英國(guó)利茲大學(xué)的研究團(tuán)隊(duì)近日發(fā)表了一篇題為《AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities》，系統(tǒng)性地梳理了AI智能體編程這一新興領(lǐng)域的發(fā)展現(xiàn)狀、技術(shù)架構(gòu)、面臨挑戰(zhàn)。

https://arxiv.org/pdf/2508.11126

AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities

技術(shù)背景：從代碼生成到智能體編程

軟件開發(fā)的范式轉(zhuǎn)變

傳統(tǒng)的軟件開發(fā)模式正在被AI技術(shù)顛覆。過(guò)去，我們熟悉的代碼生成工具大多是基于靜態(tài)提示的"一次性"響應(yīng)，而如今，基于大型語(yǔ)言模型(LLM)的編程代理已經(jīng)能夠自主規(guī)劃、執(zhí)行和與各種開發(fā)工具交互，如編譯器、調(diào)試器和版本控制系統(tǒng)。

這種轉(zhuǎn)變不僅僅是技術(shù)上的進(jìn)步，更是軟件開發(fā)范式的根本性變革。論文中提到，與傳統(tǒng)的代碼生成不同，這些智能體能夠分解目標(biāo)、協(xié)調(diào)多步驟流程，并根據(jù)反饋進(jìn)行調(diào)整，從而徹底重塑軟件開發(fā)實(shí)踐。

AI智能體編程的核心特征

AI智能體編程系統(tǒng)具有幾個(gè)關(guān)鍵特征：

1. 自主性：基于LLM的代理能夠在沒有持續(xù)人工監(jiān)督的情況下做出決策和采取行動(dòng)
2. 交互性：代理在執(zhí)行過(guò)程中與外部工具和環(huán)境進(jìn)行互動(dòng)
3. 迭代優(yōu)化：代理能夠根據(jù)中間反饋改進(jìn)輸出
4. 目標(biāo)導(dǎo)向：代理追求高級(jí)目標(biāo)，而不僅僅是響應(yīng)一次性提示

圖1展示了一個(gè)類似GitHub Copilot風(fēng)格的智能體編程系統(tǒng)架構(gòu)。在這個(gè)架構(gòu)中，代理將LLM嵌入執(zhí)行循環(huán)中，實(shí)現(xiàn)與開發(fā)環(huán)境的交互。LLM接收用戶的自然語(yǔ)言提示，并從操作系統(tǒng)和工作區(qū)（如文件摘要或環(huán)境狀態(tài)）收集額外上下文。這些信息被傳遞到推理循環(huán)中，LLM將任務(wù)分解為子目標(biāo)，生成代碼或決策，并確定是否調(diào)用外部工具（如讀取/編輯文件或執(zhí)行終端命令）。工具輸出返回到循環(huán)中，用作進(jìn)一步優(yōu)化的反饋。這個(gè)迭代過(guò)程持續(xù)進(jìn)行，直到代理完成任務(wù)或達(dá)到停止條件。

歷史視角與演變

從歷史發(fā)展來(lái)看，AI智能體編程代表了自動(dòng)化軟件開發(fā)的最新階段。如圖3所示，這一領(lǐng)域經(jīng)歷了從程序合成到代碼完成工具，再到AI編碼代理的演變過(guò)程。

編碼代理從程序合成、代碼完成工具到AI編碼代理的演變

早期的程序合成旨在從形式規(guī)范生成正確的程序，而代碼完成工具則通過(guò)預(yù)測(cè)基于上下文的可能代碼片段來(lái)提高開發(fā)人員效率。這些方法雖然有一定影響，但通常依賴于經(jīng)典的機(jī)器學(xué)習(xí)模型、手工規(guī)則或泛化能力有限的統(tǒng)計(jì)技術(shù)。

