什么是 Coding Agent?

先来看一个场景

想象一下，你刚接手一个新项目，代码库有几十个文件，老板让你「把用户认证从 Session 换成 JWT」。

你会怎么做？

大概率是这样：先翻一遍项目结构，找到跟认证相关的文件。读几个关键文件，搞明白现在的 Session 是怎么用的。然后开始动手改代码，加上 JWT 的逻辑。改完跑一下测试，发现有两个地方漏了，回头补。再跑测试…如此反复，直到所有测试通过。

你可能觉得这再普通不过了。但我想让你注意一下这个过程的结构：

读代码 -> 理解 -> 做决策 -> 写代码 -> 看结果 -> 调整 -> 再来一轮

这是一个循环。而且是一个带反馈的循环：你每做一步，都会根据上一步的结果来决定下一步怎么走。

现在把问题换一下：如果有个 AI 也能跑这个循环呢？

你只要跟它说一句「帮我把认证从 Session 换成 JWT」，它就自己翻代码、自己读文件、自己写代码、自己跑测试、自己根据报错修改。就像一个新来的同事，你给他一个任务，他自己搞定。

这就是 Coding Agent 做的事情。而这门课，就是教你从零把这样一个东西造出来。

所以 Agent 到底是什么

「Agent」这两年被说烂了。几乎每个 AI 产品都说自己是 Agent。但如果你停下来想想，你能说清它跟一个普通的聊天机器人到底有什么区别吗？

抛开那些花哨的定义，从最直觉的角度理解。

一个普通的聊天机器人是什么样的？你问它一个问题，它回你一个答案。一问一答，结束。就像去餐厅点菜，你说「来份宫保鸡丁」，服务员端上来，完事。

Agent 呢？你给它一个目标，它自己想办法完成。过程中它可能需要查资料、用工具、看结果、调整方案，反复好几轮，直到搞定。

聊天机器人与 Agent 对比

打个比方，你跟一个厨师说「我想吃顿川菜」。厨师会自己打开冰箱看看有什么食材，决定做宫保鸡丁和麻婆豆腐，然后开始切菜、炒菜、尝一口味道不够辣加点辣椒、再尝一口满意了装盘上菜。整个过程你没告诉他每一步怎么做，他自己规划、自己执行、自己根据反馈调整。

厨师自主完成川菜需求

Anthropic（做 Claude 的公司）给了一个非常简洁的定义：

Agent 就是 LLM 在循环中根据环境反馈自主使用工具的系统。

这句话很短，但每个词都有分量。我们拆开来感受一下。

LLM 是大脑，负责理解和思考。没有它，就没有「理解任务」的能力。

循环 意味着不是一次性问答就结束。做完一步，看看结果，再决定下一步。就像你调试代码，不可能跑一次就完美，总要反复几轮。

环境反馈 是关键中的关键。Agent 每做一步操作，都能感知到结果。执行了一个命令，拿到了输出；读了一个文件，拿到了内容；跑了一个测试，拿到了报错信息。这些反馈驱动着下一轮决策。

自主使用工具 是说 Agent 自己判断该用什么工具。是该读文件还是写文件？是该搜索代码还是执行命令？这些决策由 LLM 自己做，不是你预先写好的 if-else 逻辑。

你可能会问：这四个要素缺一个行不行？

不行。缺了 LLM，没有理解和推理能力，就是一个死板的脚本。缺了循环，只能做一步就停，碰到意外情况就傻了。缺了反馈，Agent 就像闭着眼开车，不知道自己做的对不对。缺了工具，Agent 就是个空想家，想了一大堆但什么都做不了。

缺少四要素之一的后果

四个要素缺一不可。这就是 Agent 的全部本质。没有什么魔法，也不神秘。

为什么偏偏是 Coding Agent

Agent 能干很多事。客服、数据分析、写文案、做研究…但如果你想 学会怎么造 Agent，Coding Agent 是一个特别好的起点。

Coding Agent 适合作为学习沙盘

为什么？因为跟其他类型的输出相比，代码有一个巨大优势：可以自动验证。

你让 Agent 写了一个函数，编译一下，过了就是过了，没过就是没过。你让 Agent 改了一个 bug，跑一下测试，绿了就是绿了，红了就是红了。这是非黑即白的，不需要人来判断。

