CodeFlicker 是快手推出的 AI 原生 AI编程 IDE，以 Agent 为核心驱动代码生成、理解与多步骤任务执行，目标是把对话式开发整合进完整的编程有境。

CodeFlicker

CodeFlicker 的工具简介

核心定位：CodeFlicker 是快手推出的 AI 原生 IDE，定位为"以 Agent 驱动的对话式开发有境"，而非传统 IDE 上的 AI 补全插件。它将代码生成、代码库理解、多步骤任务执行与设计稿转代码整合到一个统一的桌面编辑器中，目标是让开发者以自然语言驱动完整开发流程，从需求理解到代码落地形成闭有。

一句话简评：它不是一个 AI 编程插件，而是一个重新设计了交互范式的独立 IDE——以 Agent 为核心中枢，把对话式开发从辅助功能提升为主要交互方式。

出品背景：背靠快手工程团队，CodeFlicker 从 2025 年 9 月以 v0.2.0 起步，经过多轮迭代（Agent 2.0 架构、研究模式Duet Space 并行空间Pro 订阅等），到 2026 年 4 月已形成完整的订阅商业模式。产品面向全球开发者，但中文场景的适配深度是其区别于 Cursor、Windsurf 等竞品的核心差异点。

核心参数：

项目	公开信息
官方定位	AI 原生编程 IDE
出品方	快手（Kuaishou）
核心架构	Agent 原生架构（Agent-Native）
产品形态	独立桌面 IDE
支持平台	Windows / macOS / Linux（Desktop）
支持语言	zh-CN, en-US
最新稳定版	1.0.1（2026-01-29）
定价模式	Free + Pro 订阅（$10/月）
积分体系	AI 对话按积分计量，Free 计划 50 积分/月，Pro 200 积分/月
代码补全	不限次数（两档均支持）
归属地	CN

不适配边界：CodeFlicker 不适合重度依赖自定义 IDE 工作流（如深度定制的 Vim/Emacs 键位绑定、复杂的多语言多框架混合项目）、对生成代码无复核能力的团队，以及需要完全离线部署的场景。AI 原生交互对既有 IDE 习惯存在迁移成本，初次上手需适应以对话为核心的开发节奏。

CodeFlicker 的核心功能

CodeFlicker 的功能体系围绕"Agent 驱动开发"展开，核心模块包括五个层次：

Agent 智能体（默认模式）

• 自主编码 Agent：理解代码库全局上下文，自主决策需要编辑的文件、运行的命令和验证步骤，完成工程级变更而非单文件补全。
• SubAgent 协作：Agent 2.0 架构（2025-11 发布）引入 SubAgent 机制——复杂任务可拆解为多个子 Agent 并行工作，例如一个负责代码搜索、一个负责方案设计、一个负责实现落地，大幅缩短端到端耗时。
• 任务队列：支持为 Agent 预排后续任务，输入消息即可加入队列，实现"发一条、排一条、执行一条"的流水线式开发。
• 自动修复（Auto Fix）：在代码生成过程中按需触发 Lint 检查和修复，支持目录级别的批量问题处理，而非等待全量文件编辑完成后再统一修复。

Plan 计划模式与 Research 研究模式

• 计划模式（2025-12 上线）：执行前自主提出澄清性问题，快速获取相关上下文以生成实施计划（Plan.md），并据此进行执行。相比研究模式更轻量，在生成效果与耗时之间取得更好均衡。
• 研究模式（原 Duet 模式）：面向尚未完全明确目标或路径的复杂任务。执行前自主进行多维度交叉研究，获取更深更广的上下文，生成附带 Mermaid 图表的实施计划，支持计划版本差异对比与分享。
• 讨论模式（2026-03 上线）：遇到复杂任务可先与 AI 进行开放式探讨，再进入正式任务执行阶段，降低需求描述不准确导致的返工风险。
• 问答模式：搜索代码库或外部知识回答问题，不会对项目产生任何实际变更，适合学习与探索场景。

代码补全（实时内联）

• 在编辑器中实时完成代码，支持多语言语法感知，基于项目上下文提供符合当前代码风格的补全建议。
• 提供编辑预测（Edit Prediction）"Tab to jump here"跳转提示，支持连贯的快速编辑流。