隨著GPT、Codex、Claude、LLaMA、StarCoder等大規(guī)模預(yù)訓(xùn)練LLM的出現(xiàn)，這一領(lǐng)域迎來(lái)了重大轉(zhuǎn)折點(diǎn)。這些模型在生成代碼、在不同編程語(yǔ)言之間轉(zhuǎn)換以及回答復(fù)雜編程問(wèn)題方面表現(xiàn)出強(qiáng)大的零樣本和少樣本能力。隨著這些模型變得更加強(qiáng)大，一個(gè)新的機(jī)會(huì)出現(xiàn)了：將LLM不僅用作被動(dòng)的代碼生成器，而是作為能夠推理目標(biāo)、調(diào)用工具并在多個(gè)步驟中優(yōu)化輸出的自主代理。這種轉(zhuǎn)變導(dǎo)致了AI智能體編程范式的出現(xiàn)，其中模型作為任務(wù)驅(qū)動(dòng)的實(shí)體，能夠規(guī)劃、與編譯器和調(diào)試器交互，并基于反饋進(jìn)行自我修正。

論文提出的方法與技術(shù)詳解

AI智能體編程的核心技術(shù)支持

論文詳細(xì)分析了支持AI智能體編程發(fā)展的幾項(xiàng)關(guān)鍵技術(shù)：

1. 大型語(yǔ)言模型

大型語(yǔ)言模型是現(xiàn)代智能體編程系統(tǒng)的基礎(chǔ)。這些模型，如GPT-4、Claude、DeepSeek和Gemini，作為核心推理引擎，為代碼生成、任務(wù)規(guī)劃、調(diào)試、文檔編寫和自然語(yǔ)言交互提供動(dòng)力。它們理解和執(zhí)行復(fù)雜指令的能力是智能體工作流設(shè)計(jì)的核心。

用于編碼任務(wù)的代表性LLM

表1比較了一些用于代碼相關(guān)任務(wù)的最先進(jìn)LLM的關(guān)鍵屬性，包括模型大小、上下文窗口、工具使用能力、提供商、是否開放權(quán)重、是否為專家混合(MoE)模型以及是否在IDE中使用等信息。隨著LLM能力的不斷發(fā)展，選擇和微調(diào)合適的基礎(chǔ)模型用于編碼任務(wù)成為構(gòu)建可靠、高效和自適應(yīng)智能體系統(tǒng)的關(guān)鍵設(shè)計(jì)選擇。

2. 提示工程與推理策略

有效的智能體行為通常需要結(jié)構(gòu)化的提示技術(shù)來(lái)指導(dǎo)LLM進(jìn)行多步推理和工具使用。這些方法提供了腳手架，幫助模型將任務(wù)分解為可管理的步驟，并在較長(zhǎng)的交互中保持一致性。

論文提到了幾種關(guān)鍵的提示技術(shù)：

• 思維鏈(Chain of Thought)提示：鼓勵(lì)明確的推理軌跡，使中間步驟可見，提高問(wèn)題解決準(zhǔn)確性
• ReAct（推理和行動(dòng)）：將推理與具體行動(dòng)（如工具調(diào)用或環(huán)境交互）交織在一起，使代理能夠在上下文中既思考又行動(dòng)
• 便簽本(Scratchpad)提示：提供工作記憶空間，可以寫下和完善部分結(jié)果、假設(shè)或計(jì)劃，支持迭代優(yōu)化
• 模塊化提示：將任務(wù)分為不同的功能角色——如規(guī)劃者、執(zhí)行者和驗(yàn)證者——使模型能夠協(xié)調(diào)專門的子任務(wù)

3. 工具使用與API集成

智能體系統(tǒng)嚴(yán)重依賴外部工具，如編譯器、調(diào)試器、測(cè)試框架、代碼檢查器和版本控制系統(tǒng)，來(lái)驗(yàn)證和優(yōu)化生成的代碼。這些工具提供了檢查正確性、執(zhí)行編碼標(biāo)準(zhǔn)和確保輸出與項(xiàng)目要求保持一致所需的具體信號(hào)。

