演进与爆款
编程任务有 Codex / Claude Code / Cursor 等,专用助手可用扣子 / Dify 搭建。产品入口和类型各有侧重,下面按国内、国外介绍当前代表产品及其典型任务。
AgentPath仅供学习交流,禁止商用。对话在变成代办:Agent 会规划、调工具、改代码。
编程任务有 Codex / Claude Code / Cursor 等,专用助手可用扣子 / Dify 搭建。产品入口和类型各有侧重,下面按国内、国外介绍当前代表产品及其典型任务。
前后端已有接口、状态、权限与部署底子,补 Prompt / MCP 即可上手;零经验可从 Codex 提需求、读 diff、跑验证入手,边做边学。
AI Agent(人工智能智能体)是能围绕目标感知环境、选择行动并根据反馈继续推进任务的系统。你提出目标,它在约定范围内决定下一步、调用工具、检查结果,直到完成任务或触发停止条件。
这里主要介绍大语言模型驱动的 Agent:模型负责理解与决策,工具负责检索、读写文件或执行代码,运行框架负责保存上下文、管理权限和控制执行。模型是其中的一个组成部分。
理解任务、可用资料和完成标准。
根据当前信息选择行动或工具。
检索资料、读取文件或运行代码。
读取真实结果,发现缺口或错误。
调整行动;完成、遇到阻碍或达到限制时停止。
第 2–5 步可以反复进行。关键在于用实际反馈决定下一步;任务简单时,一次工具调用也可能完成。
任务:修复一个网页按钮点击后报错的问题,并确认修复有效。
只给建议:聊天助手可以解释报错原因,给出代码建议,由你手动应用和测试。
Agent 的执行过程:编程 Agent 读取相关代码和错误信息 → 修改代码 → 运行测试 → 根据失败结果继续修正 → 展示最终差异与验证结果。是否提交或上线,按你授予的权限执行。
提供理解、生成与推理能力;应用负责把模型输出接到真正执行操作的工具。
步骤和分支主要由程序预先安排,例如按固定顺序提取信息、套模板、生成报告。
让模型根据任务状态与工具反馈动态决定行动;实际应用也可以把 Agent 放进固定工作流。
自主程度由任务和权限决定。可靠的 Agent 需要明确的验收标准、预算与停止条件,关键操作可以保留人工确认。
分组参考运营团队、总部与产品定位;代表产品,不作热度排名。 资料核对:。
国内团队提供的代表产品,涵盖编程、任务执行与智能体搭建。
结合代码库理解、任务规划和工具调用,完成代码生成、问题排查与重构,也能配置面向不同任务的自定义智能体。
典型任务:在已有项目中修复一个问题,运行测试并查看代码变更。
提供国内产品与中文文档入口,适合在开发环境中推进项目任务。
官方介绍 ↗月之暗面的终端编程 Agent,能够读写代码、执行 Shell、搜索文件或网页,并根据工具反馈调整下一步行动。
典型任务:给已有函数补充测试,运行后定位并修复失败项。
适合偏好命令行的开发者,围绕本地项目和任务上下文协作。
官方介绍 ↗用自然语言描述需求,生成和迭代智能体代码,覆盖开发、测试与发布,适合构建自己的助手或业务应用。
典型任务:做一个围绕课程资料回答问题的学习助手,测试后发布。
扣子编程是开发入口;体验已有智能体与搭建自己的智能体是不同的使用路径。
官方介绍 ↗国外运营的代表产品;跨地区团队的产品另附归属说明。
在终端、IDE 或云端处理代码任务:理解项目、修改文件、运行命令和检查,并交付可审阅的改动。
典型任务:读懂项目中的报错,修复问题并运行相关测试。
适合围绕代码仓库协作;交付时结合差异与测试结果验收。
官方介绍 ↗Anthropic 的编程 Agent,能探索代码库、编辑文件、执行命令,并连接开发工具完成多步任务。
典型任务:找到重复的业务逻辑,完成重构并检查原有测试。
适合终端与开发环境里的项目任务;工具访问由授权控制。
官方介绍 ↗集成在 Cursor 编辑器中的 Agent,结合代码搜索、多文件编辑与终端工具推进开发,方便边看代码边协作。
典型任务:给现有页面添加筛选功能,联动修改组件与测试。
适合在编辑器中观察修改过程、及时调整任务方向。