你想想别的场景：让 Agent 写一篇营销文案，怎么自动判断写得好不好？让 Agent 做一份数据分析报告，怎么确认结论对不对？这些都需要人工判断，没法自动化。

但代码不一样。编译器、测试框架、Lint 工具，这些就是天然的自动评判机制。这意味着 Agent 可以 自己验证自己的输出。写了一段代码，跑一下，报错了，把报错信息喂回 LLM，LLM 修改代码，再跑一下…这个循环可以完全自动化，不需要人介入。

再加上编程本身就是一个「写代码 -> 运行 -> 看报错 -> 修改 -> 再运行」的循环过程，跟 Agent 的核心循环完美契合。

所以 Coding Agent 不只是 Agent 的一种应用。它几乎是 学习 Agent 架构最理想的沙盘：反馈即时、结果可验证、循环天然存在。在这个场景下学到的架构思维，可以迁移到任何 Agent 场景。

我们要造什么：JiMiCode

说了半天理论，说点具体的。

这门课你会从零构建一个叫 JiMiCode 的 Coding Agent。简单说，它就是一个终端里的 AI 编程助手。你在终端里跟它对话，它能帮你读文件、写代码、执行命令、搜索代码库，而且是自主决策的。

JiMiCode终端对话

你可能会问：这不就是 Claude Code 吗？

确实，JiMiCode 的设计一定程度上参考了 Claude Code 的架构思想。Claude Code 是目前最成熟的 Coding Agent 之一，它的很多设计决策经过了大量实战打磨，非常值得学习。

JiMiCode参考 Claude Code 的架构设计，实现了一个轻量化的 Coding Agent。这门课带你深入理解 JiMiCode每个核心模块是怎么设计和实现的：从对话管理到工具系统，从 Agent Loop 到权限控制，从上下文管理到记忆系统，最终拼成一个完整可用的产品。

JiMiCode核心模块拼图

JiMiCode的五层架构

一个 Coding Agent 看着是一个程序，但它里面有很多模块在协作。怎么组织这些模块？如果你去看 Claude Code 的源码，会发现它把不同职责的代码放在不同的模块里，模块之间通过清晰的接口通信，互不干扰。

我们把这种思路提炼一下，给 JiMiCode设计了五层架构，每层解决一类问题：

为什么要分层？因为每层只管自己的事，互不干扰。交互层不需要知道 LLM 怎么调用，工具层不需要关心界面怎么渲染，安全层贯穿所有操作但不干预具体逻辑。每一层只做自己的事，通过接口跟其他层通信。

这跟你写 Web 应用时的 Controller-Service-Repository 分层是一个道理。只不过 Coding Agent 的「层」更多，因为它要处理的事情更复杂：不只是接请求返数据，还要自主决策、管理上下文、控制安全。

你现在不需要完全理解每一层，后面每一章都会深入展开。但请记住这张图，它是整个课程的骨架。后面每进入一个新章节，我都会告诉你「你在架构的哪一层」，帮你保持全局视野。

整个课程走完，你会亲手填满这张图的每一个格子。到时候回来着这张图，你会有完全不同的理解。

本章小结

回顾一下这一章做了什么。

首先搞清楚了 Agent 的本质：LLM + 工具 + 循环 + 反馈，四个要素缺一不可。不是什么能聊天的东西都叫 Agent，关键在于「自主」和「循环」。

然后理解了为什么 Coding Agent 是学 Agent 的最佳路径：代码输出可以自动验证，天然形成反馈循环。

最后认识了 JiMiCode的五层架构。现在它还只是一张蓝图，但地图有了，后面每一章你都知道自己在填哪个格子。

下一章，我们来看看 Coding Agent 的第一个核心模块：LLM API 与对话管理。