GitHub Copilot代理支持的工具示例

表2列出了GitHub Copilot代理當(dāng)前支持的工具子集，涵蓋了編譯、測(cè)試和版本控制等方面。與外部工具的集成可以采取多種形式，包括命令行界面、語(yǔ)言服務(wù)器協(xié)議(LSP)和RESTful API。

LLM與工具之間的接口示例

表3總結(jié)了LLM與外部工具交互的主要接口類型，范圍從自由形式的自然語(yǔ)言指令到高度結(jié)構(gòu)化的模式和特定領(lǐng)域協(xié)議。論文還提供了一個(gè)OpenAI工具模式的示例（列表1），展示了如何將編譯器公開為工具以擴(kuò)展LLM的能力。

4. 狀態(tài)與上下文管理

LLM在固定的上下文窗口下運(yùn)行，限制了它們對(duì)長(zhǎng)歷史進(jìn)行推理的能力。因此，智能體系統(tǒng)結(jié)合了外部記憶機(jī)制來(lái)存儲(chǔ)計(jì)劃、結(jié)果、工具輸出和部分進(jìn)展。這種記憶可以采用向量存儲(chǔ)、便簽本或結(jié)構(gòu)化日志的形式，允許代理在多個(gè)步驟中回憶相關(guān)信息，并在長(zhǎng)期運(yùn)行的任務(wù)中保持一致性。

主流AI編碼代理支持的上下文管理機(jī)制

表4比較了主流AI編碼代理的上下文管理策略，揭示了上下文大小和記憶持久性方面的顯著差異。這些差異反映了一個(gè)明確的權(quán)衡：較小的上下文窗口通常依賴于輕量級(jí)檢索或摘要，而具有持久記憶的較大窗口支持更豐富的狀態(tài)跟蹤，但增加了存儲(chǔ)和檢索開銷。

5. 反饋循環(huán)與自我改進(jìn)

智能體編程利用反饋來(lái)迭代優(yōu)化輸出。代理可能會(huì)重新運(yùn)行失敗的測(cè)試，根據(jù)編譯錯(cuò)誤修改提示，或反思過(guò)去的失敗以改進(jìn)未來(lái)的行為。例如，編譯錯(cuò)誤可能會(huì)觸發(fā)有針對(duì)性的代碼編輯，測(cè)試失敗可能會(huì)提示迭代調(diào)試，而代碼檢查器警告可能會(huì)指導(dǎo)風(fēng)格優(yōu)化。

一些系統(tǒng)結(jié)合了顯式規(guī)劃、重試機(jī)制，甚至通過(guò)微調(diào)或強(qiáng)化學(xué)習(xí)進(jìn)行基于梯度的更新。這種閉環(huán)設(shè)計(jì)支持復(fù)雜編程任務(wù)的魯棒性和適應(yīng)性。

AI智能體編程的分類體系

論文提出了一個(gè)全面的分類體系，將AI智能體編程系統(tǒng)按照行為特征和系統(tǒng)架構(gòu)進(jìn)行分類，如圖7所示。

AI智能體編程系統(tǒng)的分類

智能體行為維度

1. 反應(yīng)性vs主動(dòng)性：

• 反應(yīng)性代理直接響應(yīng)用戶提示或反饋，沒有獨(dú)立的任務(wù)規(guī)劃
• 動(dòng)性代理發(fā)起子任務(wù)，形成執(zhí)行計(jì)劃，并重新評(píng)估決策，通常在較長(zhǎng)時(shí)間內(nèi)自主工作

2. 單輪vs多輪執(zhí)行：

• 單輪代理響應(yīng)單個(gè)提示執(zhí)行操作，通常不保留上下文
• 多輪代理在交互中保持狀態(tài)，支持迭代優(yōu)化、探索和目標(biāo)追求