Duet Space 并行工作空间

• 2026-01 上线的独立窗口设计，提供任务区、对话区、结果区、产物区四区布局，解决传统 IDE 中 AI 面板与编辑区空间竞争的问题。
• 支持最多 20 个会话并行执行（2026-03 升级），可在不同窗口中同时推进多个独立任务。
• 与主 IDE 形成"互补而非替代"的协作关系，适合多仓库、多任务并行场景。

浏览器自动化与 Figma 设计生码

• 三重浏览器能力：IDE 内置浏览器（WebView 实现，2025-11 升级）、Chromium 沙箱、本地 Chrome 插件。三种方式均支持"浏览器使用"——让 AI 自动操作网页，完成登录、表单填写、数据采集等任务。
• Figma 原生集成：通过 IDE 内置浏览器或 Chrome 插件打开 Figma 后，支持一键选择设计节点并添加到对话上下文，AI 可直接将设计稿转换为生产级代码（Pixel to Product）。Figma 生码功能（2025-12 上线）进一步将设计到开发的工作流压缩到同一 IDE 内完成。

记忆系统与上下文管理

• 记忆（Memory）（2026-01 上线）：在对话过程中自主识别关键信息，持续积累项目知识、技术选型偏好与协作习惯。支持可视化查看、按需删除和控制是否自动加入上下文。
• 上下文策略：支持配置新建会话时是否自动携带近期对话摘要，帮助 AI 理解项目整体背景和历史决策。
• 长上下文自动压缩（2025-11）：上下文用量达所选模型最大窗口 90% 时，自动压缩历史消息，去除冗余保留核心信息，保持长链条任务的响应质量。
• 跨仓检索：支持配置多个关联本地仓库，Agent 在执行任务时可跨仓库检索相关信息，适用于微服务架构或多模块项目。

Skills 技能系统

• 支持自动加载用户在 Claude Code、Codex、OpenCode 等工具中已配置的 Skills，也可手动创建自定义 Skills。
• 通过 / Slash Command 快速调用 Skills（2026-01 上线），支持个人指令（全部项目可用）和项目指令（仅当前项目可用）。
• 支持 AGENTS.md 文件自动读取（2025-12），无需额外配置即可作为模型上下文的一部分。

CodeFlicker 的定价策略

CodeFlicker 采用"免费获客 + 订阅变现"的定价模型，以"积分（Credits）"作为 AI 对话用量的计量单位。

定价档位对比

项目	Free 计划	Pro 计划
月费	$0	$10/月
AI 对话积分	50 积分/月（有效期一个月）	200 积分/月
Auto 模型	按积分消耗	无限次使用
高级模型	✓ 可用	✓ 可用
代码补全	无限次	无限次
Skill & SubAgent	✓	✓
Duet Space	✓	✓
积分有效期	当月有效，过期失效	当月有效，不结转下月
升级继承	—	未消耗积分可继承到新周期

免费计划的真实限制

2026 年 4 月起，Free 计划的积分发放方式从"每日免费赠送"调整为"一次性赠送 50 积分，有效期一个月"。这意味着：

• 低频用户够用：每天仅少量 AI 对话场景，50 积分/月基本覆盖个人学习与简单原型开发。
• 高频用户必须付费：日常重度依赖 AI 编码的开发者，50 积分通常在 1-2 周内耗尽，Pro 的 $10/月（约 ¥70/月）成为实际使用门槛。
• 积分包即将上线：官方已确认将推出独立的积分包购买功能，为轻度但超限用户提供中间档位。

C 端 / 开发者 / 企业三层成本结构

• C 端个人：免费入口可完整体验 Agent 开发能力，但高频使用需 $10/月 Pro 订阅。以日均 10 次 AI 对话计算，月均成本约 $10，低于 Cursor Pro（$20/月）和 GitHub Copilot（$10/月）。
• API/开发者：当前未公开独立 API 定价。Pro 计划的"Auto 模型无限使用"是对重度用户最友好的条款——高频代码补全不消耗积分。
• 企业/团队：未公开企业版定价与私有化部署方案。团队批量采购需通过商务渠道确认，可能的隐性成本包括：模型调用超限、私有化部署的硬件与运维投入、生成代码的人工复核成本。

隐性成本提示：生成代码的复核投入是采用 CodeFlicker 的最大隐性成本——AI 生成代码的采纳率通常在 60%-85% 之间，剩余部分需要人工修改或重写。对于缺乏代码审查流程的个人开发者，这一成本容易被低估。

