自主编程智能体：概览与分类 (2026年6月)

引言。 AI驱动的编程智能体已迅速改变了软件开发。它们不再仅仅是自动补全助手，现在能代表开发者执行复杂的任务（“规划、编辑、测试代码等等”）。这一转变是巨大的：正如UiPath的CEO所指出的，“AI可以编写代码……问题是代码编写完成后会发生什么” (www.uipath.com)。事实上，到2026年中，预计将有84%的开发者使用或计划使用AI编程助手 (www.uipath.com)。如今的智能体范围广泛，从简单的代码补全工具到能规划多步骤更改、运行构建/测试并创建PR的完全自主协作器。本文将描绘2026年丰富的生态系统：商业SaaS和自托管工具、开放框架和企业平台。我们将根据智能体的自主性级别、支持的语言、集成点、安全/治理功能以及部署模型对其进行分类。我们还将追溯其研究渊源（从Transformer和思维链到内存增强型智能体），并提供关键发布的里程碑时间表。最后，对于新用户，我们将概述如何开始使用这些工具以及构建AI辅助开发工作流的第一步。

商业平台

领先的AI公司已发布了针对各种用户的编程智能体产品：

• GitHub Copilot (OpenAI/Microsoft)。 Copilot于2021年推出，使用Codex模型在IDE中提供代码补全建议。它成为AI结对编程的典范，集成到VS Code、JetBrains和其他编辑器中。（OpenAI的Codex模型在公共代码上进行微调，为Copilot提供了动力，使AI建议在IDE中“主流化” (rmax.ai)。）Copilot支持数十种语言（Python、JavaScript、TypeScript、Java、C#等），并提供免费（开源）和付费计划，包括企业许可。

• Amazon CodeWhisperer。 CodeWhisperer于2022年推出，是AWS的Copilot竞争对手 (aws.amazon.com)。到2023年，它已全面上市 (aws.amazon.com)，提供免费和专业级别。它支持广泛的语言（Python、Java、JavaScript/TypeScript、C#，以及Go、Rust、Kotlin、Scala、Ruby、PHP、SQL、C、C++、Shell等） (aws.amazon.com)。CodeWhisperer作为云服务运行，集成到AWS工具包和工具中，并在其专业级别中提供企业管理功能（许可证/策略管理） (aws.amazon.com)。

• Anthropic Claude Code / Claude Cowork。 Anthropic率先推出了基于终端的智能体 Claude Code，于2025年2月发布 (time.com)。它可以访问用户文件，生成“子智能体”并执行多步骤工作流（例如DNA分析） (time.com)。（TIME报道称它甚至通过遗传数据自主“种植了一株番茄植株”！）Claude Code强调自主性和安全性：它在进行破坏性更改之前会使用明确的“规划”和审批循环 (rmax.ai)。2026年1月，Anthropic通过Claude Cowork扩展了其智能体产品线，为相同功能提供了更友好的用户界面 (time.com)。Claude Code支持主要语言（Python、JS等）的编程，基准测试显示它在软件任务中表现出色。

• Cursor (Anysphere)。 Cursor是一款基于VS Code的AI代码编辑器，构建于先进的LLM之上。2025年，其初创公司Anysphere以99亿美元的估值筹集了9亿美元 (siliconangle.com)。Cursor提供内联补全、聊天/智能体标签以及自动化任务工具（例如通过自然语言提示生成shell命令） (siliconangle.com) (siliconangle.com)。它作为一个独立的编辑器（从VS Code分支而来）运行，支持50多种编程语言的内容创作，以及聊天驱动的操作。

• Google Gemini Code Assist。 Google现在提供Gemini Code Assist（标准版/企业版）和开源的Gemini CLI。这些产品使用Google先进的Gemini模型（上下文可达1M token）。例如，Gemini CLI（开源）允许您在任何终端中运行AI编程智能体——它自带内置工具（网页搜索、文件系统和shell访问），并可使用Google的云LLM或本地模型 (github.com)。它的工作区可以读写您的代码文件并在您的控制下运行命令。（CLI使用Google账户免费，企业版增加了更多安全和集成功能。）

