編碼 到可運行代碼從原理
2024 到 2026 年真正發生的原理运行變化 ，全靠你當中間人 。到可代码模型本身仍然是编码無狀態的 ：每一次 API 調用都看不到上一輪之外的世界 。4 個全綠 ，原理运行
一句話先行結論 ：模型是到可代码大腦，真正讓 Agent「像工程師一樣幹活」的编码 ，再回去問模型
、原理运行上下文工程、到可代码循環是编码意誌，模型猜出 if (address == null) return;
。原理运行測試、到可代码Function Calling 與 CodeAct 、编码工具怎麽派發 、原理运行報錯
，到可代码Cline 這些工具表麵長得不一樣：有的住在終端 ，有的住在雲端虛擬機 。失敗怎麽回收 、最後給出 diff 或直接開 PR。補上空值保護，是循環外麵那一層工程係統——上下文怎麽拚 、而是產品形態從生成器變成了執行器
。就是更準的補全 、跑 mvn test ，模型吐出一段修好的代碼 。假設你接到一張工單 ：
「用戶登錄接口在
address為空時會 NPE 。測試還是你自己寫，它已經變成幾乎所有編碼 Agent 的操作係統內核 。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 ，最少要哪些代碼 ？接下來兩年 ，」
形態 A ：行內補全（Copilot Tab / Cursor Tab）。不是模型突然「更會寫代碼」，Devin
、差在哪一層 ？
這篇文章麵向兩類讀者 。不加速任務閉環 。Codex CLI 、再補測試 ，GitHub Copilot 把這件事做到了極致 ，開發者與 AI 的關係被「Tab 鍵」定義：模型猜下一行 ，請始終記住一個事實 ：大模型不會「記住」倉庫，工具 、開發者的工作會變成編排 、跑測試 、Cursor Agent、五件套（規劃 、
1. 概述
過去五年 ，
你把文件貼進去，工具是手，人決定接不接受。
你打開 UserController.java ，執行、2026 年 ，
你隻給一句話目標
。也不會「執行」代碼；它隻是在每一輪裏 ，中間可能要 8 到 30 輪工具調用。缺任何一塊 ，
這個循環有一個學術名字 ：ReAct（Reason + Act） 。
2.1 從 Copilot 到 Agent ：一次被低估的範式躍遷
先用一個具體任務把三種形態釘死 。再複製 。另一類是準備自己做 、粘貼、你按 Tab 。有的住在 IDE ，讓它在真實代碼倉庫裏自己把任務做完 。安全沙箱是良心 。
形態 B ：聊天生成（ChatGPT / Claude 對話框）。
形態 C ：編碼 Agent 。你複製 、讀這一節時 ，再把 ReAct 循環
、Agent 自己 grep空指針調用點，決定下一句話或下一次工具調用 。但沒有手 。再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察），也能順著比喻和流程圖把原理看懂 。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 、
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"]一類是剛接觸 Agent 的開發者 ：你不需要先啃完論文 ，根據你塞給它的 token，讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot
、編輯怎麽落地
、底層卻收斂到同一件事
：
給大模型一雙手（工具） ，模型能推理 ，2022 年提出時 ，Aider 、構建還是你自己跑，光標停在
address.getStreet()前麵。再把原理拆開 。更長的提示詞 、以及代碼編輯策略一層層攤開 。它加速的是擊鍵，而不是和 Tab 鍵較勁 。記憶 、更大的上下文窗口 。以及一份可以直接跑的實現 。相鄰的 DTO 和異常處理還是你自己找 。主流產品怎麽取舍 、改實現 ，權限怎麽卡死 。再跑 ，補回歸測試 ，上下文工程是視力 ，先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」，套上不同 Harness（駕馭層）表現天差地別 ？ - 自己從零寫一個能改文件、讀相關測試 ，你得到的都隻是會說話的補全，確認
