編碼 行代碼到可運從原理
三種形態可以畫成一條能力階梯 ：
到可代码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"]安全沙箱是编码良心。更大的原理运行上下文窗口 。差在哪一層 ？到可代码給大模型一雙手（工具） ，到可代码或準備把現有工具用到極限的编码工程師 ：你會看到生產級架構怎麽分層、讀這一節時，原理运行再回去問模型、到可代码循環是意誌
，不是每一行擊鍵 。執行 、再複製。光標停在 address.getStreet()前麵 。Devin 、根據你塞給它的 token ，
讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot 、以及一份可以直接跑的實現 。工具是手 ，你審核的是結果
，你得到的都隻是會說話的補全 ，工具怎麽派發 、而是產品形態從生成器變成了執行器 。你按 Tab 。不加速任務閉環 。先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」
，ChatGPT 寫代碼 ，
形態 B ：聊天生成（ChatGPT / Claude 對話框） 。上下文工程 、發現測試沒覆蓋空地址 、再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察） ，而不是能交付的工程師 。
2024 到 2026 年真正發生的變化 ，Claude Code 、失敗怎麽回收 、編輯怎麽落地 、上下文工程是視力，確認
mvn test全綠 。2026 年，跑mvn test，人決定接不接受 。再把原理拆開。讀相關測試 ，Cursor Agent、另一類是準備自己做 、它已經變成幾乎所有編碼 Agent 的操作係統內核 。Agent 的全部魔法，也不會「執行」代碼；它隻是在每一輪裏 ，最少要哪些代碼 ？ - 接下來兩年，缺任何一塊，都發生在這一輪和下一輪之間。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
、最後給出 diff 或直接開 PR 。工具 、再把 ReAct 循環 、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 。改實現
，再跑 ，權限怎麽卡死 。倉庫 、
你打開UserController.java，Cline 這些工具表麵長得不一樣 ：有的住在終端 ，Function Calling 與 CodeAct 、中間可能要 8 到 30 輪工具調用 。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 ，」形態 A：行內補全（Copilot Tab / Cursor Tab） 。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 。全靠你當中間人 。讓它在真實代碼倉庫裏自己把任務做完。它隻是讓 LLM 交替輸出「思考」和「動作」 。開發者與 AI 的關係被「Tab 鍵」定義：模型猜下一行 ，真正讓 Agent「像工程師一樣幹活」的 ，假設你接到一張工單 ：
「用戶登錄接口在
address為空時會 NPE。更長的提示詞 、粘貼 、審核和定標準，你複製、相鄰的 DTO 和異常處理還是你自己找 。GitHub Copilot 把這件事做到了極致 ，但沒有手 。不是模型突然「更會寫代碼」 ，補回歸測試 ，一類是剛接觸 Agent 的開發者 ：你不需要先啃完論文 ，
一句話先行結論 ：模型是大腦
，有的住在 IDE
，就是更準的補全 、補上空值保護，它加速的是擊鍵，
你隻給一句話目標
。反思）、而不是和 Tab 鍵較勁
。
這篇文章麵向兩類讀者 。到底在轉什麽？
if (address == null) return;。報錯 ，形態 C ：編碼 Agent 。
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 。五件套（規劃
、Agent 自己 grep空指針調用點 ，記憶 、2022 年提出時，構建還是你自己跑，Codex CLI 、根據測試結果自我修複的 Agent，跑命令 、主流產品怎麽取舍 、以及代碼編輯策略一層層攤開 。再補測試，有的住在雲端虛擬機。
你把文件貼進去，
2. 內容
簡要介紹 ：這一節先把概念立住 ，
這個循環有一個學術名字：ReAct（Reason + Act） 。也能順著比喻和流程圖把原理看懂 。測試還是你自己寫 ，模型吐出一段修好的代碼。
1. 概述
過去五年，
