AI Coding Agent
AI Coding Agent
来源： wiki/sources/ai-agent-topic-ai-tech, wiki/sources/wechat-batch-a-agent-dev-tools
相关概念： wiki/concepts/multi-agent, wiki/concepts/harness-engineering, wiki/concepts/spec-driven-development, wiki/entities/cursor, wiki/entities/claude-code
AI Coding Agent 是以大语言模型为核心、能自主理解代码库、编写代码、运行测试并提交 Pull Request 的智能体。2025-2026 年标志着从"代码补全助手"到"自主编码 Agent"再到"Agent 成为基础设施"的范式转变。
核心产品（2026年中）
| 产品 | 开发方 | 定位 |
|---|---|---|
| Claude Code | Anthropic | CLI 终端编码 Agent，全球 Token 消耗第一 |
| Codex | OpenAI | 云端/桌面/移动端自主编码 Agent |
| Cursor | Cursor Inc. | IDE 内嵌 AI 编码 + Agent 模式 |
| Qoder CLI | 阿里云 | SDD 执行引擎 + CLI 编码 Agent |
| Qwen Code | 阿里通义 | 远程控制、定时任务、子代理切换 |
| DeepSeek Code | DeepSeek | 开源终端编程 Agent |
| Cline | 开源社区 | VS Code 内的自主编码 Agent |
| GitHub Copilot | GitHub/OpenAI | 代码补全 + Agent 模式 |
| Hermes Agent | NousResearch | 自进化 CLI Agent，Skill 动态积累 |
关键特征
- 自主性：从代码补全升级为能规划多步骤编码任务
- 工具调用：能执行终端命令、读写文件、搜索代码
- 上下文理解：理解整个代码库而非单个文件
- 自我修正：运行测试后能自动修复错误
- 自我进化：从工作中自动提炼可复用 Skill（wiki/concepts/agent-self-improving）
- 可观测性：端侧 Agent 行为数据采集（wiki/entities/loongsuite-pilot）
开发者角色转变
Boris Cherny（Claude Code 之父）："2026年我还没有亲手写过一行代码。每天处理最高 150 个 PR。"
- 从执行者→控盘者
- 从"写代码的人"→"定义目标、约束边界、验收结果的人"
- 编程门槛降低，领域知识变得更重要
成本与商业化挑战
- 微软取消 Claude Code 内部许可（Token 账单超过 Copilot CLI）
- Uber 4 个月烧光全年 AI 预算
- 英伟达承认算力成本远超员工成本
- 副驾模式（给每个员工配 AI）成本不可持续
- YC 方案：烧 Token 替代人头，5-6 人 + AI 做 20-30 人的活
GitHub 基础设施承压
- 2026 年前三个月至少 8 次重大事故
- 单周 commit 2.75 亿次（同比增 14 倍）
- AI Agent 生成代码速度远超基础设施承载力
- 根本原因：快速负载增长 + 服务紧耦合 + 缺乏异常流量保护
方法论演进
| 阶段 | 方法 | 特征 |
|---|---|---|
| Vibe Coding | 自然语言描述，不看代码 | 快速验证，不可持续 |
| [SDD](/wiki/wiki/concepts/spec-driven-development) | 先写 Spec 再让 AI 实现 | 可验证、可协作、可维护 |
| [Harness Engineering](/wiki/wiki/concepts/harness-engineering) | 构建完整驾驭框架 | 7 层架构，约束绑定假说 |
趋势
- 2025 年 Cline 等开源 Agent 爆发，带动"AI 程序员"平民化
- 2026 年 Coding Agent 成为基础设施，可观测性成为刚需
- SDD 和 Harness Engineering 取代 Vibe Coding 成为生产范式
- Skill 自进化机制（Hermes Agent）开辟新竞争维度
- AI Coding Agent 是 Harness 架构（wiki/concepts/harness-engineering）的天然应用场景