官方介绍 ↗GitHub 上的云端编码 Agent,可以接收仓库任务,在后台工作并把改动放进 Pull Request,接入现有审阅流程。
典型任务:把一个明确的 Issue 委派给 Agent,检查它交付的 PR。
原称 coding agent;这里介绍的是云端委派能力,Copilot 也有其他开发入口。
官方介绍 ↗Google 的开源终端 Agent,可以结合项目文件与工具完成代码理解、修改和其他命令行任务。
典型任务:阅读陌生仓库,定位实现入口并修复一个小问题。
适合偏好命令行的开发者;也可通过 MCP 扩展工具。
官方介绍 ↗以 Agent 为中心的开发环境,结合项目代码、终端和浏览器推进任务,也能管理多个 Agent,并用可审阅的产物展示工作进展。
典型任务:实现一个页面功能,用浏览器检查交互并交付代码改动。
适合让 Agent 连贯完成开发和验证;各入口可用工具依项目和环境而定。
官方介绍 ↗把目标、资料与获准使用的工具放进任务,让 ChatGPT 持续处理多步工作,产出可检查的报告、分析或演示文稿等成果。
典型任务:比较几份项目资料,制作带来源的方案说明和演示文稿。
按任务提供文件或连接需要的应用;浏览器能力可用于网页任务。
官方介绍 ↗围绕文件、网页和连接的应用完成知识工作,可把研究与分析交付为文档、电子表格或演示文稿。
典型任务:整理几份访谈记录,提炼共同主题并生成可编辑的研究报告。
Cowork 与聊天正在分批合并为统一体验;使用本地文件与桌面工具需要相应授权和桌面入口。
官方介绍 ↗面向完整任务的通用 Agent。Agent 模式可以规划和执行多步工作,交付网站、研究材料或演示文稿等结果。
典型任务:围绕一个主题查找资料,整理成报告或演示文稿。
Chat 模式与 Agent 模式用途不同:前者偏问答与讨论,后者推进任务执行。
公司目前在新加坡运营,按当前运营情况列入国外组。 归属说明 ↗
官方介绍 ↗用于构建 Agent 与工作流的平台,连接模型、知识库、工具和业务步骤;Agent 可独立交付,也可复用进工作流。
典型任务:搭建能查知识库、调用业务工具,并在需要时转人工的客服应用。
适合把 Agent 接进业务流程;它提供搭建能力,具体表现取决于配置与所用模型。
团队分布多地,总部位于美国 Menlo Park,按当前总部列入国外组。 归属说明 ↗
官方介绍 ↗Attention Is All You Need 提出自注意力架构,成为后续大语言模型(LLM)的计算骨架,也是全景图里「大脑底座」的起点。
GPT-3 展示规模化预训练的通用语言能力:推理对齐、指令跟随与多任务涌现开始成型,对应全景图中的「基础模型」层。
OpenAI Codex 把 LLM 接到编程场景,支撑 GitHub Copilot 等代码补全体验,对应全景图右侧「编程能力 · Coding」的早期形态。
InstructGPT / ChatGPT 把指令跟随与对齐对话推到主流;全景图演进主线进入「LLM → ChatGPT」,嘴部「对话生成」成为默认交互面。
Function Calling / Plugins 与 ReAct 让模型能选工具、执行并观察结果;全景图腰带层「智能体 · Agent」与「工具调用 · Tools」真正立起来。
上下文窗口、检索增强与长期记忆成为 Agent 可靠落地的「脊柱/背包」:没有证据与记忆,工具循环只会放大幻觉。
行业从 Demo 自主代理转向生产级 Harness:预算、审批、评测、可观测与失败回放。对应全景图左上「运行框架 · Harness」。
Model Context Protocol 把 Web/API、数据库、云服务与本地工具标准化接入;对应全景图左手「协议连接 · MCP」。
技能包(Skills)、生命周期钩子(Hooks)与新一代 Codex 编程 Agent 拼成可交付栈:LLM 负责认知,Harness 负责运行,MCP 连工具,Skills/Rules/Subagents 负责可复用执行。