3. 工具增強(qiáng)vs獨(dú)立代理：

• 一些代理與外部工具（如編譯器、調(diào)試器、瀏覽器、測(cè)試框架）緊密集成，使其能夠執(zhí)行代碼、驗(yàn)證和糾正
• 其他代理僅在LLM的推理能力內(nèi)運(yùn)作，限制了其交互性和適應(yīng)性

4. 靜態(tài)vs自適應(yīng)代理：

• 靜態(tài)代理遵循預(yù)定義的工作流或啟發(fā)式方法
• 自適應(yīng)代理使用來(lái)自工具、用戶輸入或環(huán)境信號(hào)的反饋修改其策略

智能體系統(tǒng)類別

論文將當(dāng)前的AI智能體編程系統(tǒng)分為幾個(gè)主要類別：

1. 交互式代碼助手： 這些是LLM在軟件開發(fā)中最廣泛采用的應(yīng)用。這些系統(tǒng)通過(guò)提供代碼完成、內(nèi)聯(lián)文檔、編輯建議和簡(jiǎn)單重構(gòu)來(lái)協(xié)助開發(fā)人員。它們通常直接集成到編輯器和IDE中，開發(fā)人員通過(guò)類似聊天的界面或基于鼠標(biāo)的交互選擇代碼或注釋與底層LLM進(jìn)行交互。GitHub Copilot和Cursor是基于LLM的代碼助手的兩個(gè)代表性示例。GitHub Copilot最初基于在GitHub代碼存儲(chǔ)庫(kù)上訓(xùn)練的Codex開發(fā)，提供跨多種編程語(yǔ)言的上下文感知代碼完成，并緊密集成到Visual Studio Code和JetBrains等流行IDE中。Cursor通過(guò)嵌入對(duì)話交互、維護(hù)先前編輯的記憶和支持結(jié)構(gòu)化命令執(zhí)行來(lái)擴(kuò)展這一功能。這些系統(tǒng)的實(shí)現(xiàn)通常表現(xiàn)出反應(yīng)性行為，響應(yīng)用戶輸入而不發(fā)起自己的計(jì)劃或采取主動(dòng)步驟。它們的交互通常是單輪的，依賴于代碼編輯器內(nèi)的直接上下文，而不是保持過(guò)去交互或更廣泛開發(fā)目標(biāo)的持久記憶。
2. 規(guī)劃中心系統(tǒng)： 這類系統(tǒng)強(qiáng)調(diào)任務(wù)規(guī)劃和分解能力。它們能夠?qū)?fù)雜的軟件開發(fā)任務(wù)分解為可管理的子任務(wù)，并協(xié)調(diào)這些子任務(wù)的執(zhí)行。這類系統(tǒng)通常具有更強(qiáng)的自主性，能夠在較長(zhǎng)時(shí)間內(nèi)獨(dú)立工作。
3. 自主任務(wù)導(dǎo)向系統(tǒng)： 這是最先進(jìn)的智能體編程系統(tǒng)，能夠自主完成復(fù)雜的軟件開發(fā)任務(wù)，從需求分析到代碼實(shí)現(xiàn)、測(cè)試、調(diào)試和文檔編寫。這類系統(tǒng)通常結(jié)合了規(guī)劃、工具使用、迭代優(yōu)化等多種能力，展現(xiàn)出接近人類開發(fā)者的工作方式。

實(shí)驗(yàn)結(jié)果與評(píng)估

調(diào)查方法論

論文采用了系統(tǒng)文獻(xiàn)回顧(SLR)方法論，以提供對(duì)AI智能體編程研究的全面覆蓋。研究團(tuán)隊(duì)在多個(gè)學(xué)術(shù)數(shù)據(jù)庫(kù)進(jìn)行了自動(dòng)搜索，包括Google Scholar、ACM Digital Library、IEEE Xplore、SpringerLink和arXiv.org，并檢查了頂級(jí)會(huì)議（FSE、ICSE、ASE、ICML、NeurIPS、AAAI等）的論文集。

