agentic-codinglisted

# 智能体编程 主线：编程智能体 = 带工具访问权的对话式 AI（读写文件、搜索网页、执行 Shell），高度自主、功能强大，也高度能犯错。心智模型：把它当**实习生**——琐碎活它干，方向要你给，偶尔做错要纠正；走错方向就直接中断它。默认情况下框架会对可能有害的工具调用弹确认——先读再同意。 ## 它怎么工作（高层理解即可） - LLM 对「给定提示 → 补全字符串」的��率分布建模，推理 = 从分布采样；上下文窗口 = 输入+输出的总长度上限，固定有限。 - 多轮对话 = 每次把整个对话历史当提示喂一遍；工具调用 = 框架把特定输出解释为工具请求、把结果回喂（每次工具调用/响应 = 一次推理）。核心循环 200 行代码就能写出来。 - 隐私：默认大量数据上云——有时框架本地跑但推理在云端，有时整个代码库副本 + 全部交互记录都在服务商手里；开源工具与开源模型在追赶，但受硬件限制，本地跑前沿开源模型目前多数人不现实。敏感代码注意边界。 - dsh 注记：你现在用的 DeepSeek Harness（dsh）就是这类智能体——本会话即实例，skills/subagents/goals 与讲义里的 Claude Code 机制对应。 ## 应用场景 - **实现新功能**：规范描述是门艺术——够描述性让智能体朝你的意图走（至少方向对、便于迭代），又别细到自己把活干完了。TDD 特别有效：写测试（或让它写）、审核测试确认抓住了你要的东西、再让它实现。 - **修复错误**：把编译器/linter/类型检查器/测试的错误丢给它（「修复 mypy 的问题」）。让模型进入反馈循环时最强——把环境配好，让它能自己跑失败的检查自主迭代；不现实就手动喂反馈（它犯错用文字纠偏，如把 `python -m mypy` 换成 `mypy`）。 - **重构**：从重命名方法（代码智能也能做）到把功能拆到独立模块。 - **代码审查**：「审查我尚未提交的最新更改」；支持网页抓取或装了 gh CLI 的还能「审查这个 PR {链接}」。评审基本规范见 `code-review`。 - **理解代码**：向它问代码库的问题——新人入职尤佳。 - **作为 Shell 使用**：指定工具的自然语言命令（「用 find 查所有超过 30 天的文件」）。 - **氛围编程（vibe coding）**：足够强时一行代码不写也能做出应用——但产物你得审查。 ## 注意事项 - AI 会犯错：底层只是概率性下一词预测，不是「智能」——审查输出的正确性与安全性。 - 验证 AI 代码有时比自己写还难；关键代码考虑手写。 - 会钻牛角尖、试图误导你：警惕调试死循环。 - 别当拐杖：警惕过度依赖与浮于表面的理解；大量任务 AI 还做不了，计算思维依然值钱。 - 修 bug 时用 `debugging` 的工具链验证它的「修复」，而不是它说修好就信。 ## 练习 学习材料在 `exercises.md`；用 DeepSeek Harness（dsh）实操的专属练习见 `exercises-dsh.md`。 > 改编自 MIT The Missing Semester 课程 Lecture 7: Agentic Coding（讲义 + 口播稿，CC BY-NC-SA 4.0）：https://creativecommons.org/licenses/by-nc-sa/4.0/ · 课程站点：https://missing.csail.mit.edu/ · 讲座视频：htt