> ## Documentation Index
> Fetch the complete documentation index at: https://docs.bigmodel.cn/llms.txt
> Use this file to discover all available pages before exploring further.
# Coding Agent 工作原理
> 了解 Agent 循环机制、内置工具，以及 Coding Agent 如何与项目进行交互。
**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](https://bigmodel.cn/glm-coding) 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
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。
如果任务是修复 Bug，通常会反复经历“读取代码 → 修改代码 → 运行测试 → 验证结果”的循环，直到问题被定位并解决。
如果是大型重构任务，除了代码修改本身，往往还会包含更多验证步骤，以确保行为一致性、兼容性和整体稳定性。
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：
| **类别** | **能力** |
| :----- | :--------------------------- |
| 文件操作 | 读取文件、修改代码、创建新文件、重命名或调整结构 |
| 搜索 | 按模式查找文件、使用正则搜索内容、浏览代码库 |
| 命令执行 | 运行 Shell 命令、启动服务、运行测试、使用 Git |
| Web | 搜索网页、获取文档、查询错误信息 |
| 代码分析 | 查看类型错误、跳转定义、查找引用（需代码智能插件） |
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](/cn/coding-plan/learning-resources/agentic-extension)。
## 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：
* 当前目录中的所有代码文件
* 项目结构和配置
* 命令行工具
* 构建工具
* 包管理器
* Git
* 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。
| **工具** | **配置文件** |
| ----------- | ------------- |
| Claude Code | CLAUDE.md |
| Cursor | .cursor/rules |
| Cline | .cline/rules |
| Codex | AGENTS.md |
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：
| **环境** | **代码执行位置** |
| ------ | ------------ |
| 本地 | 用户机器 |
| 云端 | 云端虚拟机 |
| 远程控制 | 本地机器，由远程界面控制 |
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。
用户可以限制 Agent 的权限，例如：
* 是否允许自动修改代码
* 是否允许执行命令
* 是否需要人工确认
## 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
} href="/cn/coding-plan/learning-resources/agentic-extension" />
} href="/cn/coding-plan/learning-resources/memory-mechanism" />
} href="/cn/coding-plan/learning-resources/common-workflow" />
} href="/cn/coding-plan/learning-resources/best-practice" />