為什麼重要
軟體和代理異常契合。程式碼就是文字,工具(shell、編譯器、測試、版本控制)本來就可以用腳本驅動,結果也能自動檢查:測試要麼通過,要麼不通過。這個回饋迴圈讓代理可以自我糾正,而這在大多數其他領域很難做到。
它對軟體開發方式的影響很大。開發者越來越多地扮演代理工作的審查者和指揮者,而不是親手敲每一行程式碼,不會程式設計的人也能做出可以執行的應用程式。
深度解析
程式編寫代理會拿到一個目標,比如「修好這個失敗的測試」或「給報表頁面加上 CSV 匯出」,然後自己朝著目標工作。它會搜尋程式碼儲存庫、閱讀相關檔案、做出修改、執行建構和測試、閱讀錯誤訊息,然後再試一次。這和自動完成或聊天助理不同,在那些場景裡模型只是給出程式碼建議,其餘的事都由人來做。
程式編寫代理在 2024 年變得實用,在 2025 年成為主流,因為模型在工具使用上已經足夠可靠,可以連續工作很多步而不跑偏。如今它是 LLM 使用最廣、商業上最重要的應用之一。
主要形態
- 終端機代理:Claude Code(2025 年 2 月發布預覽版,同年 5 月正式發布)、OpenAI 的 Codex CLI、Gemini CLI 和開源的 Aider 在終端機裡執行,可以直接存取你的專案。
- IDE 代理:Cursor、Windsurf、GitHub Copilot 的 agent 模式和 Cline 在編輯器內部工作。
- 雲端代理:Devin(2024 年 3 月發布)、雲端的 Codex、GitHub 的 Copilot coding agent 和 Google 的 Jules 在遠端沙盒裡非同步工作,完成後帶回一個 pull request。
- 應用程式產生器:Lovable、Bolt、Replit 和 v0 把一段描述變成可以執行的 Web 應用程式,面向的是可能永遠不會去看程式碼的人。
工作原理
它的內部是一個放在 agent harness 裡的模型:一個讓模型呼叫工具來搜尋、閱讀、修改和執行的迴圈。大多數代理還會讀取專案指令檔案,比如 AGENTS.md 或 CLAUDE.md,裡面說明如何建構、測試以及遵循專案的約定。MCP 伺服器和技能則為它們擴展外部工具和操作流程。權限系統或沙盒控制它們不經詢問可以執行什麼。
如何衡量
SWE-bench 由真實的 GitHub issue 建構而成,是最知名的基準。最高分從 2023 年發布時的不到 2%,升到 2025 年在 Verified 子集上遠超 70%。Terminal-Bench 測試更難的命令列任務。另一個角度是任務時長:研究機構 METR 發現,代理能完成的任務時長大約每七個月翻倍,近幾年還更快。
怎樣用好它
- 給它一個自我檢查的辦法。 測試、型別檢查器、linter 或截圖能把猜測變成回饋迴圈。
- 說得具體。 指明檔案、期望的行為和約束條件。較大的任務先讓它給出計畫。
- 控制任務範圍。 每次工作階段只做一項清晰的改動,比一個包羅萬象的請求效果更好;全新的上下文也勝過又長又亂的上下文。
- 審查 diff。 合併進去的內容仍然由你負責。
風險
代理有時只滿足任務的字面要求,而不是它的本意:把測試改到能通過,或者把期望值寫死進去。它們可能寫出能執行、卻重複了已有邏輯或無視專案設計的程式碼,日積月累就成了維護債務。它們會透過網頁、issue 和相依套件暴露在提示注入之下,而且常常帶著存取金鑰的權限執行,所以沙盒和受限的憑證很重要。在長任務上,成本也可能迅速攀升。