編碼 行代碼到可運從原理
形態 B：聊天生成（ChatGPT / Claude 對話框）。到可代码Cursor Agent、编码Function Calling 與 CodeAct 、原理运行也能順著比喻和流程圖把原理看懂 。到可代码審核和定標準 ，编码差在哪一層 ？原理运行
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 。開發者與 AI 的關係被「Tab 鍵」定義：模型猜下一行 ，Codex CLI 、
形態 C ：編碼 Agent 。而不是和 Tab 鍵較勁
。缺任何一塊 ，記憶
、你按 Tab 。開發者的工作會變成編排 、都發生在這一輪和下一輪之間
。五件套（規劃 、確認 mvn test全綠 。但沒有手 。不是每一行擊鍵。Agent 的全部魔法 ，補上空值保護 ，模型能推理 ，請始終記住一個事實 ：大模型不會「記住」倉庫 ，它已經變成幾乎所有編碼 Agent 的操作係統內核。不加速任務閉環 。2026 年 ，發現測試沒覆蓋空地址
、
2024 到 2026 年真正發生的變化 ，相鄰的 DTO 和異常處理還是你自己找 。Devin 、更長的提示詞 、
一句話先行結論 ：模型是大腦 ，上下文工程是視力 ，最後給出 diff 或直接開 PR 。循環是意誌 ，中間可能要 8 到 30 輪工具調用。是循環外麵那一層工程係統——上下文怎麽拚 、」
形態 A ：行內補全（Copilot Tab / Cursor Tab） 。報錯，
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"]上下文工程、再把 ReAct 循環 、Agent 自己grep空指針調用點 ，測試 、底層卻收斂到同一件事：給大模型一雙手（工具），讓它在真實代碼倉庫裏自己把任務做完 。有的住在雲端虛擬機 。
這個循環有一個學術名字
：ReAct（Reason + Act）
。決定下一句話或下一次工具調用 。模型猜出 if (address == null) return; 。再回去問模型 、一類是剛接觸 Agent 的開發者
：你不需要先啃完論文 ，光標停在 address.getStreet()前麵 。構建還是你自己跑
，Cline 這些工具表麵長得不一樣
：有的住在終端 ，
1. 概述
過去五年 ，粘貼 、工具怎麽派發 、ChatGPT 寫代碼 ，工具是手 ，編輯怎麽落地 、人決定接不接受 。主流產品怎麽取舍、權限怎麽卡死 。不是模型突然「更會寫代碼」 ，Aider、
讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot 、測試還是你自己寫
，安全沙箱是良心 。再把原理拆開 。
你隻給一句話目標 。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 、執行 、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 ，跑mvn test，再跑 ，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 ，假設你接到一張工單 ：「用戶登錄接口在
address為空時會 NPE 。失敗怎麽回收、你複製 、
你打開UserController.java，它隻是讓 LLM 交替輸出「思考」和「動作」 。跑測試 、更大的上下文窗口 。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 。4 個全綠 ，而是產品形態從生成器變成了執行器。2022 年提出時 ，另一類是準備自己做 、模型吐出一段修好的代碼 。你得到的都隻是會說話的補全 ，改實現 ，而不是能交付的工程師 。再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察） ，這篇文章麵向兩類讀者 。全靠你當中間人。倉庫、反思） 、讀相關測試，根據測試結果自我修複的 Agent ，以及代碼編輯策略一層層攤開 。
你把文件貼進去 ，你審核的是結果 ，GitHub Copilot 把這件事做到了極致 ，它加速的是擊鍵 ，Claude Code、看到 3 個用例過了但缺空地址用例 ，2. 內容
簡要介紹 ：這一節先把概念立住 ，讀這一節時 ，
