我给四个AI编程智能体各100美元预算：谁能造出PDF编辑器？

一场关于AI编程能力的真实预算实验

随着AI编程智能体（Coding Agent）的快速成熟，一个关键问题浮出水面：当我们把真实的预算和自主权交给它们，这些工具能否独立完成一个有实际价值的软件项目？一位开发者进行了一次颇具话题性的实验——给四个不同的编程智能体各分配100美元预算，让它们各自从零开始构建一个PDF编辑器。

这个实验的核心价值不在于最终谁胜出，而在于它用一种接近真实开发场景的方式，检验了当前AI编程工具在面对复杂、多环节任务时的实际表现。PDF编辑器并非一个简单的"Hello World"项目，它涉及文件解析、渲染、UI交互、格式兼容等多个技术难点，对智能体的规划能力、工具调用能力和纠错能力都是严峻考验。

为什么选择PDF编辑器作为测试任务

PDF编辑器是一个极具代表性的测试场景。它的技术复杂度足够高：PDF格式本身结构复杂，涉及文本层、图像层、矢量图形和字体嵌入等诸多细节；同时它又有明确的、可验证的功能目标——用户能打开、查看、修改并保存PDF文件。

这类任务对AI智能体提出了几重挑战：

任务规划与分解能力

一个完整的PDF编辑器需要被拆解为若干子任务，比如依赖库的选择、核心渲染逻辑、编辑功能实现和用户界面搭建。智能体是否能合理规划开发路径，直接决定了预算的使用效率。

AI编程智能体（Coding Agent）与传统代码补全工具（如早期的GitHub Copilot）的根本区别，在于它能够自主调用外部工具、执行终端命令、读写文件系统，并在多步骤循环中持续推进任务。典型的编程智能体会先生成"计划"，再逐步调用工具（运行代码、安装依赖、搜索文档）执行，遭遇错误时再反思并调整方向。这种"感知-决策-行动"的闭环让它本质上更接近一个自主软件工程师，而非被动的代码生成器。目前市场上较具代表性的产品包括Anthropic的Claude配合工具调用、OpenAI的Codex/Operator体系、Devin（Cognition AI）以及开源方案如SWE-agent等。

工具链与成本控制

给定100美元的预算实际上引入了一个现实约束——token消耗和API调用都是有成本的。智能体不仅要把功能做出来，还要在有限的资源内完成，这考验的是它的决策效率而非无限试错。

AI编程智能体的运行成本主要来自两部分：大语言模型的API调用费用（按token计量）和智能体自身的工具调用次数。一个复杂任务往往需要数十乃至数百轮"思考-行动"循环，每次循环都会把当前的完整上下文（代码、错误日志、历史对话）传入模型，导致token消耗随任务进展指数级增长。以GPT-4o或Claude 3.5 Sonnet的定价为参考，处理一个中等规模代码库的单次任务花费几美元并不罕见；若智能体陷入反复试错的死循环，100美元预算可能在几小时内耗尽却毫无产出。因此预算上限不只是财务控制手段，更是迫使智能体"谨慎决策"的系统性压力。

调试与自我纠错

真实开发中，代码跑不通是常态。能否识别错误、定位问题并自主修复，是区分"玩具级"与"生产级"编程智能体的关键分水岭。

预算约束带来的现实意义

给AI智能体设定100美元的硬性预算，是这次实验最有意思的设计。在很多AI编程的演示中，成本往往被刻意忽略，人们只关注"它最终做出来了没有"。但在真实的工程环境里，成本是绕不开的现实变量。

当预算成为约束条件时，智能体的行为模式会发生变化：它不能无限次地重试失败的方案，必须在探索与利用之间做出权衡。这种设定实际上更贴近企业在评估是否采用AI编程工具时的真实考量——不是"能不能做"，而是"用多少成本能做到什么程度"。

对AI编程工具落地的几点思考

这类对比实验反映出当前AI编程领域的一个趋势：评测正在从单纯的"代码补全准确率"转向"端到端项目交付能力"。单个函数写得对不对已经不是最关键的，智能体能否独立完成一个有机的、可运行的完整项目，才是业界真正关心的能力边界。

从开发者社区的反馈来看，这类实验也引发了对AI智能体实用性的讨论。构建PDF编辑器这样的中等复杂度项目，恰好处在"AI能辅助"和"AI能自主完成"的临界地带，因此特别适合用来观察不同工具的真实水位差异。

对于考虑引入AI编程工具的团队而言，这类实验提供了有价值的参考视角：与其听信厂商的宣传话术，不如关注智能体在真实预算、真实任务下的交付质量。能跑通一个Demo和能交付一个可用产品之间，往往存在巨大的鸿沟。

端到端项目交付能力的评测目前已形成若干标准化基准，其中最具影响力的是SWE-bench——它从GitHub真实issue中提取需要修改代码库才能解决的任务，要求智能体在无人工干预下提交可通过测试套件的补丁。SWE-bench Verified子集的通过率已成为各厂商竞相追逐的指标：2024年初顶尖模型的通过率不足10%，到2025年部分系统已突破50%。PDF编辑器这类"从零构建完整应用"的任务比SWE-bench更开放，缺乏统一评分标准，但也因此更贴近真实工程场景——正确性、可用性、代码质量和成本效率需要同时被考量。

结语

给四个编程智能体各100美元造PDF编辑器，这个看似带有娱乐性质的实验，背后触及的是AI编程工具商业化落地的核心命题——在成本可控的前提下，自主编程智能体究竟能走多远。随着这类工具竞争的加剧，类似的真实场景对比评测将变得越来越重要，它们比任何营销材料都更能揭示工具的真实能力。

（注：本文基于Hacker News上的讨论话题整理分析，受原始素材信息量限制，实验的具体结果数据有待原作者完整披露。）