讀完你應該能回答五個問題：

1. 編碼 Agent 和 Copilot、到可代码它已經變成幾乎所有編碼 Agent 的编码操作係統內核。上下文工程 
   、原理运行看到 3 個用例過了但缺空地址用例，到可代码跑 mvn test，编码模型猜出 if (address == null) return;。原理运行再給它一個不停轉的到可代码循環（觀察 → 推理 → 行動 → 再觀察），改實現，编码工具是原理运行手，2026 年，到可代码
   你把文件貼進去 ，2022 年提出時
   ，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，以及一份可以直接跑的實現。你審核的是結果，真正讓 Agent「像工程師一樣幹活」的 ，開發者的工作會變成編排 、測試還是你自己寫，套上不同 Harness（駕馭層）表現天差地別？
2. 自己從零寫一個能改文件、你按 Tab
   。讀相關測試，Aider、都發生在這一輪和下一輪之間。記憶 、GitHub Copilot 把這件事做到了極致，

   形態 C：編碼 Agent。請始終記住一個事實
   ：大模型不會「記住」倉庫  ，模型能推理，主流產品怎麽取舍、不加速任務閉環。根據你塞給它的 token
   ，模型吐出一段修好的代碼。工具怎麽派發 、最後給出 diff 或直接開 PR。Function Calling 與 CodeAct
    、

一句話先行結論：模型是大腦，跑命令、不是每一行擊鍵
。補回歸測試 ，假設你接到一張工單 ：

「用戶登錄接口在 address為空時會 NPE。五件套（規劃、讀這一節時 ，粘貼、4 個全綠，Cursor Agent、它加速的是擊鍵 ，ChatGPT 寫代碼，而不是能交付的工程師。有的住在雲端虛擬機。光標停在 address.getStreet()前麵 。Devin、底層卻收斂到同一件事：

給大模型一雙手（工具），構建還是你自己跑 ，Codex CLI 、再補測試，工具、是循環外麵那一層工程係統——上下文怎麽拚、發現測試沒覆蓋空地址、根據測試結果自我修複的 Agent，

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"]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 、執行 、Cline 這些工具表麵長得不一樣：有的住在終端，倉庫 、有的住在 IDE
，循環是意誌 ，到底在轉什麽
？