學(xué)術(shù)研究的調(diào)查方法論

研究團(tuán)隊(duì)的搜索字符串結(jié)合了以下術(shù)語(yǔ)集群，使用布爾運(yùn)算符：

• 代理術(shù)語(yǔ)："AI agent" OR "agentic" OR "autonomous agent" OR "coding agent" OR "software agent" OR "intelligent agent" OR "task agent" OR "LLM agent"
• 編程術(shù)語(yǔ)："programming" OR "coding" OR "software development" OR "code generation" OR "software engineering" OR "developer" OR "autonomous coding" OR "software automation"
• AI/LLM術(shù)語(yǔ)："large language model" OR "LLM" OR "language model" OR "foundation model" OR "AI model" OR "neural code generation"

研究選擇與結(jié)果

在初步檢索后，研究團(tuán)隊(duì)遵循了三階段的研究選擇過(guò)程：(1)兩名獨(dú)立研究員進(jìn)行標(biāo)題和摘要篩選，(2)通過(guò)討論解決分歧的全文審查，(3)前后向引用鏈以識(shí)別其他相關(guān)研究。

學(xué)術(shù)論文的分布

系統(tǒng)搜索的結(jié)果顯示：

• 初始檢索：從數(shù)據(jù)庫(kù)搜索中獲得7,700篇論文
• 標(biāo)題/摘要篩選：選擇395篇論文進(jìn)行全文審查
• 全文審查：141篇符合所有標(biāo)準(zhǔn)
• 最終語(yǔ)料庫(kù)：全文評(píng)估和引用鏈后包含152篇論文
• 軟件工具和工業(yè)產(chǎn)品：研究團(tuán)隊(duì)還研究了一系列最先進(jìn)的AI編碼代理和LLM，如GitHub Copilot Agents、GPT、Gemini、Deepseek、Qwen和Claude Opus 4

在152篇學(xué)術(shù)參考文獻(xiàn)中（不包括工具描述和網(wǎng)站），5%發(fā)表于2022年，22%發(fā)表于2023年，53%發(fā)表于2024年，20%發(fā)表于2025年，反映了隨著LLM的廣泛采用，AI代理編程研究的激增。

主要發(fā)現(xiàn)與評(píng)估

基于系統(tǒng)分析，研究團(tuán)隊(duì)開發(fā)了AI智能體編程系統(tǒng)的分層分類，如圖7所示。這一分類體系沿著行為特征和系統(tǒng)架構(gòu)對(duì)現(xiàn)有系統(tǒng)和方法進(jìn)行分類，以明確設(shè)計(jì)空間并指導(dǎo)未來(lái)發(fā)展。

論文評(píng)估了各種智能體編程系統(tǒng)在以下幾個(gè)方面的表現(xiàn)：

1. 自主性水平：系統(tǒng)在無(wú)需人類干預(yù)的情況下完成任務(wù)的能力
2. 工具集成能力：系統(tǒng)與各種開發(fā)工具集成的程度和靈活性
3. 上下文管理效率：系統(tǒng)處理和利用長(zhǎng)期上下文的能力
4. 任務(wù)完成質(zhì)量：系統(tǒng)生成的代碼和解決方案的質(zhì)量
5. 適應(yīng)性和學(xué)習(xí)能力：系統(tǒng)從反饋中學(xué)習(xí)和適應(yīng)新情況的能力

評(píng)估結(jié)果表明，當(dāng)前的AI智能體編程系統(tǒng)在簡(jiǎn)單到中等復(fù)雜度的任務(wù)上表現(xiàn)出色，但在處理高度復(fù)雜、需要深入領(lǐng)域知識(shí)的任務(wù)時(shí)仍有局限。此外，系統(tǒng)在長(zhǎng)期上下文管理、錯(cuò)誤恢復(fù)和跨工具協(xié)調(diào)方面仍面臨挑戰(zhàn)。

挑戰(zhàn)與未來(lái)機(jī)遇

當(dāng)前面臨的主要挑戰(zhàn)