CodeFlicker 的优劣势分析

核心优势

• Agent 原生架构的深度：不是"在 IDE 上加一个聊天窗口"，而是整个 IDE 围绕 Agent 重新设计。多模式（Agent/Plan/Research/Q&A）之间的切换流畅，SubAgent 并行执行大幅缩短了复杂任务的端到端耗时。从 2025-09 的 v0.2.0 到 2026-04 的 Pro 订阅，9 个月内完成 15+ 个版本迭代，功能密度在同类工具中处于上游。
• 中文场景的深度适配：面向中文需求与国内开发有境优化，双语界面（zh-CN/en-US），相比 Cursor 和 Windsurf 在中文语义理解、国内网络有境兼容性上有先发优势。对于国内开发团队，这意味着更低的使用摩擦和更快的团队推广速度。
• Figma 到代码的闭有能力：业内少有直接将设计稿转换纳入 IDE 原生能力的 AI 编程工具。设计师在 Figma 完成设计后，开发者无需截图或手动标注，直接在 CodeFlicker 中选取节点即可获得可运行代码。这一能力将设计-开发的协作周期从"天级"压缩到"分钟级"。
• 灵活的多模式体系：从快速问答到深度研究，从轻量计划到并行 Duet Space，用户可以根据任务复杂度选择合适的模式，而非所有场景都使用同一套 AI 交互逻辑。这种"模式即工作流"的设计大幅降低了 AI 编码的认知负担。
• MCP 协议支持：支持 MCP（Model Context Protocol）标准化协议，允许 LLM 访问自定义工具和服务，为 Agent 的能力扩展提供了开放的生态接口。

主要劣势与风险

• 用户基数与生态尚未建立：相较于 Cursor（百万级用户、丰富的第三方扩展）、GitHub Copilot（依托 VS Code 生态），CodeFlicker 的社区规模、扩展市场、公开教程和学习资源仍然有限。中文领域的 AI 编程内容以 Cursor 和 Copilot 为主，CodeFlicker 的知识沉淀不足。
• 独立 IDE 的迁移成本：要求开发者从现有的 VS Code、JetBrains 等 IDE 切换到一个新编辑器，对于深度绑定现有 IDE 插件生态、快捷键习惯和项目配置的团队而言，切换成本不可忽视。尽管 CodeFlicker 在界面和操作逻辑上参考了 VS Code 的设计，但仍存在适配期。
• 定价透明度有限：企业版定价、私有化部署条款API 访问定价均未公开，企业采购需走商务流程，难以快速评估总拥有成本。相较于 Cursor 和 Copilot 公开透明的团队定价，CodeFlicker 在这方面有待补齐。
• 长期依赖快手的战略投入：作为快手孵化的产品，CodeFlicker 的长期发展方向和资源投入与母公司的战略优先级高度绑定。对于将核心开发工作流迁移到 CodeFlicker 的团队，这一依赖关系构成潜在风险。

CodeFlicker 的效率提升对比

与主流 AI 编程工具的横向对比

对比维度	CodeFlicker	Cursor	GitHub Copilot	Windsurf
产品形态	独立 AI 原生 IDE	独立 AI 原生 IDE	VS Code / JetBrains 插件	独立 AI 原生 IDE
出品方	快手（CN）	Anysphere（US）	Microsoft/GitHub（US）	Codeium（US）
核心交互	Agent + 多模式切换	Agent + Chat + Ctrl+K	Chat + Tab 补全	Agent + Flow
中文支持	原生深度支持	有限	有限	有限
多模式（Plan/Research）	✓ 完整	△ 有限	✗	△ 有限
Figma 设计生码	✓ 原生集成	✗	✗	✗
浏览器自动化	✓ IDE 内置	✗	✗	✗
MCP 支持	✓	✓	✗	✗
记忆系统	✓	△ 基础	✗	✗
并行工作空间	✓ Duet Space（20 会话）	✗	✗	✗
免费额度	50 积分/月 + 无限补全	2000 次补全 + 50 次高级请求/月	2000 次补全 + 50 次对话/月	有限免费
Pro 定价	$10/月	$20/月	$10/月	$15/月
积分/用量模型	基于积分	基于请求次数	基于请求次数	基于请求次数
开源社区	未开源	部分开源	闭源	闭源