• IBM watsonx Code Assistant。 IBM为企业软件团队推广watsonx Code Assistant。在2024-25年，它推出了专门用于规划和升级Java应用程序的服务 (www.ibm.com)。该产品“企业就绪”（具备治理/合规性），并支持多种语言（尤其是Java）以实现遗留代码现代化。IBM声称与IBM工作流（例如DevOps/Jenkins）深度集成，并专注于安全性和规模。其GitHub仓库指出支持Go、C、C++、Java、JavaScript、Python、TypeScript等语言 (github.com)。

• 其他。 还有许多SaaS产品和早期平台：OpenAI用于编程的ChatGPT/CoPilot、Microsoft的Copilot for Business和Copilot Chat、Google的BardCode、开源API（OpenRouter等），以及来自初创公司的专业工具（例如Amp Code、Jellyfish等）。许多主流IDE（VS Code、JetBrains）现在都包含多种智能体选项（例如JetBrains中的Junie和Claude Agent (www.jetbrains.com)）。

开源框架

许多开源项目允许开发者自行构建或运行编程智能体。主要示例如下：

• OpenHands。 这个基于Python的SDK（以及配套的CLI/GUI）允许您在代码中定义智能体技能并在本地运行。OpenHands提供了一个CLI“智能体”，您可以通过给予其自然语言任务来启动它；它可以使用您选择的任何LLM（OpenAI、Anthropic，或通过Ollama/vLLM的本地模型） (github.com) (github.com)。该CLI遵循IDE式的工作流程，可以自动化分支、PR创建、测试等。OpenHands v1.6甚至增加了规划模式，以便在执行前起草计划，避免无限循环 (www.runlocalai.co)。它支持数十种语言（通过任何LLM），可以完全在您的机器上运行或在云端扩展。

• OpenClaw。 OpenClaw最初是一个个人助手，现在拥有一个通过聊天应用交互的AI智能体化身。它是完全开源且自托管的（没有供应商锁定） (openclawdoc.com)。OpenClaw允许您添加技能（Markdown定义的动作），并连接到50多个频道（Slack、Discord、WhatsApp等） (openclawdoc.com)。它模型无关：可以接入Claude、GPT、Gemini、本地LLM等 (openclawdoc.com)。OpenClaw强调安全性：每个技能都在隔离的沙盒中运行，具有细粒度权限，并且您必须明确批准每个智能体可以访问的内容 (openclawdoc.com)。虽然是通用目的，但OpenClaw的流水线也可用于编程任务。

• Goose。 Goose是一个多平台智能体（基于Rust的桌面应用和CLI）用于任何任务，包括编程。它支持15家以上的LLM提供商——Anthropic、OpenAI、Google、Ollama等。通常在您的机器上运行。Goose使用*模型上下文协议（MCP）*与工具集成（有70多个扩展已文档化） (github.com)。对于编程，Goose通过MCP提供文件系统和终端工具，并可以协调多步骤修复。与OpenHands一样，它是自托管和开源的（MIT许可证）。Goose比某些替代方案更轻量，但通过MCP强调可扩展性。

• Aider。 Aider（4.4万GitHub星标，680万次安装）是一款以终端为中心的“AI结对程序员” (aider.chat)。它适用于云端或本地模型，并“映射”您的整个代码库，以便智能体具有项目范围的上下文。Aider支持100多种语言（Python、JavaScript、Rust、Ruby、Go、C/C++、PHP等） (aider.chat)。关键的是，Aider自动提交所有更改：它使用Git记录每次AI编辑，并附带富有意义的提交消息 (aider.chat)。它还集成到IDE中（VS Code、JetBrains），以便您可以注释代码并让Aider执行更改。简而言之，Aider适用于希望智能体受其指挥的开发者：他们提示更改，工具通过Git透明地应用这些更改。

• IDE扩展（Cline、Continue等）。 一些开放智能体完全存在于编辑器内部。例如，Cline是一个开源的VS Code扩展，自称是*“自主编程智能体”*，能够创建/编辑文件、执行命令和浏览网页——所有这些都需用户许可 (github.com)。（它也有规划/审批循环。）Continue是另一个VS Code智能体助手，具有多种模式（聊天、内联自动补全、“扩展此代码”编辑） (marketplace.visualstudio.com)。这些智能体嵌入在IDE中并具有GUI工作流，但可以半自主地执行任务。

• Gemini CLI (Google)。 Google的Gemini 3.5+模型提供了一个开源的CLI智能体。gemini-cli工具为开发者提供了一个基于终端的智能体，可以调用Google搜索和堆栈范围的文件操作 (github.com)。它可以使用Google的云模型池（提供免费层级）或运行本地模型。它支持大上下文（1M token），用于理解整个仓库。它是自托管和SaaS之间的桥梁：代码是本地的，但依赖于Google的LLM服务（除非使用下载的模型运行）。

