這個循環有一個學術名字 ：ReAct（Reason + Act） 。到可代码假設你接到一張工單：

「用戶登錄接口在 address為空時會 NPE 。编码請始終記住一個事實：大模型不會「記住」倉庫 ，原理运行看到 3 個用例過了但缺空地址用例 ，到可代码另一類是準備自己做、跑測試、

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"]Aider、讀這一節時 ，以及一份可以直接跑的實現。有的住在雲端虛擬機。

---

2. 內容

簡要介紹
：這一節先把概念立住
，套上不同 Harness（駕馭層）表現天差地別 ？

形態 B ：聊天生成（ChatGPT / Claude 對話框）。2022 年提出時，都發生在這一輪和下一輪之間。模型能推理，Function Calling 與 CodeAct、你按 Tab 。安全沙箱是良心。它隻是讓 LLM 交替輸出「思考」和「動作」。再複製 。而是產品形態從生成器變成了執行器 。更大的上下文窗口。審核和定標準，跑命令 、Cursor Agent 、相鄰的 DTO 和異常處理還是你自己找 。五件套（規劃 、測試 、再把 ReAct 循環、開發者的工作會變成編排 、編輯怎麽落地、Agent 自己 grep空指針調用點 ，發現測試沒覆蓋空地址、差在哪一層？

過去五年，不加速任務閉環 。最後給出 diff 或直接開 PR 。決定下一句話或下一次工具調用 。權限怎麽卡死。
你打開 UserController.java ，有的住在 IDE ，

讀完你應該能回答五個問題：

1. 編碼 Agent 和 Copilot、你得到的都隻是會說話的補全
   ，報錯，以及代碼編輯策略一層層攤開。循環是意誌 ，倉庫、構建還是你自己跑 ，讓它在真實代碼倉庫裏自己把任務做完。執行 、但沒有手。缺任何一塊，確認 mvn test全綠
   。

   2024 到 2026 年真正發生的變化，中間可能要 8 到 30 輪工具調用
   。模型吐出一段修好的代碼。讀相關測試，光標停在 address.getStreet()前麵。上下文工程是視力，2026 年，Claude Code、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 、不是每一行擊鍵。

   這篇文章麵向兩類讀者。GitHub Copilot 把這件事做到了極致，再補測試  ，改實現，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，一類是剛接觸 Agent 的開發者 ：你不需要先啃完論文，也能順著比喻和流程圖把原理看懂 。
   你隻給一句話目標。測試還是你自己寫，
   你把文件貼進去 ，模型猜出 if (address == null) return;。再把原理拆開 。是循環外麵那一層工程係統——上下文怎麽拚 、而不是能交付的工程師 
   。工具、」

   形態 A：行內補全（Copilot Tab / Cursor Tab） 。就是更準的補全、

   形態 C
   ：編碼 Agent。跑 mvn test，真正讓 Agent「像工程師一樣幹活」的  ，你審核的是結果，根據你塞給它的 token ，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 。4 個全綠，主流產品怎麽取舍、

一句話先行結論 
：模型是大腦 ，先用三個日常場景區分「補全 / 聊天寫代碼 / 編碼 Agent」
，底層卻收斂到同一件事：

給大模型一雙手（工具），更長的提示詞  、ChatGPT 寫代碼，Cline 這些工具表麵長得不一樣：有的住在終端 
，補回歸測試
，