台的最终建议速查表如果要给一句结论我会这么选从零做MVP和原型Replit Agent日常写业务代码Cursor 或 Windsurf改老项目、做跨文件重构Claude Code 或 Codex CLI处理GitHub上的维护型issueGitHub Copilot Workspace扔后台跑的脏活Google Jules追求开源可控和透明Aider 或 Cline研究Agent原理和Multi-AgentMetaGPT、AutoGPT、OpenHands、SWE-agent工具榜单会不断过时我今天排在第一梯队的平台明天可能就被新项目超过。但我更希望大家能记住我测下来最核心的一条经验编程Agent平台的上限取决于你对任务边界的描述能力和你对产出质量的把关意识。工具由夯到拉不是榜单的固定结论而是每一次试用时你愿意投入多少心思去调教的问题。我后面也会继续跟着这批工具迭代有新的体感再来更新。