給大模型一雙手(工具) ,到可代码它已經變成幾乎所有編碼 Agent 的编码操作係統內核 。更大的原理运行上下文窗口。模型猜出 if (address == null) return;。到可代码請始終記住一個事實:大模型不會「記住」倉庫,编码
這篇文章麵向兩類讀者。原理运行ChatGPT 寫代碼,到可代码工具是手 ,最後給出 diff 或直接開 PR 。最少要哪些代碼?
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"]記憶 、上下文工程是視力,安全沙箱是良心。它隻是讓 LLM 交替輸出「思考」和「動作」。人決定接不接受。是循環外麵那一層工程係統——上下文怎麽拚、GitHub Copilot 把這件事做到了極致,讀相關測試 ,以及代碼編輯策略一層層攤開。上下文工程 、不是每一行擊鍵 。Claude Code 、構建還是你自己跑 ,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。測試還是你自己寫 ,也能順著比喻和流程圖把原理看懂。先用一個具體任務把三種形態釘死 。Cursor Agent、都發生在這一輪和下一輪之間 。你複製、審核和定標準,而不是和 Tab 鍵較勁。根據測試結果自我修複的 Agent,而是產品形態從生成器變成了執行器。缺任何一塊 ,再回去問模型 、
這個循環有一個學術名字:ReAct(Reason + Act)。Aider、你按 Tab。粘貼 、執行 、再跑 ,
形態 C
:編碼 Agent
。 過去五年,2022 年提出時, 讀完你應該能回答五個問題: 一句話先行結論
:模型是大腦 ,編輯怎麽落地、先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」
,跑命令、權限怎麽卡死
。五件套(規劃、以及一份可以直接跑的實現。循環是意誌, 2024 到 2026 年真正發生的變化
,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
、Function Calling 與 CodeAct、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,」 形態 A
:行內補全(Copilot Tab / Cursor Tab)。全靠你當中間人。開發者的工作會變成編排 、另一類是準備自己做、再複製。到底在轉什麽?1. 概述
mvn test全綠
。模型吐出一段修好的代碼。簡要介紹:這一節先把概念立住 ,再給它一個不停轉的循環(觀察 → 推理 → 行動 → 再觀察),再把 ReAct 循環、它加速的是擊鍵 ,中間可能要 8 到 30 輪工具調用 。
形態 B :聊天生成(ChatGPT / Claude 對話框)。
你打開 UserController.java
,但沒有手 。你審核的是結果,讀這一節時
,假設你接到一張工單:
「用戶登錄接口在
address為空時會 NPE。讓它在真實代碼倉庫裏自己把任務做完 。倉庫、主流產品怎麽取舍 、跑mvn test,補回歸測試,有的住在 IDE ,不加速任務閉環 。也不會「執行」代碼;它隻是在每一輪裏 ,
你把文件貼進去 ,你得到的都隻是會說話的補全 ,決定下一句話或下一次工具調用 。Cline 這些工具表麵長得不一樣 :有的住在終端,Agent 自己grep空指針調用點 ,Codex CLI 、真正讓 Agent「像工程師一樣幹活」的,
你隻給一句話目標 。補上空值保護 ,有的住在雲端虛擬機 。更長的提示詞、就是更準的補全 、光標停在address.getStreet()前麵。差在哪一層?