“在阿里要做好一个产品，可太难了。”
10 月底，知名开源开发者黄峰达（Phodal）在 X 上发布告别帖，宣布自己在 Qoder 的 last day。
他没有细数在阿里的经历，只留下一句感慨：技术只是其中一部分，更多的挑战往往在技术之外。
倒不是因为“大厂员工离职”有多稀奇，而是说出这番话的，恰恰是一个长期写代码、做开源、写技术书的开发者。
黄峰达是谁？
先来认识一下这次离职的主角。
黄峰达（Phodal），1991 年出生，11 岁就开始接触编程。
加入阿里之前，他曾在全球软件咨询公司 ThoughtWorks 工作，担任高级咨询师、技术专家及中国区开源负责人，长期参与企业软件开发和开源项目建设。
在大模型浪潮到来后，他也很早就开始探索 AI 如何改变软件开发。
他是国内较早提出 Unit Mesh（单元网格） 架构理念的人之一，希望通过
“Prompt 即应用”“代码即资产”等思路，让 AI 不只是帮程序员补全几行代码，还能参与单元测试、脚手架生成、敏捷重构等完整开发环节。
他主导的开源项目
AutoDev，就是这一思路的实践之一，尝试将 AI 引入从需求理解到代码生成的工程化流程。这些年，他在 GitHub 上积累了近 4 万 Star。除了 AutoDev 和 Xiuper，还有微服务架构分析与治理平台 ArchGuard、全栈工程师成长指南 Growth，以及面向研发智能体设计的领域语言 Shire。写代码之外，他还是个高产的技术作者，出版过《前端架构：从入门到微前端》《自己动手设计物联网》《全栈应用开发：精益实践》等书籍，也开源了多本技术电子书。Qoder 成绩不差，但产品一直在调整
加入阿里后，黄峰达参与建设的正是 Qoder。
这是阿里在 AI Coding 领域的重要布局，前身是通义灵码。
2026 年 5 月，产品正式更名为 Qoder，定位也从传统的代码补全工具，升级为面向所有人的 Agentic Coding Platform。
简单来说，Qoder 想做的正是让 AI Agent 承担更多开发任务，甚至让不懂编程的普通用户也能借助 AI 完成工作。
从成绩来看，这条路走得并不差。
同年 9 月的云栖大会上，阿里还披露，Qoder 年化经常性收入（ARR）达到 1 亿美元，其中企业客户贡献了七成营收。
用户规模和商业化收入都有了，Qoder 显然已经有了一定的市场基础。
但另一面，产品和团队却经历了不少调整。
2026 年 7 月，QoderWork 连同十余名员工从 Qoder 团队划出，与悟空、MuleRun 合并为“千问办公”，由钉钉新任 CEO 陈宇森负责。
原本的编程业务则继续保留，由丁宇负责。
业务调整之外，产品形态也在变化。
此前作为新版核心设计之一的 Quest 独立窗口，上线约五个月后就进入退役迁移流程；QoderWork 也被安排逐步停止运营。
而黄峰达也并不是 Qoder 第一个离开的核心成员。
2026 年 8 月，Qoder 产品技术负责人陈鑫（花名神秀）离职，结束了长达 15 年的阿里生涯。
他也是 2023 年牵头立项通义灵码的人。
一边是用户规模和商业化收入持续增长，另一边却是团队拆分、业务整合和产品形态调整。
这种反差，也让黄峰达那句“技术之外”多了几分值得琢磨的意味。
毕竟，技术团队想做什么，和公司最终决定把产品带向哪里，有时并不完全是一回事。
技术之外，还差什么？
放眼国内，如今 AI Coding 几乎已经成了大厂的必争之地。
归根结底，AI Coding 表面上是编程工具的竞争，往深了看，是各家在争夺下一代 Agent 的入口。
按理说，大厂在这场竞争中有不少优势：模型、算力、云服务、开发者生态，这些都是现成的资源。
但有了这些，并不意味着就能顺利做出一款好产品。
黄峰达那句“要做好一个产品，可太难了”，其实也不只是阿里面临的问题。
技术之外，产品方向怎么定，资源怎么协调，团队能不能持续朝着同一个目标前进，都是摆在 AI 产品团队面前的现实难题。
而离开 Qoder 后，黄峰达也开始了新的探索。
告别帖发布后的第二天，他就公布了新项目 Pero。
一个面向“AI for Science”的开源 Agentic Workspace，尝试探索 AI Agent 如何参与科研工作流。
从 Qoder 到 Pero，黄峰达依然在探索 AI Agent，只是换了一个方向。
回头看，可以发现，这几年，技术的边界还在不断拓展。
但如何把技术变成真正有价值的东西，始终是一道没有标准答案的题。