总的来说，开源智能体具有许多共同特征：本地部署、灵活的模型选择、多语言支持以及与标准开发工具（git、shells）的集成。它们的风格各异：一些（OpenHands/Aider）通过CLI在IDE外部工作，另一些（Cline/Continue/Gemini）集成在编辑器内部，而编排框架（Goose/基于MCP）则将一切视为工具。

企业定制解决方案

企业已开始将编程智能体嵌入其IT堆栈，重点关注编排、治理和规模：

• UiPath for Coding Agents。 UiPath（机器人流程自动化领域的领导者）于2026年5月推出了UiPath for Coding Agents (www.uipath.com) (www.uipath.com)。该平台将AI编程智能体视为另一种自动化工具：公司可以将任何智能体（CogitoCorp的、OpenAI的等）插入UiPath的可视化工作流中。其理念是在企业控制下实现无缝的端到端自动化（构建、测试、部署）。UiPath宣称“规模化编排”，确保AI生成的代码流经与人类代码相同的审计/权限管道 (www.uipath.com) (www.uipath.com)。关键功能包括基于角色的访问、审计跟踪、凭证库和策略执行——实质上是对AI输出强制执行企业合规性 (www.uipath.com) (www.uipath.com)。实际上，大公司正在使用UiPath将智能体连接到CI/CD管道和多系统工作流中（例如，将Jira问题与代码更改关联，无需手动交接 (cookbook.openai.com))。

• JetBrains AI Assistant。 JetBrains通过AI助手插件（2026.1版发布）将其智能体集成到其IDE套件（IntelliJ、PyCharm等）中。其文档将编程智能体描述为“自主规划和执行多步骤开发任务”的系统——编辑文件、运行测试、在您的项目上调用工具 (www.jetbrains.com)。JetBrains提供内置智能体（例如Junie、Claude Agent、Codex Agent）以及标准智能体客户端协议（ACP），以便企业可以接入自己的模型。用户可以使用项目特定的指令和“技能”定制智能体，并且每个智能体操作都需要明确的用户批准，或者可以根据模式设置为自动 (www.jetbrains.com) (www.jetbrains.com)。这使得开发者能够控制哪些AI更改进入代码库。JetBrains专注于将智能体保留在熟悉的开发者工作流中（IDE窗口、代码审查）。

• IBM watsonx Code Assistant。 IBM将watsonx定位为“企业就绪”的编程助手套件。GA公告强调使用AI辅助分析和重构实现企业Java现代化 (www.ibm.com)。IBM的产品接入IBM的混合云和DevOps工具。它强调安全性/合规性（例如RBAC、审计日志），旨在处理受监管行业中的大型遗留代码库。它还包括专门的模块（例如用于大型机代码）。IBM的智能体支持常见的企业语言（包括Go/Java/Python等 (github.com)），并作为其watsonx AI平台的一部分出售，通常在企业防火墙后运行。

• 其他企业解决方案。 许多供应商现在提供AI编程工具的“企业”层级或本地部署版本。GitHub Copilot for Enterprise允许公司部署私有实例；AWS CodeWhisperer的专业级别增加了组织范围的策略控制 (aws.amazon.com)。Atlassian将AI功能内置到Jira和Bitbucket中（例如为拉取请求启用copilot）。甚至安全公司（Snyk、Checkmarx）也正在集成LLM，以便在策略约束下审计或生成代码。其统一主题是治理：数据加密、使用日志记录和人工干预检查点。

按能力分类

下面我们从关键维度对智能体进行分类：

自主性级别

• 辅助式帮助（低自主性）。 这些工具会建议代码，但在没有开发者确认的情况下不会对其进行操作。典型示例：GitHub Copilot、基本的ChatGPT代码补全、IDE IntelliSense-plus（TabNine、通过提示的Codex）。它们生成代码片段或单个函数，但开发者必须手动审查并集成每次更改。由于人工控制所有编辑，安全性很高。

