Agentic Coding
智能体式编程是一种软件开发方式:AI 智能体读取代码库、编辑文件、运行测试、修复故障,并提交变更供人审查。
智能体编程是一种软件开发方式:AI 编程智能体从头到尾完成编程任务,包括阅读相关代码、规划修改、编辑文件、运行命令和测试、修复失败项,并提交 commit 或 pull request 供人审查。开发者只需描述任务并评估结果,而不用逐行敲代码。广泛使用的编程智能体包括 Anthropic 的 Claude Code、OpenAI 的 Codex、GitHub Copilot 的编程智能体、Cursor 的智能体模式,以及 OpenHands 等开源智能体;其中大多数由经过训练、能够处理长工具调用链的推理模型驱动。
编程智能体的工作方式#
编程智能体是一种 AI 智能体,其工具就是开发者使用的工具:文件搜索和读取、文件编辑、用于构建和测试的 shell、版本控制,有时还包括浏览器。它的智能体执行框架会运行一个循环:大语言模型(LLM)读取任务、检查文件、提出编辑或命令、读取输出,然后选择下一步操作。工具设计本身也很重要:普林斯顿大学的 SWE-agent 在 2024 年解决了 SWE-bench 中 12.5% 的问题,远超早期的非交互方法。这主要得益于它为模型提供了用于查看、搜索和编辑代码的精简命令;其作者将这种方法称为智能体—计算机接口。
代码仓库会通过说明文件引导智能体,例如 AGENTS.md:这是一种开放格式,用于记录构建命令、测试命令和编码规范,目前由 Agentic AI Foundation 负责维护。仓库还可借助按需加载特定任务流程的智能体技能,以及连接问题跟踪器、数据库和文档的 Model Context Protocol(MCP)服务器。智能体可以在终端或 IDE 中交互式运行,也可以在云沙箱中运行多个并行任务,每个任务最终都会生成一个 pull request。主智能体还可以将搜索、测试运行或审查工作交给拥有各自上下文窗口的子智能体,这属于AI 智能体编排的一种形式。由于代码仓库、依赖项或网页可能包含提示注入,编程智能体会在智能体沙箱内执行命令,并在推送代码、删除文件或联系新主机前征求确认。
智能体编程与相关实践的比较#
- 代码补全:开发者输入代码时,系统会建议接下来的几行,例如 GitHub Copilot 在 2021 年推出时的功能。开发者仍需编写和运行程序,并决定接受还是拒绝每条建议。
- 聊天助手:聊天机器人通过代码片段回答编程问题,开发者再手动复制、运行和调试这些代码。
- Vibe coding:Andrej Karpathy 在 2025 年 2 月提出的说法,指通过提示词生成并接受 AI 编写的代码,却不阅读代码内容的软件开发方式。这个说法描述的是人们如何对待生成结果;专业团队中的智能体编程通常会保留代码审查、测试和持续集成环节。
计算机视觉中的智能体编程#
机器学习运维(MLOps)工作很适合编程智能体,因为每一步都有可检查的结果:数据集完成转换和验证、训练任务启动并记录指标、导出后的模型成功加载并返回相同预测结果。让智能体微调检测器时,它可以编写数据集 YAML、启动训练、读取验证指标,并提出下一项实验。Ultralytics Agent Skills 将这套工作流提供给 Claude Code、Codex、Cursor、Gemini CLI 及其他兼容智能体:其中包括一个 yolo 路由技能,以及用于模型选择、数据集、训练、调优、推理和导出的技能;此外,还有一个 platform-cli 技能,可通过 ul cloud 命令行驱动 Ultralytics Platform 云端训练和部署。比如,用户提出“将我训练好的 YOLO 模型导出为 TensorRT 并进行 INT8 量化,然后对其进行基准测试”,智能体便会遵循技能文档中的导出和基准测试流程;如果两者不一致,技能会指示智能体以已安装软件包的 yolo checks 和 yolo cfg 输出为准。
衡量编程智能体的表现#
SWE-bench于 2023 年 10 月推出,是智能体编程的标准基准:它包含来自 12 个热门 Python 仓库的 2,294 个真实 GitHub 问题,根据智能体的补丁能否通过项目自身的测试评分。发布时表现最好的模型 Claude 2 解决了其中 1.96% 的问题。OpenAI 的 SWE-bench Verified 包含 500 个由人工工程师确认可解决的任务,后来成为报告最多的版本;到 2025 年底,表现最好的智能体解决率约为 80%。Terminal-Bench 等更难的基准会测试命令行工作,团队也会在内部仓库上添加自己的智能体评估。实际生产力则单独衡量:在 METR 对经验丰富的开源开发者开展的随机研究中,2025 年初,16 名开发者在熟悉的成熟项目中完成 246 项任务;允许使用 AI 工具后,他们耗时反而增加了 19%,主要使用的是 Cursor 和 Claude 3.5、3.7 Sonnet,但他们事后估计这些工具让自己的速度提高了 20%。










