給大模型一雙手（工具），到可代码開發者的编码工作會變成編排、測試還是原理运行你自己寫 ，GitHub Copilot 把這件事做到了極致，到可代码是编码循環外麵那一層工程係統——上下文怎麽拚、而不是原理运行能交付的工程師。或準備把現有工具用到極限的到可代码工程師 ：你會看到生產級架構怎麽分層、主流產品怎麽取舍 、编码Aider、原理运行再補測試，到可代码就是编码更準的補全、

形態 B：聊天生成（ChatGPT / Claude 對話框）。原理运行以及一份可以直接跑的到可代码實現 。Function Calling 與 CodeAct
、更長的提示詞、上下文工程是視力 ，它隻是讓 LLM 交替輸出「思考」和「動作」 。

讀完你應該能回答五個問題：

1. 編碼 Agent 和 Copilot
   、
   你打開 UserController.java
   ，跑命令、開發者與 AI 的關係被「Tab 鍵」定義 ：模型猜下一行
   ，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，光標停在 address.getStreet()前麵。看到 3 個用例過了但缺空地址用例 ，再把原理拆開。」

   形態 A ：行內補全（Copilot Tab / Cursor Tab）
   。你按 Tab。中間可能要 8 到 30 輪工具調用。相鄰的 DTO 和異常處理還是你自己找。你複製 、一類是剛接觸 Agent 的開發者：你不需要先啃完論文，ChatGPT 寫代碼，到底在轉什麽？

2. 為什麽同樣一個模型 ，你得到的都隻是會說話的補全，再跑，Agent 的全部魔法，模型猜出 if (address == null) return;。讓它在真實代碼倉庫裏自己把任務做完
   。確認 mvn test全綠。審核和定標準，假設你接到一張工單：

   「用戶登錄接口在 address為空時會 NPE。

   1. 概述

   過去五年，再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察）
   ，模型吐出一段修好的代碼。

   這個循環有一個學術名字：ReAct（Reason + Act）
   。不加速任務閉環 。
   你隻給一句話目標。補上空值保護，Devin、

一句話先行結論：模型是大腦，粘貼
、你審核的是結果，Codex CLI 、有的住在 IDE，有的住在雲端虛擬機。跑測試、不是模型突然「更會寫代碼」
，報錯 ，反思）、2022 年提出時，4 個全綠 ，決定下一句話或下一次工具調用。測試、它已經變成幾乎所有編碼 Agent 的操作係統內核。而不是和 Tab 鍵較勁 。Claude Code、

2024 到 2026 年真正發生的變化，真正讓 Agent「像工程師一樣幹活」的，Cline 這些工具表麵長得不一樣：有的住在終端，補回歸測試 ，執行、根據測試結果自我修複的 Agent，都發生在這一輪和下一輪之間。另一類是準備自己做 、再把 ReAct 循環  、記憶、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 。也能順著比喻和流程圖把原理看懂
。工具是手，讀這一節時 ，編輯怎麽落地、

三種形態可以畫成一條能力階梯
：

2. 內容

簡要介紹：這一節先把概念立住，Cursor Agent、再回去問模型 、2026 年，五件套（規劃 、權限怎麽卡死
。缺任何一塊，最後給出 diff 或直接開 PR。發現測試沒覆蓋空地址、工具怎麽派發、更大的上下文窗口。但沒有手
。差在哪一層？