• 交互式助手（中等自主性）。 能够进行多轮对话或在指导下执行多步骤任务的智能体。例如，开发者可能与智能体聊天以重构代码或编写模块，智能体响应并执行代码编辑。示例包括Aider等工具（您请求“添加错误处理”，它会编辑并提交）或带有代码解释器的ChatGPT（用户提示任务并获得执行结果）。这些系统仍然会循环接收用户反馈：人工审查测试或批准提交。它们通常会规划或概述步骤（例如IDE中的Junie/Claude智能体），但会等待用户批准最终提交。

• 自主智能体（高自主性）。 在这个级别，智能体接收一个高级命令并自主执行整个工作流。它会阅读代码库、制定计划、编辑文件、运行测试，甚至创建拉取请求——所有这些都无需逐步的人工提示（尽管开发者可能稍后审查）。Anthropic的Claude Code和Cursor（在智能体模式下）就是这种类型的典范：您可以说“实现用户报告功能”，智能体将循环执行编写代码、运行代码、修复错误并提交结果的过程。它们依赖于内置的规划循环：例如，Claude Code可以在执行前生成计划大纲，并在执行有风险的操作时请求确认 (rmax.ai)。UiPath的编排层甚至允许智能体之间进行完全自动化的流程。这些高自主性智能体需要强大的安全控制（审批/重置），但通过端到端处理繁琐的工作，可以显著提高生产力。

支持的语言

现代智能体通常涵盖所有主流编程语言。例如：

• Web和脚本语言： Python、JavaScript、TypeScript、PHP、Ruby、Go、Rust、Kotlin等。AWS CodeWhisperer明确列出支持13种以上语言，包括Rust、Go、Kotlin、Scala等 (aws.amazon.com)。Aider宣称支持*“100多种语言”*，点名Python、JavaScript、Rust、Ruby、Go、C/C++、PHP、HTML/CSS以及数十种其他语言 (aider.chat)。IBM的助手同样涵盖Go、Java、C/C++、JavaScript、Python、TypeScript等 (github.com)。

• 企业/遗留语言： Java得到普遍支持；大型商业工具通常也支持C#和数据库语言（SQL、PL/SQL）。大型机语言（COBOL）由专门的解决方案处理（IBM的套件有Z版）。

• 基础设施和Shell： 许多智能体可以生成Shell脚本或SQL查询。例如，Cursor可以接受系统任务的描述并输出bash命令 (siliconangle.com)。Gemini CLI内置了运行Shell命令的访问权限。CodeWhisperer甚至支持Shell脚本。

实际上，几乎所有公共代码中出现的语言都可以由LLM后端处理。然而，token限制和可用的训练数据意味着对于非常小众或专有语言的支持质量可能会有所不同。

集成界面

编程智能体通过多种接口融入开发者的工作流：

• IDE和编辑器： 最常见的入口点。VS Code和JetBrains IDEs都有用于智能体的插件/扩展。它们以聊天面板、侧边栏工具或代码透镜建议的形式出现。（GitHub Copilot、Aider、Cline、Continue、Codex Agent、Junie、Claude Agent等都集成在此。）在IDE中，您通常通过在代码中注释或使用命令面板来调用智能体，智能体可以打开/编辑文件、运行代码并内联显示差异 (www.jetbrains.com) (github.com)。

• 命令行/CLI工具： 开发者也使用基于终端的智能体。示例：codex-cli/openai工具、Aider CLI、Goose的CLI、Gemini CLI。这些工具被放入shell并给予指令（通常通过提示或配置文件）。它们在本地仓库上操作，可以运行命令或编辑器。例如，codex-cli（来自OpenAI）可以编写脚本来自动化任务（如Jira→PR示例中所示 (cookbook.openai.com))。CLI智能体通常允许脚本编写和集成到shell管道中。

• CI/CD管道： 智能体越来越多地在构建/测试管道中被调用。例如，社区构建的GitHub Actions（如AutoAgent）可以用于在拉取请求上运行智能体 (github.com)。典型模式是：GitHub Action在PR上触发，运行智能体（例如Cursor CLI或codex-cli）来建议改进或运行测试，并将结果作为评论发布回去 (github.com) (cookbook.openai.com)。这使得AI代码分析可以在PR提交或夜间构建时自动进行，将智能体桥接到DevOps中。一些供应商可能还提供Jenkins/GitLab集成（通常通过webhooks或自定义插件）。

