编程智能体是一种 AI 智能体,它的工具就是你的编辑器、文件系统和终端。
工作原理
智能体接到一个用自然语言描述的任务,然后在循环中工作。每一轮,模型要么给出回答,要么返回工具调用,例如“读这个文件”“应用这处修改”或“运行测试”。工具宿主执行这些调用,把输出追加进去,再次调用模型。
Claude Code 的文档把它描述为 “an agentic coding tool that reads your codebase, edits files, runs commands, and integrates with your development tools.”(译文:一个智能体编程工具,能读取你的代码库、编辑文件、运行命令,并与你的开发工具集成。)Aider、Cline 等工具遵循同样的循环,只是界面和权限模型不同。
SWE-agent 论文(Yang 等,2024)认为,智能体是一类新的用户,需要自己的界面,即 “agent-computer interface”(译文:智能体-计算机接口),就像人需要 IDE 一样。作者报告,借助他们的接口,在 SWE-bench 基准上的 pass@1 达到 12.5%,他们称之为当时的最高水平。
一次典型的运行,以发给模型的请求来看:
| 步骤 | 模型输出 | 作为输入发送的 token |
|---|---|---|
| 1 | run_tests() |
系统提示词 + 工具 + 任务 |
| 2 | read_file("src/parse.py") |
第 1 步 + 测试输出 |
| 3 | edit_file(...) |
第 2 步 + 文件内容 |
| 4 | run_tests() |
第 3 步 + diff |
| 5 | “已修复;测试通过。” | 第 4 步 + 测试输出 |
输入每一步都在增长,因为整个历史都要重新发送。
为什么重要
- 成本。 长任务意味着大量请求,每个请求的输入都很大,而且大部分是重复的。运行成本一文用真实数字算了一遍,降低编程智能体成本列出了可用的手段。
- 上下文。 长会话会填满上下文窗口。智能体用上下文压缩和子智能体来控制它。
- 模型是否合适。 模型必须在多轮中可靠地遵循工具 schema。参见最适合编程智能体的开源模型。
- 安全。 能运行命令的智能体也能造成破坏。对破坏性操作保持人工确认,并把仓库内容当作不可信输入(提示词注入)。
在 BroadNet Inference 上
能接受 OpenAI 兼容 base URL 的编程智能体,可以通过 https://inference.broadnet.ai/v1 调用 BroadNet。Aider、Cline 等工具都有配置指南。BroadNet 的文档列出 GLM 5.3 和 Qwen3.8 27B 支持工具调用。
在按量付费下,一个密钥每分钟可发 30 个请求,同时进行中的请求 4 个。包月套餐(Full Moon、Orbit、Meteor)覆盖 DeepSeek V4.1 Flash,没有 token 计量。一个会话同一时间处理一个请求,正好适合一个智能体。如果你并行运行多个智能体,或者运行会启动子智能体的智能体,那么每个同时运行的请求都要买一个会话。会话指南给出了计算方法。