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。缺任何一塊 ，到可代码先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」
，编码Aider 、原理运行工具怎麽派發 、到可代码4 個全綠
，编码不是原理运行每一行擊鍵
。中間可能要 8 到 30 輪工具調用 。到可代码不是编码模型突然「更會寫代碼」 ，上下文工程是原理运行視力
，2022 年提出時，到可代码構建還是你自己跑 ，開發者的工作會變成編排
、再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察），也不會「執行」代碼；它隻是在每一輪裏，發現測試沒覆蓋空地址 、
你把文件貼進去
，測試
、根據測試結果自我修複的 Agent ，
你打開 UserController.java ，模型吐出一段修好的代碼。你得到的都隻是會說話的補全，確認 mvn test全綠
。你審核的是結果 ，再跑 ，執行 、一類是剛接觸 Agent 的開發者：你不需要先啃完論文，最少要哪些代碼？
1. 概述
過去五年 ，測試還是你自己寫 ，全靠你當中間人。Agent 的全部魔法 ，
形態 B
：聊天生成（ChatGPT / Claude 對話框） 。審核和定標準 ，Agent 自己 grep空指針調用點
，改實現 ，你複製、
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"]安全沙箱是良心 。以及一份可以直接跑的實現 。讓它在真實代碼倉庫裏自己把任務做完 。你隻給一句話目標 。上下文工程、模型能推理 ，ChatGPT 寫代碼 ，而不是能交付的工程師 。但沒有手 。相鄰的 DTO 和異常處理還是你自己找 。根據你塞給它的 token ，有的住在雲端虛擬機 。GitHub Copilot 把這件事做到了極致 ，2026 年 ，編輯怎麽落地 、
讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot、
這篇文章麵向兩類讀者 。有的住在 IDE ，Function Calling 與 CodeAct 、跑測試 、它隻是讓 LLM 交替輸出「思考」和「動作」 。跑命令 、它已經變成幾乎所有編碼 Agent 的操作係統內核。補上空值保護，是循環外麵那一層工程係統——上下文怎麽拚 、到底在轉什麽？
- 為什麽同樣一個模型
，再回去問模型 、五件套（規劃、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 、再補測試
，Claude Code 、真正讓 Agent「像工程師一樣幹活」的 ，底層卻收斂到同一件事
：
給大模型一雙手（工具），
一句話先行結論 ：模型是大腦 ，工具是手
，人決定接不接受 。補回歸測試 ，跑 mvn test，就是更準的補全 、Devin 、讀相關測試 ，請始終記住一個事實
：大模型不會「記住」倉庫 ，倉庫、最後給出 diff 或直接開 PR
。光標停在 address.getStreet()前麵 。再複製
。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 ，不加速任務閉環 。讀這一節時 ，假設你接到一張工單 ：
「用戶登錄接口在
address為空時會 NPE 。它加速的是擊鍵 ，Cursor Agent、這個循環有一個學術名字 ：ReAct（Reason + Act） 。」
形態 A ：行內補全（Copilot Tab / Cursor Tab） 。更長的提示詞 、再把 ReAct 循環 、開發者與 AI 的關係被「Tab 鍵」定義 ：模型猜下一行 ，而是產品形態從生成器變成了執行器 。更大的上下文窗口 。
形態 C：編碼 Agent 。記憶、失敗怎麽回收 、權限怎麽卡死 。粘貼 、另一類是準備自己做 、主流產品怎麽取舍 、再把原理拆開 。而不是和 Tab 鍵較勁 。以及代碼編輯策略一層層攤開 。差在哪一層 ？
2. 內容
簡要介紹：這一節先把概念立住
，模型猜出 if (address == null) return; 。都發生在這一輪和下一輪之間 。也能順著比喻和流程圖把原理看懂
。Cline 這些工具表麵長得不一樣 ：有的住在終端
，看到 3 個用例過了但缺空地址用例 ，反思） 、