盡管AI智能體編程發(fā)展迅速，但仍處于早期階段。論文指出了這一快速發(fā)展領(lǐng)域的幾個(gè)關(guān)鍵挑戰(zhàn)：

1. 可靠性和魯棒性：確保在動(dòng)態(tài)環(huán)境中的可靠性和魯棒性是一個(gè)重大挑戰(zhàn)。當(dāng)前的系統(tǒng)在面對(duì)意外情況或邊緣案例時(shí)可能表現(xiàn)不穩(wěn)定。
2. 錯(cuò)誤和幻覺：生成代碼中的錯(cuò)誤和幻覺問(wèn)題仍然存在。LLM可能會(huì)生成語(yǔ)法正確但語(yǔ)義錯(cuò)誤或完全虛構(gòu)的代碼，這可能導(dǎo)致難以調(diào)試的問(wèn)題。
3. 語(yǔ)言和平臺(tái)多樣性：大多數(shù)系統(tǒng)主要支持Python等主導(dǎo)語(yǔ)言，而對(duì)多樣化平臺(tái)和軟件生態(tài)系統(tǒng)的支持仍然有限。擴(kuò)展對(duì)更多編程語(yǔ)言、框架和開發(fā)環(huán)境的支持是一個(gè)重要挑戰(zhàn)。
4. 安全、信任和問(wèn)責(zé)：將安全、信任和問(wèn)責(zé)嵌入自主行為中是至關(guān)重要的。隨著這些系統(tǒng)變得更加自主，確保它們的行為符合預(yù)期且不會(huì)造成傷害變得越來(lái)越重要。
5. 工具適配性：當(dāng)前的編程語(yǔ)言、編譯器和調(diào)試器基本上是以人為中心的。它們不是為自動(dòng)化、自主系統(tǒng)設(shè)計(jì)的。這些工具通常抽象出內(nèi)部狀態(tài)和決策過(guò)程以提高可用性、確?？梢浦残圆p少人類用戶的認(rèn)知負(fù)荷。雖然這種抽象有利于人類開發(fā)人員，但可能不適合需要細(xì)粒度、結(jié)構(gòu)化訪問(wèn)內(nèi)部狀態(tài)、轉(zhuǎn)換序列和驗(yàn)證邏輯的AI代理。

未來(lái)研究方向與機(jī)遇

基于當(dāng)前挑戰(zhàn)，論文提出了幾個(gè)有前景的未來(lái)研究方向：

1. 人機(jī)協(xié)作新模式：探索人類開發(fā)者與AI代理之間更有效的協(xié)作模式，使兩者能夠發(fā)揮各自的優(yōu)勢(shì)，實(shí)現(xiàn)協(xié)同增效。
2. 多代理系統(tǒng)：開發(fā)能夠協(xié)同工作的多代理系統(tǒng)，每個(gè)代理專注于軟件開發(fā)的特定方面，如需求分析、代碼生成、測(cè)試和文檔編寫。
3. 自我改進(jìn)系統(tǒng)：構(gòu)建能夠從經(jīng)驗(yàn)中學(xué)習(xí)并不斷改進(jìn)自身性能的AI代理，實(shí)現(xiàn)真正的自主軟件開發(fā)。
4. 專用工具鏈：設(shè)計(jì)專為AI代理開發(fā)的工具鏈，提供更好的狀態(tài)跟蹤、錯(cuò)誤恢復(fù)和反饋機(jī)制，支持代理的自主操作。
5. 跨領(lǐng)域整合：整合編程語(yǔ)言、軟件工程、AI和人機(jī)交互等多個(gè)領(lǐng)域的視角，創(chuàng)造更全面、更強(qiáng)大的智能體編程系統(tǒng)。
6. 評(píng)估基準(zhǔn)和標(biāo)準(zhǔn)：建立標(biāo)準(zhǔn)化的評(píng)估基準(zhǔn)和方法，以便客觀比較不同智能體編程系統(tǒng)的性能和能力。