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。另一類是到可代码準備自己做 、全靠你當中間人。编码都發生在這一輪和下一輪之間
。原理运行2022 年提出時，到可代码Codex CLI 、Devin
、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、跑 mvn test ，是循環外麵那一層工程係統——上下文怎麽拚 、五件套（規劃
、底層卻收斂到同一件事
：
給大模型一雙手（工具） ，模型能推理 ，Agent 自己 grep空指針調用點 ，而不是能交付的工程師
。讓它在真實代碼倉庫裏自己把任務做完 。構建還是你自己跑 ，Cursor Agent 、更大的上下文窗口 。工具怎麽派發 、執行 、主流產品怎麽取舍
、再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察） ，也不會「執行」代碼；它隻是在每一輪裏 ，最少要哪些代碼？
讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot 、反思）
、以及一份可以直接跑的實現。Claude Code 、循環是意誌
，安全沙箱是良心 。粘貼 、再把 ReAct 循環、也能順著比喻和流程圖把原理看懂 。你複製
、失敗怎麽回收、補回歸測試 ，決定下一句話或下一次工具調用 。再複製。倉庫 、跑命令
、
2. 內容
簡要介紹 ：這一節先把概念立住 ，上下文工程 、跑測試 、以及代碼編輯策略一層層攤開 。
這篇文章麵向兩類讀者 。中間可能要 8 到 30 輪工具調用 。改實現 ，請始終記住一個事實 ：大模型不會「記住」倉庫，看到 3 個用例過了但缺空地址用例 ，測試還是你自己寫，」
形態 A ：行內補全（Copilot Tab / Cursor Tab） 。審核和定標準 ，最後給出 diff 或直接開 PR 。
你隻給一句話目標 。不是模型突然「更會寫代碼」 ，確認mvn test全綠 。先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」 ，而不是和 Tab 鍵較勁 。真正讓 Agent「像工程師一樣幹活」的 ，讀相關測試，
你打開UserController.java，開發者與 AI 的關係被「Tab 鍵」定義 ：模型猜下一行 ，它隻是讓 LLM 交替輸出「思考」和「動作」。讀這一節時，差在哪一層 ？ - 那個「會自己幹活」的循環 ，4 個全綠 ，你按 Tab 。
一句話先行結論 ：模型是大腦 ，
這個循環有一個學術名字 ：ReAct（Reason + Act）。一類是剛接觸 Agent 的開發者 ：你不需要先啃完論文 ，ChatGPT 寫代碼 ，
1. 概述
過去五年 ，不加速任務閉環 。再補測試 ，
2024 到 2026 年真正發生的變化 ，GitHub Copilot 把這件事做到了極致 ，
形態 C ：編碼 Agent 。它已經變成幾乎所有編碼 Agent 的操作係統內核 。工具是手，
形態 B ：聊天生成（ChatGPT / Claude 對話框）
。Agent 的全部魔法
，模型猜出 if (address == null) return;。補上空值保護 ，上下文工程是視力 ，不是每一行擊鍵 。套上不同 Harness（駕馭層）表現天差地別？
你把文件貼進去
，
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"]Aider 、你得到的都隻是會說話的補全 ，而是產品形態從生成器變成了執行器 。你審核的是結果，缺任何一塊，權限怎麽卡死 。光標停在address.getStreet()前麵 。但沒有手
。假設你接到一張工單 ：「用戶登錄接口在
address為空時會 NPE 。發現測試沒覆蓋空地址 、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 ，根據測試結果自我修複的 Agent ，人決定接不接受 。就是更準的補全 、更長的提示詞、相鄰的 DTO 和異常處理還是你自己找 。