Skip to main content
Coding Agent 通常以终端 CLI 或 IDE 插件的形式运行，例如 Claude Code、Codex、Cline、Cursor、Copilot 等工具。针对 Coding Agent 的高频调用需求，GLM Coding Plan 提供了更适合编程场景的模型额度与调用成本。 虽然 Coding Agent 主要用于编程相关任务，但实际上，只要是能够通过命令行或开发环境完成的工作，通常都可以提供协助，例如：
  • 编写与维护技术文档
  • 执行构建与测试流程
  • 搜索和分析项目代码
  • 调研技术问题或查询文档
  • 运行脚本或系统命令
本文将介绍 Coding Agent 的设计思路。在此基础上，一些工具还提供了扩展组件，如 技能（Skills）、外部服务连接（MCP） ，用于进一步增强 Agent 的能力边界。

​
Agent 循环（Agentic Loop）

当您向 Coding Agent 提出一个任务时，它通常会在以下三个阶段之间循环工作：
获取上下文 → 执行操作 → 验证结果
这三个阶段并不是严格按顺序执行，而是在整个任务过程中不断交替出现。 在这个过程中，Coding Agent 会持续调用各种工具，例如：
  • 搜索代码以理解项目结构
  • 修改文件实现需求
  • 运行测试验证修改结果
Description 这个循环会根据任务类型进行动态调整。例如：
如果只是询问代码结构，通常只需要完成上下文获取与代码阅读，不一定涉及修改和执行。
Coding Agent 会根据每一步获得的信息不断调整策略，在执行过程中串联多个操作，并持续修正方向。用户同样是这个循环的一部分。在任何时候，您都可以：
  • 中断当前任务
  • 提供新的上下文信息
  • 指示它尝试新的解决思路
Coding Agent 可以自主执行任务，但始终会响应您的输入。
Agent 循环由两个核心组件驱动：
  • 模型（Models） ：负责理解任务与推理决策
  • 工具（Tools） ：负责执行实际操作
大多数 Coding Agent 都会在语言模型之上提供一层 Agent 运行框架，用于管理上下文、调度工具并执行任务，从而将语言模型转化为一个能够实际操作代码库的编程 Agent。

​
大模型（Model）

在 Coding Agent 架构中，大模型负责：
  • 阅读代码并理解项目结构
  • 推理代码逻辑
  • 规划任务执行步骤
  • 根据执行结果进行调整
模型通常能够：
  • 解析多种编程语言
  • 理解模块之间的依赖关系
  • 推断实现目标所需的修改
在复杂任务中，模型会将任务拆分为多个步骤，并逐步执行。

​
工具（Tool）

如果没有工具，大模型只能生成文本。Coding Agent 的关键在于 工具系统（Tool） ，使模型能够执行实际操作。常见工具类型包括： 每一次工具调用都会产生新的信息，并反馈给模型，用于指导下一步决策。这正是 Agentic Loop 的运行过程。

​
扩展组件

内置工具只是基础能力。您可以通过以下方式扩展 Coding Agent 的能力：
  • Skills：封装常见工作流程
  • MCP：连接外部服务
  • Hooks：自动化任务流程
  • Subagents：将任务委托给子 Agent 执行
这些扩展能力构成了 Agent 循环之上的能力层。关于各类扩展组件的具体能力与使用方式，可参考 Agentic 扩展组件。

​
Coding Agent 可以访问的环境

当 Coding Agent 在某个项目中运行时，它通常可以访问以下信息：

项目代码

  • 当前目录中的所有代码文件
  • 项目结构和配置

开发环境

  • 命令行工具
  • 构建工具
  • 包管理器
  • Git

版本控制信息

  • 当前分支
  • 未提交修改
  • 最近提交记录
由于 Coding Agent 可以访问整个项目，因此能够在多个文件之间进行协同修改，而不仅仅局限于当前文件。

​
项目级配置文件

许多 Coding Agent 工具允许通过 项目级配置文件 提供额外上下文，例如：
  • 项目规范
  • 编码规则
  • 常用命令
  • 项目结构说明
不同厂商通常采用不同文件名称。
它们的作用是给 Coding Agent 提供 长期项目上下文和开发规则。不同工具通常只会读取自身生态中的配置文件。

​
运行环境

Coding Agent 可以在不同环境中运行： 不同工具的实现方式可能不同，但底层运行机制基本一致。

​
会话与上下文管理

Coding Agent 在执行任务时需要维护上下文，包括：
  • 对话历史
  • 文件内容
  • 命令输出
  • 项目规则
随着任务进行，上下文会不断增加。多数系统会自动进行 上下文压缩（Context Compression） ，例如：
  • 删除旧的工具输出
  • 总结历史对话
对于长期规则，通常建议写入 项目级配置文件，而不是依赖对话历史。

​
安全与权限控制

为了避免自动化操作带来风险，大多数 Coding Agent 都提供安全机制，例如：
在修改文件前创建快照，允许恢复到之前状态。

​
高效使用 Coding Agent

以下实践可以提升 Coding Agent 的使用效果：
  1. 提供清晰任务：越具体的任务描述，成功率越高。
  2. 提供可验证目标：例如测试用例或期望输出。
  3. 复杂任务先规划：先让 Agent 分析代码并制定执行计划。
  4. 将任务委托给 Agent：提供目标与上下文，而不是逐条指令。

​
学习资源

Agentic 扩展组件

记忆机制

常用工作流

最佳实践