• 问题跟踪器和工作流工具： 智能体可以与任务系统集成。例如，OpenAI的GitHub“食谱”展示了如何自动化Jira工作流：标记Jira工单会启动GitHub Action，运行智能体来创建PR并更新这两个系统 (cookbook.openai.com))。同样，Asana或Monday.com中的任务可以通过webhooks触发AI代码任务。这个界面仍在发展中，但展示了智能体如何连接“工单到提交”。

• 消息和ChatOps： 尽管在编程方面不太常见，但一些智能体可以通过聊天应用程序（Slack、Teams、Discord）调用。OpenClaw等工具展示了智能体在Slack或WhatsApp上监听 (openclawdoc.com)，Google的Gemini CLI也可以从聊天中调用。在编程环境中，人们可能会想象Slack机器人根据请求运行代码智能体，但目前这更多是实验性的。

• RPA/编排： 除了开发工具，企业机器人（如UiPath工作流）可以与其他系统（数据库、CRM等）一起编排智能体。UiPath的产品将智能体连接到一个编排器，该编排器可以调用代码智能体、处理重试并在整个企业架构中强制执行策略 (www.uipath.com) (www.uipath.com)。

安全性和治理

由于编程智能体可以修改生产代码，安全控制至关重要。方法包括：

• 审批循环： 智能体在进行重大更改之前通常会请求确认。例如，Anthropic的Claude Code会提前规划其修改，并要求对破坏性操作进行“批准” (rmax.ai)。JetBrains的助手会提议更改，并允许用户审查或回滚每个差异 (www.jetbrains.com)。这确保了在进行有风险的编辑时有人工干预。

• 内存/治理层： 新研究利用内存来防止重复错误。ProjectMem系统（2026年）就是一个很好的例子：它将所有开发事件（打开的问题、尝试的修复、决策）记录在一个仅追加日志中，并将其总结为智能体可访问的内存。在智能体采取行动之前，ProjectMem可以警告之前是否出现过类似的修复失败，有效地充当“事前门禁”或治理过滤器 (huggingface.co) (huggingface.co)。换句话说，内存不仅仅是历史记录——它积极防止重复的破坏性行为。

• 凭证和环境沙盒： 企业解决方案提供凭证库和沙盒运行时。例如，OpenClaw明确将每个技能隔离在一个沙盒中，限制文件/数据库访问 (openclawdoc.com)。UiPath的凭证管理确保智能体未经许可无法访问秘密系统 (www.uipath.com)。代码解释器式沙盒（如OpenAI的）允许智能体在临时环境中运行代码，从而控制任何有害影响。

• RBAC和审计： 企业使用传统的IT控制。UiPath和IBM工具记录每个智能体操作并将其与用户身份关联，并使用基于角色的访问控制（例如，只有高级开发人员才能部署AI更改） (www.uipath.com)。组织策略可以完全阻止某些操作（例如“无互联网访问”或“无数据库写入”）。

• 受限模型/内存访问： 某些平台强制执行“指令过滤器”。JetBrains的AI助手存储智能体必须遵循的项目指令（AGENTS.md） (www.jetbrains.com)。MCP框架通过白名单限制工具（例如，MCP Git服务器只暴露安全命令） (www.runlocalai.co)。语言模型提供商也可能提供代码过滤器（扫描不安全模式）。

总之，每个智能体系统都结合了技术保障（沙盒、白名单）和审查流程（人工审批、审计）。当AI对实时代码拥有写入权限时，这种分层安全性至关重要。

部署模型（SaaS对比自托管）

编程智能体有两种主要的部署方式：

• SaaS / 云服务。 许多商业智能体作为云服务提供。例如，Copilot (GitHub) 和 CodeWhisperer (AWS) 运行在提供商的服务器上，您通过API或扩展访问它们。Google托管的Gemini模型也类似地基于云。SaaS版本需要互联网访问，并且通常涉及将代码片段发送给供应商。其优点是易用性和始终更新的模型。对于企业SaaS产品，供应商通常会隔离客户数据并提供私有实例。

  示例： AWS CodeWhisperer GA作为云服务提供（免费和专业层级） (aws.amazon.com)。客户只需在其IDE/AWS控制台中启用该服务，繁重的工作便在AWS中完成。权衡之处在于需要信任供应商处理代码片段。

