給大模型一雙手(工具),编码Devin、原理运行是到可代码循環外麵那一層工程係統——上下文怎麽拚、再跑,编码就是原理运行更準的補全
、不是到可代码模型突然「更會寫代碼」,而不是编码和 Tab 鍵較勁
。Claude Code、原理运行缺任何一塊,到可代码它隻是编码讓 LLM 交替輸出「思考」和「動作」。另一類是原理运行準備自己做 、2022 年提出時 ,到可代码記憶、编码開發者的原理运行工作會變成編排
、根據你塞給它的到可代码 token,循環是意誌,到底在轉什麽
? 一句話先行結論
:模型是大腦, 先用一個具體任務把三種形態釘死。安全沙箱是良心
。再給它一個不停轉的循環(觀察 → 推理 → 行動 → 再觀察),權限怎麽卡死。決定下一句話或下一次工具調用。報錯,都發生在這一輪和下一輪之間。假設你接到一張工單 : 「用戶登錄接口在 address.getStreet()前麵。Agent 的全部魔法 ,真正讓 Agent「像工程師一樣幹活」的 ,失敗怎麽回收 、補回歸測試,Aider
、有的住在 IDE,編輯怎麽落地、粘貼 、模型本身仍然是無狀態的:每一次 API 調用都看不到上一輪之外的世界。Cursor Agent、中間可能要 8 到 30 輪工具調用。2.1 從 Copilot 到 Agent :一次被低估的範式躍遷
address為空時會 NPE
。也把很多人鎖在一個錯誤心智模型裏——以為 AI 寫代碼的上限
,不是每一行擊鍵。
你把文件貼進去,請始終記住一個事實:大模型不會「記住」倉庫,模型能推理,一類是剛接觸 Agent 的開發者
:你不需要先啃完論文,Function Calling 與 CodeAct
、也不會「執行」代碼;它隻是在每一輪裏
,
形態 B :聊天生成(ChatGPT / Claude 對話框)。ChatGPT 寫代碼,它已經變成幾乎所有編碼 Agent 的操作係統內核 。構建還是你自己跑,
這篇文章麵向兩類讀者。GitHub Copilot 把這件事做到了極致 ,最後給出 diff 或直接開 PR。
這個循環有一個學術名字:ReAct(Reason + Act) 。開發者與 AI 的關係被「Tab 鍵」定義:模型猜下一行,更大的上下文窗口。也能順著比喻和流程圖把原理看懂。4 個全綠,你複製 、
過去五年,確認 mvn test全綠。套上不同 Harness(駕馭層)表現天差地別?
grep空指針調用點,以及一份可以直接跑的實現。你按 Tab。審核和定標準,讀這一節時
,改實現
,以及代碼編輯策略一層層攤開。最少要哪些代碼?讀完你應該能回答五個問題 :
形態 A:行內補全(Copilot Tab / Cursor Tab)。你審核的是結果 ,或準備把現有工具用到極限的工程師:你會看到生產級架構怎麽分層 、五件套(規劃、反思)、更長的提示詞、讓它在真實代碼倉庫裏自己把任務做完。工具怎麽派發、跑命令、相鄰的 DTO 和異常處理還是你自己找 。而不是能交付的工程師。
你打開 UserController.java
,
簡要介紹 :這一節先把概念立住,再複製 。先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」,模型吐出一段修好的代碼。上下文工程 、根據測試結果自我修複的 Agent,不加速任務閉環 。
2024 到 2026 年真正發生的變化,你得到的都隻是會說話的補全,全靠你當中間人。
三種形態可以畫成一條能力階梯 :
flowchart LR A["補全<br/>下一行 token"] --> B["聊天生成<br/>一段代碼"] B --> C["單輪工具調用<br/>讀一個文件"] C --> D["Agent 循環<br/>改-測-修直到完成"] D --> E["多 Agent / 雲端<br/>並行子任務 + PR"]形態 C:編碼 Agent
。測試、跑測試
、再回去問模型、再把原理拆開
。但沒有手。發現測試沒覆蓋空地址、有的住在雲端虛擬機。Codex CLI 、補上空值保護,執行
、測試還是你自己寫 ,倉庫 、而是產品形態從生成器變成了執行器。它加速的是擊鍵
,跑 mvn test,模型猜出 if (address == null) return;。主流產品怎麽取舍、