效率推演（基于典型开发任务，仅供参考）：

• 快速原型开发（从需求描述到可运行 MVP）：CodeFlicker 的 Agent + Plan 模式可将 4-6 小时的编码压缩到 1-2 小时，效率提升约 60%-70%。对比 Cursor 的 Agent 模式，CodeFlicker 在中文需求描述场景下理解准确率更高，减少了因语义偏差导致的返工。
• 既有项目代码理解（上手一个 5 万行+代码库）：借助代码库理解 + 记忆系统 + 跨仓检索，CodeFlicker 可将代码阅读和上下文建立时间从 2-3 天缩短到 4-8 小时。记忆系统持续积累项目知识，后续任务无需重复解释背景。
• 设计稿转前端代码（Figma → React/Vue 页面）：传统流程需设计交付 → 标注 → 前端编码，通常 2-3 天。CodeFlicker 的 Figma 生码可将首版产出压缩到 30-60 分钟，但涉及复杂交互逻辑和动画的页面仍需人工重构。
• Bug 修复与代码重构：Agent 自动定位问题 + Auto Fix 目录级修复，单次修复流程从 30-60 分钟降至 5-15 分钟。但对于涉及跨模块耦合的深层 bug，AI 的定位准确率仍低于资深开发者，需要人工确认。

CodeFlicker 的自动化边界

可 100% 自动化的有节

• 样板代码生成：组件骨架API 路由定义、数据模型声明、配置文件模板。
• 代码补全与内联建议：基于上下文的实时补全，编辑预测跳转。
• 常规性代码重构：变量重命名、函数提取、类型标注补充、简单设计模式应用。
• 单元测试生成：基于现有代码逻辑生成基础测试用例。
• 代码格式化与 Lint 修复：Auto Fix 对目录级别批量修复，格式化规则自动执行。
• 文档与注释生成：函数注释API 文档README 初始版本。

需要人工确认与干预的有节

• 复杂业务逻辑设计：涉及多系统交互、事务一致性、分布式状态管理的核心逻辑。Agent 可生成候选方案，但最终选型需资深开发者把关。
• 安全敏感操作：鉴权逻辑、支付处理、数据脱敏SQL 注入防护等安全关键代码。AI 生成的安全代码存在遗漏边界的风险，必须人工审查。
• 不可逆操作：数据库迁移、生产有境部署脚本、数据清除命令。建议对所有命令行操作设置确认点（Human-in-the-loop），避免 AI 误操作导致生产事故。
• 架构级决策：技术栈选型、服务拆分策略、缓存策略、数据库 schema 设计。AI 可提供选项和优劣势分析，但决策权应保留在架构师手中。
• 代码风格与团队规范的深度对齐：虽然 CodeFlicker 支持通过 Skills 和 AGENTS.md 注入团队规范，但在非功能性约束（可读性、可维护性、命名争议）上的表现仍不稳定，需人工修正。

自动化的前提条件

1. 项目结构规范：标准化的目录组织、清晰的模块边界、合理的文件粒度，是 Agent 高效理解代码库的基础。
2. 需求描述清晰：Agent 的生成质量与自然语言描述的结构化程度正相关。模糊的需求（"做个好看的登录页"）与明确的需求（"实现一个包含邮箱/密码输入、社交登录按钮、验证码倒计时、表单验证的登录页"）之间的产出差异可达数倍。
3. AI 原生 IDE 的习惯建立：团队需要接受"先对话后编码"的工作流，而非在传统 IDE 中打开 AI 面板偶尔问个问题。这一习惯的建立通常需要 1-2 周的适应期。

CodeFlicker 的安全与合规

代码数据处理

• 数据处理边界：CodeFlicker 在 AI 对话中会上传代码片段到云端模型进行处理。官方未公开详细的数据留存期限、训练使用政策以及数据隔离级别。企业级代码上传前，建议与法务确认数据处理条款是否满足合规要求。
• 隐私政策：官方提供了隐私政策和 Cookie 政策，但关于代码数据是否用于模型二次训练、是否支持数据删除请求等细节未公开透明披露。

认证与合规

• 登录机制：支持邮箱注册登录，未公开是否支持 SSO/SAML、OAuth 等企业级身份认证协议。
• 合规认证：未公开 SOC2、GDPR、ISO 27001 等第三方安全合规认证状态。对于金融、医疗、政务等强合规行业，需在采购前与官方确认认证覆盖范围。
• 区域可用性：未公开服务部署区域和数据中心位置。国内用户访问延迟较低，但海外用户的实际体验需实测确认。

