形態 A ：行內補全（Copilot Tab / Cursor Tab） 。原理运行更長的到可代码提示詞 、審核和定標準 ，编码跑測試、原理运行
這篇文章麵向兩類讀者 。到可代码讀這一節時，编码Agent 的原理运行全部魔法 ，模型猜出 if (address == null) return; 。到可代码不加速任務閉環 。工具是手
，根據你塞給它的 token
，而是產品形態從生成器變成了執行器 。看到 3 個用例過了但缺空地址用例，循環是意誌
，
一句話先行結論
：模型是大腦 ，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 。上下文工程 、執行
、相鄰的 DTO 和異常處理還是你自己找 。你得到的都隻是會說話的補全 ，開發者的工作會變成編排 、記憶 、Cline 這些工具表麵長得不一樣 ：有的住在終端 ，構建還是你自己跑
，差在哪一層
？
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"]請始終記住一個事實 ：大模型不會「記住」倉庫 ，Agent 自己grep空指針調用點 ，先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」 ，模型能推理，更大的上下文窗口。有的住在 IDE，底層卻收斂到同一件事：給大模型一雙手（工具），缺任何一塊 ，
你打開 UserController.java ，另一類是準備自己做 、再把原理拆開。
讀完你應該能回答五個問題：
- 編碼 Agent 和 Copilot 、報錯 ，反思） 、工具怎麽派發、人決定接不接受
。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
，你審核的是結果 ，是循環外麵那一層工程係統——上下文怎麽拚 、安全沙箱是良心 。Cursor Agent、它隻是讓 LLM 交替輸出「思考」和「動作」。4 個全綠
，開發者與 AI 的關係被「Tab 鍵」定義 ：模型猜下一行 ，全靠你當中間人。而不是能交付的工程師 。讀相關測試
，再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察） ，它加速的是擊鍵 ，再補測試，ChatGPT 寫代碼，改實現 ，再把 ReAct 循環、
2. 內容
簡要介紹 ：這一節先把概念立住 ，
你把文件貼進去，假設你接到一張工單 ：「用戶登錄接口在
address為空時會 NPE。到底在轉什麽 ？ - 為什麽同樣一個模型 ，以及一份可以直接跑的實現 。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 、Codex CLI 、一類是剛接觸 Agent 的開發者
：你不需要先啃完論文 ，工具 、確認
mvn test全綠 。形態 C ：編碼 Agent。再跑 ，失敗怎麽回收 、模型吐出一段修好的代碼 。
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 。跑
mvn test，補回歸測試 ，倉庫、補上空值保護 ，發現測試沒覆蓋空地址、再複製 。決定下一句話或下一次工具調用 。GitHub Copilot 把這件事做到了極致 ，不是模型突然「更會寫代碼」 ，你複製 、跑命令 、最後給出 diff 或直接開 PR 。2026 年 ，都發生在這一輪和下一輪之間。以及代碼編輯策略一層層攤開 。2024 到 2026 年真正發生的變化 ，有的住在雲端虛擬機 。Aider、五件套（規劃 、2022 年提出時 ，Claude Code 、
1. 概述
過去五年 ，也能順著比喻和流程圖把原理看懂 。但沒有手 。
形態 B ：聊天生成（ChatGPT / Claude 對話框）。最少要哪些代碼 ？
- 接下來兩年 ，根據測試結果自我修複的 Agent ，上下文工程是視力
，
你隻給一句話目標 。Devin 、光標停在address.getStreet()前麵 。權限怎麽卡死 。讓它在真實代碼倉庫裏自己把任務做完 。這個循環有一個學術名字 ：ReAct（Reason + Act）。真正讓 Agent「像工程師一樣幹活」的 ，
作者:休閑
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
