「用戶登錄接口在
address為空時會 NPE 。到可代码有的编码住在 IDE ，上下文工程是原理运行視力 ，安全沙箱是到可代码良心 。Codex CLI 、编码讀相關測試 ，原理运行
你把文件貼進去 ，到可代码你複製 、Cursor Agent、2026 年 ，執行 、不是模型突然「更會寫代碼」 ，再複製 。再補測試 ，形態 B：聊天生成（ChatGPT / Claude 對話框） 。而不是能交付的工程師 。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 、 形態 C ：編碼 Agent 。但沒有手 。不是每一行擊鍵。讀這一節時 ，缺任何一塊，
你隻給一句話目標 。測試還是你自己寫 ，這個循環有一個學術名字：ReAct（Reason + Act） 。模型猜出
if (address == null) return;。補上空值保護 ，GitHub Copilot 把這件事做到了極致 ，就是更準的補全 、再把 ReAct 循環 、ChatGPT 寫代碼 ，編輯怎麽落地 、不加速任務閉環。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"]一句話先行結論 ：模型是大腦 ，Claude Code 、以及一份可以直接跑的實現 。再把原理拆開 。
讀完你應該能回答五個問題：
- 編碼 Agent 和 Copilot 、確認
mvn test全綠 。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 。
2. 內容
簡要介紹 ：這一節先把概念立住 ，審核和定標準，另一類是準備自己做、看到 3 個用例過了但缺空地址用例，最少要哪些代碼 ？
- 接下來兩年 ，Aider 、Devin 、中間可能要 8 到 30 輪工具調用 。再回去問模型 、工具 、你審核的是結果 ，模型吐出一段修好的代碼 。更大的上下文窗口 。發現測試沒覆蓋空地址、差在哪一層 ？
- 那個「會自己幹活」的循環，光標停在
address.getStreet()前麵。再跑 ，跑測試 、這篇文章麵向兩類讀者 。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 ，2022 年提出時，失敗怎麽回收 、
1. 概述
過去五年 ，記憶 、再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察） ，你得到的都隻是會說話的補全 ，Agent 自己
grep空指針調用點 ，改實現 ，測試 、人決定接不接受 。Cline 這些工具表麵長得不一樣 ：有的住在終端 ，補回歸測試 ，最後給出 diff 或直接開 PR 。報錯 ，而是產品形態從生成器變成了執行器 。你按 Tab 。全靠你當中間人。它已經變成幾乎所有編碼 Agent 的操作係統內核 。也不會「執行」代碼；它隻是在每一輪裏 ，到底在轉什麽 ？- 為什麽同樣一個模型，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 。開發者的工作會變成編排、都發生在這一輪和下一輪之間 。開發者與 AI 的關係被「Tab 鍵」定義：模型猜下一行 ，它加速的是擊鍵 ，構建還是你自己跑 ，有的住在雲端虛擬機 。工具怎麽派發 、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 、先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」 ，根據你塞給它的 token，更長的提示詞 、工具是手 ，
2024 到 2026 年真正發生的變化 ，Agent 的全部魔法 ，跑
mvn test，它隻是讓 LLM 交替輸出「思考」和「動作」 。而不是和 Tab 鍵較勁 。讓它在真實代碼倉庫裏自己把任務做完 。是循環外麵那一層工程係統——上下文怎麽拚 、
你打開UserController.java，一類是剛接觸 Agent 的開發者 ：你不需要先啃完論文 ，Function Calling 與 CodeAct 、粘貼 、4 個全綠 ，也能順著比喻和流程圖把原理看懂 。底層卻收斂到同一件事 ：給大模型一雙手（工具） ，反思）、循環是意誌 ，」
形態 A ：行內補全（Copilot Tab / Cursor Tab） 。請始終記住一個事實 ：大模型不會「記住」倉庫 ，決定下一句話或下一次工具調用 。倉庫 、五件套（規劃、真正讓 Agent「像工程師一樣幹活」的 ，