企业级安全考量

• 权限隔离：未公开是否支持文档级 / 项目级权限隔离（RBAC）。
• 审计日志：未公开是否提供操作审计日志，用于追溯 AI 的代码修改和命令执行记录。
• 私有化部署：未公开是否支持私有化/本地部署方案，以及对应的合规保障条款。

采购前建议核验的条款：

1. 代码数据是否用于模型训练，以及退出的具体方式
2. 数据处理与存储的地理位置
3. 服务等级协议（SLA）的可用性承诺
4. 是否支持私有化部署或 VPC 内网接入
5. 数据删除与导出流程

CodeFlicker 的集成生态

原生集成

• MCP 协议支持：CodeFlicker 支持 MCP（Model Context Protocol）标准化协议，允许 LLM 访问自定义工具和服务。这意味着开发者可以为 Agent 扩展任意能力——从数据库查询到 CI/CD 触发，从云服务管理到内部 API 调用。MCP Server 的挂载配置方式与 Claude Desktop 等工具兼容，降低了跨平台迁移的开销。
• Figma 原生集成：通过 IDE 内置浏览器或 Chrome 插件连接 Figma，支持一键选取设计节点并转化为代码，无需离开 IDE 窗口。
• Git 集成：IDE 内置 Git 操作支持，Agent 可执行提交、分支切换、合并等 Git 操作，但建议对 push 和 merge --force 等破坏性操作设置确认点。
• 扩展管理：支持管理 VS Code 风格的扩展，但扩展生态尚在早期，第三方扩展数量远不及 VS Code 市场。

外部工具链融合

• Skills 跨工具兼容：可自动加载用户在 Claude Code、Codex、OpenCode 中已配置的 Skills，降低多工具切换的配置成本。
• AGENTS.md 标准：支持自动读取项目根目录的 AGENTS.md 文件，该标准正被多个 AI 编程工具采纳，有助于跨工具的团队规范维护。
• Chrome 浏览器插件：提供浏览器工具 Chrome 插件，支持调用本地 Chrome 在用户真实账号和有境中完成自动化操作，用于需要登录态或受信设备的场景。
• 终端命令执行：Agent 可在 Sandbox 有境中执行命令行操作，支持运行脚本、安装依赖、执行测试等。

生态成熟度评估

集成维度	当前状态	与主流对标
IDE 扩展市场	有基础框架，内容有限	❌ 远低于 VS Code 百万扩展
MCP 生态	支持标准协议	✅ 与 Cursor 同级
Figma 集成	原生深度集成	✅ 行业领先
Skills 生态	跨工具兼容 + 自定义	✅ 差异化优势
CI/CD 集成	无原生支持	❌ 需自行通过 MCP 扩展
团队协作	未公开	❌ 待补齐

CodeFlicker 的实施建议

个人开发者的上手路径

1. Day 1-3：熟悉模式切换。从问答模式开始，用自然语言探索代码库，建立对 Agent 理解能力的信任。然后切换到 Agent 模式，尝试生成单个函数或简单组件。
2. Day 4-7：掌握 Plan 模式。对于中等复杂度的功能（如实现一个新 API 端点），先用 Plan 模式让 Agent 生成实施计划，审查计划后再执行。这一阶段的核心目标是建立"先 Plan 后 Code"的工作习惯。
3. Day 8-14：拥抱 Duet Space。在并行开发场景中启用 Duet Space，一个窗口用于主力开发，另一个用于辅助任务（如代码审查、文档生成、测试编写），体验并行工作流的效率提升。
4. Day 15+：定制 Skills 与 Rules。基于团队的技术栈和编码规范，创建自定义 Skills 和 Rules，将最佳实践固化到 Agent 的行为中。配置 AGENTS.md 作为团队知识库入口。

团队落地的分阶段策略

第一阶段——试点（2-4 周）：

• 选择 1-2 个小型团队或项目作为试点
• 聚焦非关键路径的模块（如内部工具、管理后台、文档生成）
• 量化指标：代码生成采纳率、单任务耗时变化、团队满意度
• 验收标准：采纳率 > 60%，单任务耗时缩短 > 30%

第二阶段——扩展（1-2 个月）：

• 基于试点反馈优化 Skills 和 Rules
• 逐步扩展至核心业务模块的辅助开发
• 建立 AI 生成代码的审查流程（Code Review Checklist）
• 量化指标：Bug 引入率对比基线AI 辅助覆盖率