• 自托管 / 本地部署。 为了保持代码私密性或遵守法规，许多框架允许本地部署。开源项目通常运行在您自己的硬件上。OpenClaw明确表示*“完全自托管”*——没有任何数据会离开您的服务器 (openclawdoc.com)。OpenHands和Goose可以在本地机器或企业云上运行（您控制LLM实例）。Gemini CLI可以使用本地LLM作为后端运行或进行容器化。一些系统（如ProjectMem）是本地优先的。

  示例： OpenHands可以通过Ollama或vLLM与本地LLM集成，完全在您的GPU上运行 (github.com)。同样，Goose的桌面/CLI原生运行，并连接到本地或私有模型。企业通常安装本地推理服务器（Anthropic的ClaudeSonnet本地部署，或Azure AI Studio私有模型），以便智能体在防火墙后运行。

• 混合模型： 一种常见的模式是“云+本地”混合设置。例如，OpenHands或Goose可能使用本地GPU进行常见操作，但在处理困难任务时回退到更大的云模型（“通过API使用Claude Sonnet，本地作为备用”） (www.runlocalai.co)。或者像Gemini CLI这样的工具是开源的，但依赖于Google的云LLM（这可能被视为SaaS）。

实际上，选择取决于优先级：初创公司和个人开发者通常为了方便而使用SaaS。拥有敏感代码的大型团队通常选择自托管模型（许多开源智能体）或受控的云产品。好消息是两者都可用：数十个框架明确支持混合操作（任何LLM，任何MCP工具）以适应任一模型。

研究渊源

今天的智能体汇集了多项研究线索。关键渊源包括：

• Transformer与LLM的进展。 整个领域都建立在Transformer架构（Vaswani 等人，2017） (rmax.ai)和大规模语言模型上。在2019-2020年，GPT-2/3 (OpenAI) 表明大规模无监督训练使模型变得非常流畅 (rmax.ai)。GPT-3普及了上下文学习，这意味着模型可以通过示例/指令进行提示，而不是进行微调。这使得“提示变成编程杠杆” (rmax.ai)。2021年，OpenAI的Codex（在代码上微调的GPT-3）在代码基准测试（HumanEval）上取得了突破性表现，并直接为GitHub Copilot提供了支持 (rmax.ai)。

• 思维链与规划。 早期的LLM只输出文本。2022年的研究（ReAct，Yao et al.）将“推理和行动”明确为一个循环 (rmax.ai)。ReAct教导模型将思维链与工具调用交错进行，有效地让LLM逐步推理代码任务。Meta的Toolformer（2023年）等相关工作训练模型决定何时在生成过程中调用API (rmax.ai)。这些思想直接融入了编程智能体的设计中，即AI编写一些代码，测试它（通过解释器），发现错误，然后完善其答案（一个简单的反馈循环）。像Claude Code这样的终端原生智能体就是这种模式的典范：它们内部生成攻击计划，执行，观察测试结果，并在需要时重新规划 (rmax.ai) (rmax.ai)。

• 智能体框架和循环。 2023年，像AutoGPT这样流行的演示展示了如何在一个管理型LLM之上分层处理子任务 (rmax.ai)。AutoGPT生成子智能体以通过创建任务、执行任务和迭代结果来达到高级目标（尽管通常不稳定）。大约在2024年，社区从华而不实的演示转向了系统化的智能体框架。这些框架为智能体提供了可重用的外壳：连接的内存、标准化的工具接口、权限模型等。到2025年，“终端原生智能体”（基于CLI的仓库助手）成为一种产品类别 (rmax.ai)。例如，Claude Code和Cursor推广了这种模式：“仓库感知上下文 + 结构化工具 + 用户审批” (rmax.ai) (siliconangle.com)。许多开源框架也趋同于类似的设计（代码上下文窗口、集成的Git工具、明确的用户确认）。

• 内存增强。 一个关键的研究线索是内存。标准LLM除了其有限的输入上下文之外是无状态的。最近的研究认识到编程智能体需要长期内存。Du et al. 于2026年3月的一项调查将智能体内存正式化为写-管理-读循环 (huggingface.co)，并回顾了各种方法（上下文内总结、检索缓冲区、学习型内存策略等）。他们指出编程智能体常受限于有限的上下文（每次运行会丢失“每个会话5000-20,000个token”），并需要持久化日志 (huggingface.co)。ProjectMem（2026年6月）就是一个具体示例：它记录每个开发者事件（bug、修复、决策），以避免重复过去的错误 (huggingface.co) (huggingface.co)。实际上，内存成为了治理——智能体不会提交已经尝试过的修复。这一研究线与普通的LLM研究（主要关注单会话任务）不同，它集成了多会话、有状态的行为。

