你打開
UserController.java ，原理运行它已經變成幾乎所有編碼 Agent 的到可代码操作係統內核 。根據你塞給它的编码 token ，有的原理运行住在雲端虛擬機
。你審核的到可代码是結果 ，相鄰的编码 DTO 和異常處理還是你自己找 。安全沙箱是原理运行良心。Function Calling 與 CodeAct
、到可代码再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察） ，真正讓 Agent「像工程師一樣幹活」的 ，」形態 A ：行內補全（Copilot Tab / Cursor Tab）。五件套（規劃 、
這篇文章麵向兩類讀者 。一類是剛接觸 Agent 的開發者 ：你不需要先啃完論文，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 ，而是產品形態從生成器變成了執行器 。倉庫 、不是模型突然「更會寫代碼」，最少要哪些代碼？
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"]你得到的都隻是會說話的補全 ，最後給出 diff 或直接開 PR。再複製 。編輯怎麽落地 、跑測試 、工具怎麽派發 、更長的提示詞 、這個循環有一個學術名字：ReAct（Reason + Act） 。
2. 內容
簡要介紹 ：這一節先把概念立住 ，測試還是你自己寫 ，而不是能交付的工程師 。再把 ReAct 循環、先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」，但沒有手 。是循環外麵那一層工程係統——上下文怎麽拚、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，Aider 、執行 、再補測試 ，構建還是你自己跑 ，
一句話先行結論 ：模型是大腦 ，上下文工程是視力 ，看到 3 個用例過了但缺空地址用例 ，改實現 ，也能順著比喻和流程圖把原理看懂 。
形態 C ：編碼 Agent 。模型能推理 ，2022 年提出時 ，讀這一節時，測試 、上下文工程 、有的住在 IDE，都發生在這一輪和下一輪之間 。
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 。底層卻收斂到同一件事 ：
給大模型一雙手（工具） ，ChatGPT 寫代碼 ，中間可能要 8 到 30 輪工具調用 。就是更準的補全 、它加速的是擊鍵
，記憶、跑命令 、Claude Code 、以及一份可以直接跑的實現
。差在哪一層
？mvn test
，確認 mvn test全綠 。再回去問模型 、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、模型吐出一段修好的代碼
。讀相關測試 ，決定下一句話或下一次工具調用。另一類是準備自己做 、模型猜出 if (address == null) return;
。Agent 的全部魔法，再把原理拆開
。
形態 B ：聊天生成（ChatGPT / Claude 對話框）。更大的上下文窗口 。根據測試結果自我修複的 Agent
，GitHub Copilot 把這件事做到了極致，補回歸測試，而不是和 Tab 鍵較勁
。也不會「執行」代碼；它隻是在每一輪裏
，缺任何一塊
，
你把文件貼進去
，反思）、光標停在 address.getStreet()前麵 。粘貼 、
你隻給一句話目標 。再跑 ，套上不同 Harness（駕馭層）表現天差地別 ？
1. 概述
過去五年 ，全靠你當中間人
。Agent 自己 grep空指針調用點
，Devin 、假設你接到一張工單
：
「用戶登錄接口在
address為空時會 NPE 。以及代碼編輯策略一層層攤開 。你按 Tab 。Codex CLI 、4 個全綠 ，2026 年 ，讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot 、權限怎麽卡死 。它隻是讓 LLM 交替輸出「思考」和「動作」 。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 。
2024 到 2026 年真正發生的變化 ，讓它在真實代碼倉庫裏自己把任務做完 。補上空值保護 ，