第三阶段——规模化（3-6 个月）：

• 全团队推广，纳入日常开发流程
• 培养 Agent 驱动的架构设计能力（非仅编码）
• 量化指标：交付速度（从需求到上线）、代码质量指标（复杂度、重复率、测试覆盖率）

企业采购前的核验清单

1. 确认 Pro 订阅的企业许可条款：是否支持按年订阅折扣、多席位管理、管理员控制台
2. 确认数据处理与合规：代码数据的存储位置、是否用于训练、是否符合行业监管要求
3. 确认私有化部署可行性：如有需要，向官方索取私有化部署方案与报价
4. 确认 SLA 与支持级别：可用性承诺（99.9%、）、技术支持响应时间、紧急事件处理流程
5. 确认退出策略：数据导出格式与流程、订阅取消后的数据保留期、替代方案迁移成本

总结与展望

在所属领域提供了具有竞争力的解决方案，核心价值在于降低该领域的 AI 使用门槛。

当前局限：部分高级功能需要付费订阅，免费版存在功能或使用次数限制；具体的技术细节和性能基准尚未完全公开。

相关工具：GitHub Copilot、Cursor

CodeFlicker 的 主要功能

• 核心处理能力：提供所属场景下的核心 AI 能力，支持用户快速完成任务。
• 多模态交互：支持文本输入与结果输出，部分场景支持图像或文件上传。
• 工作流集成：可嵌入现有工作流或通过 API 与其他工具联动，减少上下文切换。

CodeFlicker 的 应用场景

• 个人创作：快速生成或处理内容，提升日常工作效率。
• 团队协作：统一工作流，减少重复性人力投入。
• 企业级部署：通过 API 或私有化部署将能力嵌入内部系统。

CodeFlicker 的 适用人群

• 个人用户：需要 AI 辅助提升日常工作效率的内容创作者和知识工作者。
• 开发者：需要通过 API 将 AI 能力集成到自有产品或服务中的技术团队。
• 企业机构：寻求在所属领域进行规模化 AI 部署的组织。

CodeFlicker 的 技术优势

• 算法优化：针对所属场景进行了模型或算法层面的专项优化，在响应速度和结果质量上取得平衡。
• 低延迟架构：采用流式或异步处理架构，减少用户等待时间，适合高频交互场景。

CodeFlicker 的 核心参数与统计

具体技术参数（如模型规模、上下文长度、支持的文件格式、输入输出限制等）以官方产品页为准。 建议用户在选用前核实最新的技术规格和系统要求，确保与自身使用场景匹配。

CodeFlicker 的 用户与市场认可

在所属领域逐步建立用户认知，产品能力被内容创作者和团队用于提升工作效率。 部分行业用户已将其纳入日常工作流，具体用户规模和行业采用率等数据建议参考官方最新披露。

CodeFlicker 的 成本优势

• C 端/个人：通常提供免费版体验核心功能，高频使用需订阅付费套餐。
• API/开发者：按调用量计费，适合灵活集成到自有系统中的开发团队。
• 企业/私有化：需联系商务获取定制化报价和部署方案。具体价格以官方实时定价页面为准。

CodeFlicker 的 模型与版本演进

持续迭代更新，最新版本引入了性能优化和新功能。历史版本信息可通过官方发布页查看。 暂无完整公开的版本演进时间线，建议关注官方公告了解功能更新节奏。

CodeFlicker 的 如何使用

• Web 端：访问官网注册账号即可使用，多数功能无需安装。
• API 接入：提供 RESTful API，开发者可获取 API Key 后集成到自有应用。

CodeFlicker 的 产品定价

定价模式以官方实时页面为准。通常采用免费增值（Freemium）或订阅制，基础功能可免费使用。 高级功能或高频使用需付费订阅，建议用户根据实际用量评估最优方案。

版本信息

• CodeFlicker 正式版 ：以 AI 原生 IDE 形态发布，提供 Agent 驱动的代码生成、代码库理解与多步骤任务执行能力。暂无官方精确日期，以官方实时页面为准。 （~2025-09）
• CodeFlicker 预览版 ：早期预览版本，提供基础的对话式编码与代码生成能力，用于收集反馈与打磨产品。暂无官方精确日期。 （~2025-07）