范式转变：AI 编码工具的三大时代
模型能力的“阶跃函数式转变”推动了应用架构的演进。点击下方标签，探索每个时代的特点。
1. 文本补全时代
以 GPT-3 等文本补全模型为主导。主要应用是 “代码副驾驶” (Copilot) 或 “自动补全”。AI 根据前文上下文，预测并建议下一行或下一段代码。交互是被动和线性的，主要用于提升编码速度。
2. 指令交互时代
随着 GPT-3.5 等指令调优模型的出现，聊天机器人 (Chatbot) 成为主流。开发者可以通过自然语言提问，获取代码解释、调试建议，交互从被动建议变为了主动问答。
3. 自主代理时代
当前我们正处于 代理 (Agent) 时代，模型具备了 工具使用 和 自主操作 的能力。AI 可以主动执行任务：直接编辑文件、运行测试、与外部 API 交互。开发者也需要从“操作者”转变为“指挥者”。
Amp 代理实战演示
一个真实案例：看 Amp 如何在生产代码库中自主完成一个看似简单、实则微妙的任务。
任务：为 Linear 连接器定制图标
第1步：理解任务与工具使用
Amp 接到任务后，首先调用 Linear API 工具 搜索相关 Issue，准确找到了任务描述。这展示了其与外部服务交互、理解人类意图的能力。
第2步：规划与执行
Amp 启动一个 搜索子代理 来收集代码库上下文，并生成一个待办事项列表进行规划。随后，它开始读取 Svelte 前端文件并进行增量修改，同时检查诊断信息以保证代码质量。
第3步：发现细微问题
首次修改后，图标只在“管理页”更新。Amp 发现了这个细微问题，并意识到“设置页”因安全策略未获取完整配置信息，导致图标不显示。这体现了其强大的 问题诊断能力。
第4步：智能解决与完成
Amp 根据诊断结果，调整了代码，只将必要的非机密信息传递给前端。最终，图标在所有相关页面都正确显示，完美解决了这个比表面更复杂的任务，展现了其 端到端的自主解决能力。
高阶玩家手册：最佳实践与反模式
掌握正确的使用方法是发挥代理全部潜力的关键。以下是高级用户总结的经验与需要避免的误区。
最佳实践 👍
- ✍️详细的提示：提供充足的上下文和明确的指令，像给同事分配任务一样。
- 🔄构建反馈循环：引导代理使用测试、构建工具来验证其工作，实现快速迭代。
- 🧠深化代码理解：利用代理快速学习新代码库、理解复杂逻辑，而非跳过学习过程。
- 🧐辅助代码审查：让代理总结大型变更、发现潜在问题，进行更彻底的审查。
反模式 👎
- 🔬微观管理：像对待聊天机器人一样，过度干预、步步审查，会扼杀其自主性。
- ❓提示不足：给出模糊、简短的指令，尤其在处理复杂生产代码时，会导致结果偏离预期。
- 🙈盲目信任：将代理视为“代码生成黑盒”，不经审查直接提交，是极不负责任的行为。
技能可视化：新手 vs. 高手
驾驭代理是一项“高上限”的技能。下图展示了新手与高级用户在关键能力维度上的差异。请点击按钮切换视图。
未来展望：从操作者到指挥官
编程代理并非要取代人类，而是将开发者从繁琐的执行工作中解放出来，成为策略制定者和系统指挥官。掌握这一新兴技能，意味着你将能以 10 倍甚至 100 倍的效率进行创造。这不仅是工具的胜利，更是人类智慧与机器智能协同进化的新篇章。