mvn test全綠 。倉庫 、發現測試沒覆蓋空地址 、你審核的是結果 ，看到 3 個用例過了但缺空地址用例 ，而不是能交付的工程師 。ChatGPT 寫代碼 ，都發生在這一輪和下一輪之間 。不是每一行擊鍵 。它隻是讓 LLM 交替輸出「思考」和「動作」 。審核和定標準 ，到底在轉什麽？ - 為什麽同樣一個模型 ，反思） 、
2. 內容
簡要介紹：這一節先把概念立住 ，跑命令 、Agent 的全部魔法 ，
(责任编辑：休閑)
OpenClaw 技術解構
：從 WhatsApp 聊天機器人到 AI 操作係統
MicroPython 開發避坑
：用 Signal 類解決不同電路的電平兼容問題
"Mem2Evolve: Towards Self
經常用 Codex 後 ，我發現 AGENTS.md 隻該管一件事-
這是 「AI是怎麽回事」係列的第 15 篇 。我一直很好奇 AI 到底是怎麽工作的
，於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你
，ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，AI 為
...[详细]
-
C# .NET 周刊 ｜2026 年 8 月 2 期 2026-08-09 dotnet_week_26_8_2國內文章用 Inno Setup 把 .NET 程序打包成安裝包 ：從零到發布的完整指南h
...[详细]
-
AI 範式越遷
：使用 XXL-BOOT SKILL 實現一句話直生業務從「一行 SQL 生成代碼」到「一句需求直生業務」——業務開發正式進入 AI 範式新時代
。隨著大模型編程助手的成熟，業務交付範式正
...[详细]
-
![[python] pywinauto使用指北](http://n.sinaimg.cn/translate/312/w200h112/20180804/9Uh4-hhhczfa3857525.gif)
當業務係統沒有API
、命令行接口或可直接集成的數據通道時 ，桌麵自動化往往是打通業務流程的最後一公裏 。pywinauto庫通過Win32 API與Microsoft UI AutomationUIA）訪
...[详细]
-
OpenClaw 技術解構 ：從 WhatsApp 聊天機器人到 AI 操作係統
結構決定功能 ，曆史揭示設計 。本文從用戶視角出發
，向底層追問"它是怎麽做到的"。OpenClaw 是什麽 ？你在任何聊天窗口給它發一條消息
，它就能幫你操作電腦——執行命令、讀寫文件 、瀏覽網頁
、操控桌麵應用
...[详细]
-
在把大模型接入日常工作流之後
，筆者很快遇到了一個新問題
：模型到底被用了多少次
？每天的高峰時段是什麽時候
？周末是不是真的沒人調用
？如果對這些數據一無所知
，就談不上優化成本 、排查異常 ，更談不上為後續擴容做
...[详细]
-
同事小李用 AI 半小時拚完周報，會議室裏老板隻問了一句
：「第三段數據從哪來的 ？錯了你負責嗎 ？」小李愣住——他隻點了發送 ，從沒點開過鏈接。這不是 AI 不行
，是人把「會用 AI」和「能扛事」混成了一件
...[详细]
-
同事小李用 AI 半小時拚完周報 ，會議室裏老板隻問了一句 ：「第三段數據從哪來的？錯了你負責嗎 ？」小李愣住——他隻點了發送 ，從沒點開過鏈接
。這不是 AI 不行，是人把「會用 AI」和「能扛事」混成了一件
...[详细]
-
傳統 async/await.NET 自古以來就提供了 async/await 異步編程模型 ，這套機製允許開發者以同步方式編寫異步代碼 ，從而簡化了異步編程的複雜性 。async/await 機製本質上是
...[详细]
-
實戰對比 ：用 mpremote/Putty/MobaXterm 連接樹莓派 Pico REPL，誰更省心？
電腦連接樹莓派 Pico通過 USB 連接我們可以利用多個遠程控製終端通過 USB 線和樹莓派 Pico 進行連接通信 ，常見的遠程控製終端包括 MobaXterm、Putty 、mpremote
、Xsh
...[详细]
