导读

AI 编码工具正在从”智能补全”演进为能自主完成复杂任务的 Coding Agent。本文基于开源项目源码研究与实践经验，系统性地拆解 Coding Agent 的工作原理。旨在帮助开发者在了解Coding Agent后，与AI伙伴更好的协作配合，更高效的提问和拿到有效结果。

01 背景

AI 编码工具的发展速度快得有点”离谱”。从开始使用 GitHub Copilot 的代码补全，到使用Claude Code、Cursor、Comate IDE等完成复杂编程任务，AI 不再只是个「智能补全工具」，它能读懂你的代码库、执行终端命令、甚至帮你调试问题，成为你的“编码伙伴”。

我自己在团队里推 AI 编码工具的时候，发现一个很有意思的现象：大家都在用，但很少有人真正理解它是怎么工作的。有人觉得它”很神奇”，有人吐槽它”经常乱来”，还有人担心”会不会把代码搞乱”。这些困惑的背后,其实都指向同一个问题：我们对这个”伙伴”还不够了解。

就像你不会无脑信任一个新来的同事一样，要和 AI 编码伙伴配合好，你得知道它的工作方式、能力边界、以及怎么”沟通”才更有效。

在经过多次的实践尝试后，我尝试探索它的底层原理，并写下了这篇文章记录，主要围绕了这些内容展开：

• Coding Agent 的核心工作机制，包括身份定义、工具调用、环境感知等基础组成。

• 从零实现一个最小化 Coding Agent 的完整过程，以建立对 Agent 工作流程的直观理解。

• 上下文管理、成本控制、冲突管控等生产环境中的关键技术问题及其解决方案。

• Rule、MCP、Skill 等能力扩展机制的原理与应用场景。

在了解原理后，我和伙伴的协作更佳顺畅，让伙伴更清晰的了解我的意图，我拿到有效的回答。

02 概念

2.1 从Workflow到Agent

取一个实际的例子：休假申请。

如果我们的需求非常简单：

一键申请明天的休假。

这个需求可以被简化为一个固定的工作流：

1. 打开网页。

2. 填写起始时间。

3. 填写结束时间。

4. 填写休假原因。

5. 提交表单。

全过程没有任何模糊的输入，使用程序化即可完成，是最原始的工作流形态。

如果需求再模糊一些：

申请后天开始3天休假。

这个需求的特点是没有明确的起始和截止时间，需要从语义上分析出来：

1. 起始时间：后天。

2. 休假时长：3天。

3. 转换日期：10.14 – 10.16。

4. 执行申请：提交表单。

这是一个工作流中使用大模型提取部分参数的典型案例，是模型与工作流的结合。

如果需求更加模糊：

国庆后休假连上下个周末。

这样的需求几乎没有任何直接确定日期的信息，同时由于年份、休假安排等动态因素，大模型不具备直接提取参数的能力。将它进一步分解，需要一个动态决策、逐步分析的过程：

1. 知道当前年份。

2. 知道对应年份的国庆休假和调休安排。

3. 知道国庆后第一天是星期几。

4. 国庆后第一天到下个周末设为休假日期。

5. 额外补充调休的日期。

6. 填写并提交表单。

可以看出来，其中1-5步都是用来最终确定休假日期的，且需要外部信息输入，单独的大模型无法直接完成工作。这是一个典型的Agent流程，通过大模型的智能与工具访问外部信息结合实现用户需求。

2.2 什么是Agent

Agent是以大模型为核心，为满足用户的需求，使用一个或多个工具，自动进行多轮模型推理，最终得到结果的工作机制。

2.3 什么是Coding Agent

在Agent的基本定义的基础上，通过提示词、上下文、工具等元素强化“编码”这一目的，所制作的特化的Agent即为Coding Agent。

Coding Agent的最大特征是在工具的选取上，模拟工程师进行代码编写的环境，提供一套完整的编码能力，包括：

• 阅读和查询代码：

  • 读取文件，对应 cat 命令。

  • 查看目录结构，对应 tree 命令。

  • 通配符查找，对应 ls命令（如 **/*.test.ts 、src/components/**/use*.ts）。

  • 正则查找，对应grep 命令（如function print\(.+\) 可以找函数定义）。

  • LSP（Language Server Protocol），用于提供查找定义、查找引用、检查代码错误等能力。

• 编写或修改代码：

  • 写入文件。

  • 局部编辑文件。

  • 删除文件。

• 执行或交互命令：

  • 执行终端命令。

  • 查看终端命令stdout输出。

  • 向终端命令stdin 输入内容。