代理式編程解析：從自動補全到自主代理

四年前，「AI 編程」僅指自動補全：模型依據光標上下文猜測下一行代碼。如今含義已大不相同。代理式編程工具能規劃多文件變更、執行測試、閱讀日誌、調用 API、撰寫 Pull Request，並自主判斷何時停手提問。這兩類工具間的鴻溝，遠超多數開發者的認知。

自動補全與代理：簡述

自動補全是被動的。它等待您的光標，進行預測，隨即停止。代理則是主動的。您賦予目標（「重構此模組以採用新認證模式，運行測試，開啟 PR」），它將其拆解為步驟，逐一執行，自查結果並匯報。底層模型可能相同，差異在於工具如何封裝它們。

工具之所以「具有代理性」，在於其閉環：規劃、執行、觀察、決策。每一輪代理都會選擇工具（讀取文件、寫入文件、運行測試、搜索網絡、詢問您），執行後檢視結果，再決定下一步。解決單一工單涉及數十次工具調用屬常態。

為何單一模型無法應對所有請求

優秀的代理不會將所有請求視為同類問題。「修正錯別字」與「審計認證層是否存在令牌洩漏」性質迥異。前者與後者所需的模型、工具及謹慎程度各不相同。

Ava Supernova 透過七大模式應對這一挑戰——這是思維狀態，而非 UI 膚色。每種模式擁有獨特的心智模式、工具集，且在許多情況下底層運行著不同的專家人設。

• Work（工作）——構建者心智，配備全套 120+ 工具，負責編寫代碼並交付。
• Plan（規劃）——架構師心智，僅限讀取，三思而後行。
• Chat — 朋友心態，專注於你大腦的非編程部分（記憶、日誌、天氣、新聞）。
• Teach — 導師心態，五位專家負責構建課程、撰寫內容、核實事實、出題測驗及指導。
• Security — 審計員心態，情報收集 + 掃描 + CVE 研究員 + 驗證 + 報告。
• Brainstorm — 發想心態，五位專家負責探索、研究、生成想法、提出質疑並優化。

對智能體而言，「記憶」意味著什麼

自動補全工具是無狀態的——每個請求都從頭開始。智能體需要記憶才能在數週甚至數月內完成實際工作。若無記憶，你每次會話都得重新解釋項目。Ava 採用五層記憶機制（提取、反思、累積、分析、整合），逐步積累關於你、你的項目、你的偏好以及你給予的反饋中的重要資訊。

如何開始以智能體思維進行思考

如果你一直使用自動補全，並準備進階到智能體式工作，關鍵不在於提示工程，而在於任務構建。不要說「寫一個執行 X 功能的函數」，試著說「這裡有一個目標和限制條件，請決定如何達成，並在遇到瓶頸時告訴我」。優秀的智能體會將此轉化為計劃，在浪費一小時算力前揭示障礙，並隨時間推移贏得你的信任。

隨著智能體累積記憶，建立信任的過程會逐漸減少摩擦。初期它會檢查更多；當你的反饋生效後，它詢問得更少。高風險操作永遠不會「畢業」——智能體總是在執行破壞性動作前暫停。

智能體編程並非更大規模的自動補全。它是你與工具之間不同的關係——更像隊友而非鍵盤宏。率先掌握這一點的工具將重塑軟體的構建方式。