修炼AI技能
AI 教程 / AI 编程实战 / Agentic 编程：让 AI 自主写代码

Agentic 编程：让 AI 自主写代码

补全和对话式 AI 还在”你写一句、它答一句”的节奏里；Agentic 编程则更进一步：你给一个目标，AI 自己读代码、建文件、跑命令、看报错、反复修改，直到任务完成。本文讲清楚这种自主编码 Agent 是怎么运转的、如何给它好的上下文与”护栏”、你又该在哪些节点介入。

什么是 Agentic 编程

在 Anthropic 的定义里，“Agent”指由大模型动态主导自身流程与工具使用的系统；相对的是”Workflow”——执行路径由你预先写死的代码编排（Anthropic, Building effective agents）。放到编码场景：

  • Workflow 式编码：你写一个脚本，按固定步骤调 LLM（先生成大纲、再写正文）。
  • Agent 式编码：你说出目标，模型自己决定先看哪些文件、改哪些、怎么验证，循环多轮直到做完。

Claude Code、OpenAI Codex 这类工具就是典型的编码 Agent。它们直接拿到你的终端与文件系统，像程序员一样”找文件—编辑—运行—调试”，并非只能聊天。

自主编码 Agent 的工作循环

Anthropic 在 Agent SDK 文档里把核心循环概括为：采集上下文 → 采取行动 → 验证结果 → 重复（gather context → take action → verify work → repeat）。落到编码上，一个典型回合是：

  1. 理解：读取相关文件、跑 grep、看报错、查 git 历史，建立对任务空间的认知。
  2. 规划：拆解子任务，决定先改哪里、用什么方案（好的工具会先进入 plan mode 只研究不落地）。
  3. 编辑：创建/修改文件，调用 API、写函数、补配置。
  4. 运行：跑测试、构建、linter，或启动服务截图核对 UI。
  5. 读结果：读取命令输出与报错，判断”通过”还是”失败”。
  6. 修复：根据反馈回到第 3 步，直到校验通过或达到停止条件。

这个”自己跑校验、自己读结果、自己修”的闭环，是 Agent 区别于一次性生成的关键。Anthropic 反复强调：一定要给 Agent 一个它能独立运行的”检查”（测试/构建/linter/截图对比），否则它只能靠”看起来完成”来自行停止，你又变回唯一的验证者。

一句话：Agent 的价值不在”一次生成”，而在”带反馈的循环”。你提供的校验门槛，决定了它能不能在没人盯着时把事做对。

Claude Code 与 Codex 类工具用法思路

两者思路相通，但形态有别：

  • Claude Code：命令行里的 Agent，低层、可脚本化、可接入 CI。官方建议配合 CLAUDE.md（项目约定）、/init 生成初始上下文、plan mode 先调研后实现、/clear 在不相干任务间重置上下文。它还支持 subagent（独立上下文做调研/审查）、hooks（每次改文件后自动跑 eslint）、skills（可复用工作流），以及非交互模式 claude -p 接入自动化流水线。
  • OpenAI Codex：云端编码 Agent，可在 ChatGPT、编辑器、终端使用，用 worktree 与云环境让多个 Agent 并行处理不同任务，也支持”技能（Skills）“把团队规范教给 Agent，并能在后台按计划做 issue 分流、监控告警、CI/CD 等常驻工作。

无论哪种，通用用法骨架都是：

1. 写好上下文：CLAUDE.md / 项目 README / 明确的验收标准
2. 进入规划：让 Agent 先调研并给出方案（不急着改）
3. 给出目标与护栏：要做什么、不许做什么、完成的标准是什么
4. 启动执行：Agent 循环编辑—运行—修复
5. 审查交付：看 diff、看测试证据、必要时让 subagent 做对抗式复查

如何给 Agent 提供好的上下文与”护栏”

Agent 的成败，很大程度取决于你给的上下文质量和边界清晰度。来自 Claude Code 最佳实践与 OpenAI Agent 指南的要点：

提供具体上下文

  • 指名道姓：引用具体文件、函数、报错原文，而不是”优化下性能”。
  • 给验收样例：例如”写 validateEmail，用例 user@example.com 为真、user@.com 为假，实现后跑测试”。
  • 提供富内容：用 @ 引用文件、粘贴截图、给出文档 URL，让 Agent 自己 fetch 所需上下文。

设置明确的”护栏”

