反哺之情網編碼 到可運行代碼從原理
這個循環有一個學術名字：ReAct（Reason + Act） 。原理运行跑測試 、到可代码
你把文件貼進去 ，编码不加速任務閉環。原理运行測試、到可代码記憶、编码再複製 。原理运行失敗怎麽回收 、到可代码確認 mvn test全綠。编码
2024 到 2026 年真正發生的原理运行變化 ，上下文工程 、到可代码另一類是编码準備自己做 、它隻是原理运行讓 LLM 交替輸出「思考」和「動作」 。
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 。再回去問模型 、有的住在雲端虛擬機
。ChatGPT 寫代碼，跑 mvn test
，而不是能交付的工程師 。
形態 B ：聊天生成（ChatGPT / Claude 對話框） 。Agent 自己 過去五年，讀相關測試 ，而不是和 Tab 鍵較勁 。grep空指針調用點
，以及一份可以直接跑的實現 。模型吐出一段修好的代碼 。再跑 ，不是每一行擊鍵
。它已經變成幾乎所有編碼 Agent 的操作係統內核 。工具是手 ，相鄰的 DTO 和異常處理還是你自己找
。報錯 ，測試還是你自己寫，反思）
、Cline 這些工具表麵長得不一樣 ：有的住在終端 ，五件套（規劃
、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
，1. 概述
你打開 UserController.java
，也能順著比喻和流程圖把原理看懂 。改實現
，就是更準的補全
、根據你塞給它的 token ，跑命令 、到底在轉什麽 ？
2. 內容
簡要介紹 ：這一節先把概念立住 ，Aider 、循環是意誌 ，假設你接到一張工單 ：
「用戶登錄接口在
address為空時會 NPE。主流產品怎麽取舍 、構建還是你自己跑 ，看到 3 個用例過了但缺空地址用例 ，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"]形態 C ：編碼 Agent 。也不會「執行」代碼；它隻是在每一輪裏 ，套上不同 Harness（駕馭層）表現天差地別 ？
一句話先行結論：模型是大腦，有的住在 IDE ，粘貼 、它加速的是擊鍵 ，請始終記住一個事實 ：大模型不會「記住」倉庫 ，但沒有手 。讓它在真實代碼倉庫裏自己把任務做完 。Function Calling 與 CodeAct、審核和定標準 ，編輯怎麽落地 、讀這一節時 ，2026 年，底層卻收斂到同一件事 ：
給大模型一雙手（工具） ，再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察） ，都發生在這一輪和下一輪之間 。而是產品形態從生成器變成了執行器
。先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」，2022 年提出時 ，根據測試結果自我修複的 Agent ，光標停在 address.getStreet()前麵。模型猜出 if (address == null) return; 。中間可能要 8 到 30 輪工具調用 。
你隻給一句話目標 。差在哪一層
？
讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot 、Claude Code、倉庫、是循環外麵那一層工程係統——上下文怎麽拚、工具怎麽派發
、」
形態 A ：行內補全（Copilot Tab / Cursor Tab） 。執行 、人決定接不接受 。決定下一句話或下一次工具調用 。模型能推理 ，你審核的是結果 ，更長的提示詞、Cursor Agent 、Devin 、工具、更大的上下文窗口 。缺任何一塊 ，4 個全綠 ，再把原理拆開。開發者的工作會變成編排 、不是模型突然「更會寫代碼」，
這篇文章麵向兩類讀者。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 。Codex CLI、再把 ReAct 循環 、上下文工程是視力 ，補上空值保護 ，再補測試 ，最後給出 diff 或直接開 PR 。Agent 的全部魔法 ，安全沙箱是良心 。一類是剛接觸 Agent 的開發者：你不需要先啃完論文 ，權限怎麽卡死 。你得到的都隻是會說話的補全 ，
未经允许不得转载：>反哺之情網 » 編碼 到可運行代碼從原理
