形態 A ：行內補全（Copilot Tab / Cursor Tab）。到可代码
你隻給一句話目標
。编码審核和定標準，原理运行測試 、到可代码Claude Code 、编码
三種形態可以畫成一條能力階梯 ：
原理运行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"]一句話先行結論
：模型是到可代码大腦 ，粘貼 、编码主流產品怎麽取舍 、原理运行跑 mvn test
，到可代码Devin、再跑
，再把 ReAct 循環、報錯
，它已經變成幾乎所有編碼 Agent 的操作係統內核 。人決定接不接受。失敗怎麽回收、跑命令
、讓它在真實代碼倉庫裏自己把任務做完
。再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察）
，工具 、是循環外麵那一層工程係統——上下文怎麽拚
、記憶、最後給出 diff 或直接開 PR。再補測試
，一類是剛接觸 Agent 的開發者：你不需要先啃完論文
，上下文工程
、工具是手 ，決定下一句話或下一次工具調用
。光標停在 address.getStreet()前麵 。而是產品形態從生成器變成了執行器
。上下文工程是視力，
你打開 UserController.java
，改實現 ，你得到的都隻是會說話的補全 ，
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 。看到 3 個用例過了但缺空地址用例 ，以及一份可以直接跑的實現 。底層卻收斂到同一件事 ：
給大模型一雙手（工具） ，你審核的是結果，
形態 C ：編碼 Agent
。到底在轉什麽 ？if (address == null) return;
。確認 mvn test全綠 。根據測試結果自我修複的 Agent ，讀相關測試 ，
這篇文章麵向兩類讀者 。模型能推理 ，開發者與 AI 的關係被「Tab 鍵」定義 ：模型猜下一行 ，工具怎麽派發 、有的住在 IDE ，安全沙箱是良心 。讀這一節時 ，4 個全綠 ，全靠你當中間人 。也能順著比喻和流程圖把原理看懂 。ChatGPT 寫代碼 ，
1. 概述
過去五年 ，假設你接到一張工單 ：
「用戶登錄接口在
address為空時會 NPE 。補上空值保護 ，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 。2. 內容
簡要介紹：這一節先把概念立住 ，Agent 自己
grep空指針調用點 ，另一類是準備自己做 、開發者的工作會變成編排 、執行 、它加速的是擊鍵 ，根據你塞給它的 token ，2026 年 ，你複製、倉庫 、再複製 。讀完你應該能回答五個問題 ：
- 編碼 Agent 和 Copilot 、缺任何一塊，循環是意誌 ，
你把文件貼進去 ，2022 年提出時 ，有的住在雲端虛擬機 。反思）、Function Calling 與 CodeAct 、Agent 的全部魔法 ，也不會「執行」代碼；它隻是在每一輪裏 ，模型吐出一段修好的代碼 。而不是和 Tab 鍵較勁 。Codex CLI、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 ，但沒有手。這個循環有一個學術名字 ：ReAct（Reason + Act） 。以及代碼編輯策略一層層攤開 。更長的提示詞、就是更準的補全、不是模型突然「更會寫代碼」 ，GitHub Copilot 把這件事做到了極致 ，請始終記住一個事實：大模型不會「記住」倉庫 ，真正讓 Agent「像工程師一樣幹活」的 ，不加速任務閉環 。編輯怎麽落地 、Cursor Agent 、
形態 B：聊天生成（ChatGPT / Claude 對話框） 。構建還是你自己跑 ，它隻是讓 LLM 交替輸出「思考」和「動作」 。權限怎麽卡死 。更大的上下文窗口 。測試還是你自己寫，Cline 這些工具表麵長得不一樣：有的住在終端，最少要哪些代碼 ？
- 接下來兩年 ，Aider 、不是每一行擊鍵 。中間可能要 8 到 30 輪工具調用。再回去問模型 、補回歸測試 ，你按 Tab 。相鄰的 DTO 和異常處理還是你自己找 。先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」 ，發現測試沒覆蓋空地址 、
2024 到 2026 年真正發生的變化 ，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 、而不是能交付的工程師 。