ARTICLE · 1285335
微软给 AI 编程助手出了同一张考卷
微软给 AI 编程助手出了同一张考卷
AI 编程助手选哪个，现在是个玄学问题。厂商榜单各说各话，体验全凭手感，换个任务结果就变。微软 10 月 19 日开源的 Scope，就是来治这个毛病的：它不自己写代码，而是给编程助手出考卷——让 GitHub Copilot 与 Claude Code 做同一批任务，并排打分，看谁真正把活干对。 Big Story：考卷长什么样 先说清楚 Scope 是什么：它是一个开源的智能体评测平台（微软官方说法是“agentic experience evaluation platform”），MIT 协议，自托管、自管理，不是又一个编程助手，也不是云服务。仓库在 microsoft/scope，目前挂的是研究预览标签，没有版本号。 它的用法很直接：把 Copilot、Claude Code 这类已经存在的编程助手放进同一批任务里，用同一把尺子量它们实际产出的东西。微软的开发者关系团队做它的出发点，是给维护 SDK、文档、CLI、MCP 服务器这类项目的团队一个可重复的办法：每次换模型、换助手，先跑一遍 Scope，看看它到底卡在哪，而不是凭印象拍板。 时间点也值得注意。Scope 发布前后一周，GitHub 单为 Copilot 就轮换了 6 个模型。选项越多，不确定性越大——今天测着好用的组合，下周底座一换可能就变了。Scope 回答的正是这个问题：不是“哪个助手最好”，而是“在我的任务上，哪个助手现在最好”。 局限：分数不是生产表现 三句话把 Scope 的边界说清楚，免得神化它。 第一，它是研究预览，不是正式产品。评测方法、任务集、打分口径都还可能变，拿它的分数做采购决策之前，先看它测的是不是你自己的任务类型。 第二，它测的是任务完成度，不是生产全貌。真实开发里还有成本、延迟、代码可维护性、团队习惯这些维度，一张考卷覆盖不了全部。 第三，它不替你选型。它给的是可重复的证据，决策还得结合你自己的仓库、预算和工作流来做。 口径说明 发布信息：微软 10 月 19 日发布 Scope，MIT 协议，自托管，研究预览，无版本号；仓库 microsoft/scope。 背景数字：“一周内 Copilot 轮换 6 个模型”为发布同期报道口径，指的是模型轮换频率，不是 Scope 的测试结果。 今天就能试：如果你手头维护着 SDK、文档或者 CLI 项目，拉一份 Scope，用你自己的仓库任务跑一遍 Copilot 和 Claude Code 的对比。别信榜单，信你自己的考卷——跑完你就知道，该续谁的费、该换谁的底座。
