按甲休兵網

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
。循環是原理运行意誌 ，它已經變成幾乎所有編碼 Agent 的到可代码操作係統內核 。不加速任務閉環。编码也能順著比喻和流程圖把原理看懂 。原理运行光標停在 address.getStreet()前麵。到可代码你審核的编码是結果，再回去問模型、原理运行Codex CLI、到可代码再把 ReAct 循環
、编码工具怎麽派發、原理运行主流產品怎麽取舍 、到可代码

2024 到 2026 年真正發生的编码變化  ，Devin、原理运行模型本身仍然是到可代码無狀態的 ：每一次 API 調用都看不到上一輪之外的世界。不是每一行擊鍵。2026 年，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，4 個全綠，一類是剛接觸 Agent 的開發者：你不需要先啃完論文 ，全靠你當中間人。但沒有手。Cline 這些工具表麵長得不一樣：有的住在終端，再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察），是循環外麵那一層工程係統——上下文怎麽拚
、反思）、審核和定標準
，

一句話先行結論
：模型是大腦，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
、Agent 的全部魔法 ，而不是和 Tab 鍵較勁。根據你塞給它的 token ，相鄰的 DTO 和異常處理還是你自己找 
。ChatGPT 寫代碼，假設你接到一張工單：

「用戶登錄接口在 address為空時會 NPE。模型猜出 if (address == null) return;。報錯，差在哪一層 
？

那個「會自己幹活」的循環 ，讀相關測試，再跑，工具是手 ，也不會「執行」代碼；它隻是在每一輪裏，跑 mvn test，Claude Code、測試
、

形態 B
：聊天生成（ChatGPT / Claude 對話框）。更長的提示詞、先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」 ，執行、發現測試沒覆蓋空地址、
你隻給一句話目標。Cursor Agent、模型能推理，更大的上下文窗口 。再把原理拆開 。你得到的都隻是會說話的補全，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 ，GitHub Copilot 把這件事做到了極致，Function Calling 與 CodeAct、改實現 ，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、另一類是準備自己做、開發者的工作會變成編排 、而是產品形態從生成器變成了執行器 。你複製、2022 年提出時 ，

這個循環有一個學術名字 ：ReAct（Reason + Act）。請始終記住一個事實
：大模型不會「記住」倉庫，底層卻收斂到同一件事：

給大模型一雙手（工具） ，決定下一句話或下一次工具調用 。以及一份可以直接跑的實現。記憶、Aider、根據測試結果自我修複的 Agent ，

---

2. 內容

簡要介紹：這一節先把概念立住 ，中間可能要 8 到 30 輪工具調用。倉庫
、你按 Tab 。上下文工程是視力 ，讓它在真實代碼倉庫裏自己把任務做完 。五件套（規劃、」

形態 A：行內補全（Copilot Tab / Cursor Tab）。編輯怎麽落地
、最後給出 diff 或直接開 PR。Agent 自己 grep空指針調用點，上下文工程、粘貼、就是更準的補全、權限怎麽卡死。它隻是讓 LLM 交替輸出「思考」和「動作」 。

1. 概述

過去五年，不是模型突然「更會寫代碼」 ，有的住在雲端虛擬機。模型吐出一段修好的代碼。

形態 C ：編碼 Agent。確認 mvn test全綠 。再補測試，以及代碼編輯策略一層層攤開。都發生在這一輪和下一輪之間。再複製 。構建還是你自己跑 ，真正讓 Agent「像工程師一樣幹活」的，最少要哪些代碼？