护栏（guardrails）是约束 Agent 行为边界的规则，既可用自然语言写进 CLAUDE.md，也可用 hooks/权限做硬性拦截：

  • 明确范围：只改哪些模块、不动哪些公共接口、不引入新依赖。
  • 禁止项：禁止 --force 推送、禁止改迁移文件夹、禁止访问生产密钥。
  • 测试门槛：必须通过的类型检查、必须绿掉的测试套件、必须通过的 lint。
  • 权限最小化：默认对会改系统的操作请求确认；对可逆且安全的命令（如 git commit、npm run lint）才加入允许列表；危险操作放沙箱。
  • 停止条件：达到目标就停；卡住若干轮后自动结束，避免空转烧 tokens。

OpenAI 的《A practical guide to building agents》也把”护栏”列为可靠 Agent 的三要素之一：用相关性分类器、PII 过滤、工具安全评估、基于规则的防护，以及人在回路（human-in-the-loop）作为早期部署的关键保障。

人类应在哪些节点 review

Agent 能跑能改，但责任仍在人。建议在这些节点强制介入：

  1. 规划后、动手前：确认方案方向对，避免”做错的事做得很快”。
  2. 跨多文件/公共 API 变更：影响面大，先审设计再放行。
  3. 涉及安全与权限：鉴权、注入、密钥处理、对外暴露的接口，必须人审。
  4. 交付前的对抗式复查：用独立 subagent 或另一个会话只审 diff，针对正确性、竞态、与既有约定的一致性提问题（Writer/Reviewer 模式）。
  5. 合并前：把”证据”（测试输出、命令返回、截图）当作 PR 描述的一部分，人据此做最终判断。

经验法则：Agent 越自治，越需要在”开始”和”结束”两处把关；中间的执行可以放手，但停止门槛要硬。

适合与不适合的任务清单

适合交给 Agent不适合交给 Agent
明确、可验证的编码任务（修 bug、加单测、写脚本）模糊或频繁变动的需求
大规模但模式清晰的重构、迁移需要深度领域判断的架构决策
重复性 chores（issue 分流、lint 修复、告警处理）涉及安全敏感数据的改动（需人审+护栏）
跨文件但边界清晰的改动你完全不了解、也无法验证结果的系统
有现成测试可当验收门槛的功能没有校验手段、只能”看着像”的任务

判别标准其实很朴素：任务能否被客观验证 + 失败后果是否可控。能验证、后果可控，就放心交给循环；不能验证或后果严重，就要么先补测试门槛，要么退回到人类主导。

小结

  1. Agentic 编程让 AI 自主完成”理解—规划—编辑—运行—读错—修复”的循环，区别于一次性生成。
  2. 核心循环是”采集上下文 → 行动 → 验证 → 重复”；给 Agent 一个可独立运行的校验门槛，是它能否无人值守做对的关键。
  3. Claude Code 偏命令行、可脚本化、可进 CI；Codex 偏云端、支持多 Agent 并行与常驻后台任务；用法骨架一致。
  4. 护栏 = 明确范围 + 禁止项 + 测试门槛 + 最小权限 + 停止条件；上下文越具体，产出越可用。
  5. 人应在”规划后、跨文件/安全变更、交付前复查、合并前”四个节点把关，责任不随自主度转移。
  6. 适用判据：可客观验证 + 失败可控；模糊需求、深度架构、安全敏感、无法验证的任务应谨慎或退回人工。

参考来源

  1. Anthropic，《Building effective agents》（Workflow 与 Agent 的区分、从简起步）：https://www.anthropic.com/engineering/building-effective-agents
  2. Anthropic，Claude Code 官方最佳实践（验证、CLAUDE.md、subagent、hooks、上下文管理）：https://code.claude.com/docs/en/best-practices
  3. Anthropic，《Building agents with the Claude Agent SDK》（agent 循环：采集→行动→验证→重复）：https://www.anthropic.com/engineering/building-agents-with-the-claude-agent-sdk/
  4. OpenAI，Codex 产品页（云端编码 Agent、并行 worktree、Skills、后台任务）：https://openai.com/codex/
  5. OpenAI，《A practical guide to building agents》（护栏、人在回路、编排模式）：https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf
  6. METR，《Measuring AI Ability to Complete Long Software Tasks》（任务时长跨度约每 7 个月翻倍，说明自主能力在快速上升）：https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
本文累计阅读 — 次