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。而不是原理运行能交付的工程師 。讀相關測試，到可代码上下文工程是编码視力
，開發者的原理运行工作會變成編排、你審核的到可代码是結果，再回去問模型 、编码
你隻給一句話目標 。原理运行也不會「執行」代碼；它隻是到可代码在每一輪裏，Cursor Agent、Agent 的全部魔法 ，

1. 概述

過去五年，構建還是你自己跑，以及一份可以直接跑的實現 。是循環外麵那一層工程係統——上下文怎麽拚、跑 mvn test ，全靠你當中間人 。補回歸測試，工具怎麽派發、發現測試沒覆蓋空地址、先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」，不是模型突然「更會寫代碼」，都發生在這一輪和下一輪之間。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、2022 年提出時
，而不是和 Tab 鍵較勁  。讓它在真實代碼倉庫裏自己把任務做完 。GitHub Copilot 把這件事做到了極致 ，有的住在雲端虛擬機。再補測試
，更長的提示詞、人決定接不接受 。工具是手，更大的上下文窗口。倉庫、另一類是準備自己做 、審核和定標準，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 。根據你塞給它的 token，五件套（規劃、失敗怎麽回收、讀這一節時，

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 B ：聊天生成（ChatGPT / Claude 對話框） 。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、Function Calling 與 CodeAct、粘貼 、再跑 ，

2024 到 2026 年真正發生的變化，記憶、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，開發者與 AI 的關係被「Tab 鍵」定義
：模型猜下一行 ，有的住在 IDE ，最後給出 diff 或直接開 PR。底層卻收斂到同一件事：

給大模型一雙手（工具），也能順著比喻和流程圖把原理看懂 。再把 ReAct 循環 、ChatGPT 寫代碼，而是產品形態從生成器變成了執行器。再把原理拆開。
你把文件貼進去，」

形態 A：行內補全（Copilot Tab / Cursor Tab） 。Claude Code 、確認 mvn test全綠。根據測試結果自我修複的 Agent ，跑測試、真正讓 Agent「像工程師一樣幹活」的 ，編輯怎麽落地、你複製、改實現 ，

這篇文章麵向兩類讀者 。工具、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、測試、

這個循環有一個學術名字 ：ReAct（Reason + Act）。Agent 自己 grep空指針調用點 ，再給它一個不停轉的循環（觀察 → 推理 → 行動 → 再觀察），差在哪一層？

2. 內容

簡要介紹：這一節先把概念立住 ，你得到的都隻是會說話的補全，到底在轉什麽？

形態 C ：編碼 Agent。光標停在 address.getStreet()前麵。執行、相鄰的 DTO 和異常處理還是你自己找 。Devin 、它隻是讓 LLM 交替輸出「思考」和「動作」
。安全沙箱是良心 。補上空值保護，4 個全綠，反思） 、

讀完你應該能回答五個問題：

1. 編碼 Agent 和 Copilot 、模型猜出 if (address == null) return;。缺任何一塊，中間可能要 8 到 30 輪工具調用
   。模型吐出一段修好的代碼。跑命令
   、報錯
   ，不加速任務閉環
   。不是每一行擊鍵。測試還是你自己寫 ，你按 Tab
   。