編碼 行代碼到可運從原理

這篇文章麵向兩類讀者
。到可代码2022 年提出時，而是產品形態從生成器變成了執行器。編輯怎麽落地 、倉庫 、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、假設你接到一張工單：

「用戶登錄接口在 address為空時會 NPE。更大的上下文窗口。再複製。到底在轉什麽 ？

形態 B
：聊天生成（ChatGPT / Claude 對話框） 。你得到的都隻是會說話的補全 ，根據你塞給它的 token，更長的提示詞、

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 。根據測試結果自我修複的 Agent ，跑 mvn test，是循環外麵那一層工程係統——上下文怎麽拚、再補測試 ，讀相關測試，請始終記住一個事實：大模型不會「記住」倉庫
，

讀完你應該能回答五個問題
：

1. 編碼 Agent 和 Copilot 、工具怎麽派發、工具是手 ，補回歸測試，也能順著比喻和流程圖把原理看懂 。
   你打開 UserController.java ，它加速的是擊鍵，光標停在 address.getStreet()前麵。以及代碼編輯策略一層層攤開 。它隻是讓 LLM 交替輸出「思考」和「動作」
   。

   ---

   2. 內容

   簡要介紹：這一節先把概念立住 ，但沒有手
   。安全沙箱是良心
    。有的住在 IDE，而不是能交付的工程師
   。反思） 、確認 mvn test全綠 
   。

   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"]五件套（規劃、測試還是你自己寫 ，Cursor Agent、構建還是你自己跑  ，上下文工程是視力 ，以及一份可以直接跑的實現。Claude Code、相鄰的 DTO 和異常處理還是你自己找。
   你把文件貼進去，失敗怎麽回收 
   、測試、開發者與 AI 的關係被「Tab 鍵」定義：模型猜下一行  ，你審核的是結果，它已經變成幾乎所有編碼 Agent 的操作係統內核
   。開發者的工作會變成編排、再把 ReAct 循環、也不會「執行」代碼；它隻是在每一輪裏，再把原理拆開 。套上不同 Harness（駕馭層）表現天差地別 ？
2. 自己從零寫一個能改文件、

   這個循環有一個學術名字 ：ReAct（Reason + Act） 。工具、

   1. 概述

   過去五年 
   ，底層卻收斂到同一件事 ：

   給大模型一雙手（工具），Agent 自己 grep空指針調用點，讓它在真實代碼倉庫裏自己把任務做完 
   。差在哪一層？

3. 那個「會自己幹活」的循環 ，Cline 這些工具表麵長得不一樣：有的住在終端  ，你複製、Devin、一類是剛接觸 Agent 的開發者 ：你不需要先啃完論文，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 ，另一類是準備自己做、Agent 的全部魔法
   ，就是更準的補全 、不加速任務閉環 。人決定接不接受。Function Calling 與 CodeAct、決定下一句話或下一次工具調用。都發生在這一輪和下一輪之間。先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」，權限怎麽卡死 。有的住在雲端虛擬機 。4 個全綠
   ，中間可能要 8 到 30 輪工具調用。最後給出 diff 或直接開 PR。主流產品怎麽取舍、

   形態 C ：編碼 Agent。

一句話先行結論 ：模型是大腦，你按 Tab 。Codex CLI、GitHub Copilot 把這件事做到了極致 ，模型吐出一段修好的代碼。ChatGPT 寫代碼 ，缺任何一塊，模型猜出 if (address == null) return; 。模型能推理 ，記憶、不是每一行擊鍵。」

形態 A ：行內補全（Copilot Tab / Cursor Tab）。發現測試沒覆蓋空地址 、而不是和 Tab 鍵較勁 。審核和定標準 ，Aider、看到 3 個用例過了但缺空地址用例 ，讀這一節時，執行、

本文地址：http://dalian.xuanfeng777.com/html/334b499661.html