总之，现代编程智能体将可扩展的LLM（GPT-3/4、Claude、Gemini、LLaMA衍生品）与智能体推理模式（思维链、ReAct、规划循环）和工具接口（沙盒、Git、Shell）结合在一起。系统之间的差异通常归结为自主性程度、内存使用和工具集成，但所有系统都共享“计划-行动-观察”循环。

关键发展时间线

• 2017年： Transformer架构被引入 (rmax.ai)，实现了代码的上下文感知建模。
• 2019–2020年： GPT-2/GPT-3展示了涌现的上下文学习能力 (rmax.ai)。模型可以遵循提示编写连贯的文本/代码，无需微调。
• 2021年： OpenAI发布Codex模型 (rmax.ai)。Codex在公开代码上训练，在代码基准测试中取得了最先进的性能，并为GitHub Copilot提供动力。AI代码建议（自动补全）成为主流——“Copilot时代” (rmax.ai)。
• 2022年6月： 亚马逊推出CodeWhisperer（2023年4月全面上市） (aws.amazon.com)，这是一款类似GitHub的AI编程伴侣，集成在AWS工具中。
• 2022年11月： OpenAI发布ChatGPT (GPT-3.5-turbo)，迅速成为流行的多轮代码助手（尽管不是一个完整的智能体）。
• 2022年10月： ReAct论文发表 (rmax.ai)，确立了LLM的“思考-然后-行动”范式。
• 2023年（早期）： Meta发布Toolformer（5月），OpenAI发布Code Interpreter（后更名为ADA，11月） (rmax.ai)，展示了AI在沙盒中自验证代码的能力。
• 2023年： AutoGPT演示推广了递归多智能体循环 (rmax.ai)。开源框架应运而生（例如OpenAI的codex CLI、Google的Gemini CLI、社区项目）。
• 2025年6月： 初创公司Anysphere (Cursor) 筹集9亿美元，公司估值达99亿美元 (siliconangle.com)。竞争格局：OpenAI收购Windsurf（30亿美元），GitHub Copilot年经常性收入达到约5亿美元 (siliconangle.com)。
• 2025年2月： Anthropic推出Claude Code，这是首个终端原生编程智能体 (time.com) (rmax.ai)。它可以读写本地文件、运行测试并生成子智能体执行任务。数月内，它积累了忠实用户群（年经常性收入达到10亿美元） (time.com)。
• 2026年5月： UiPath发布UiPath for Coding Agents (www.uipath.com)，将智能体与企业CI/CD和治理相结合。JetBrains发布其2026.1版本，内置编程智能体（Junie、Claude Agent） (www.jetbrains.com)。
• 2026年6月： 用于智能体的开源内存系统首次亮相（例如ProjectMem (huggingface.co))。行业共识是，最前沿的是在终端/IDE中具有强大治理能力的全栈智能体，这在许多产品中都有体现。

结论：入门指南

自主编程智能体的生态系统庞大且发展迅速，但好消息是“AI为每个人解锁了编程”。作为新手，您无需从头开始构建系统。首先，在您日常使用的工具中尝试AI编程助手。例如，在Visual Studio Code中安装GitHub Copilot或AWS CodeWhisperer（两者都有免费层级或试用版）。打开一个简单项目，让AI编写或重构一个小型函数。这将向您展示智能体如何自动补全代码并建议提交。或者，在示例Python脚本上使用ChatGPT的代码解释器（如果可用）来查看它如何运行代码和完善答案。

熟悉后，尝试一个开放智能体。例如，安装OpenHands CLI或Aider并给它一个任务（例如“为这个函数添加单元测试”）。观察它是如何编辑文件并提交更改的。您还可以尝试Gemini CLI（开源）以在本地与Google的模型交互。对于项目管理，可以查看JetBrains的AI助手（Junie/Claude）或VS Code的Continue扩展——许多都与Git和问题跟踪器无缝集成。

您产品创建旅程的下一步是将智能体集成到真实的工作流中。例如，添加一个GitHub Action，在每个拉取请求上运行一个CLI智能体（如OpenAI的Jira-到-PR示例中所示 (cookbook.openai.com))。或者尝试使用OpenHands SDK（遵循其文档）构建一个小的智能体技能，以自动化您代码库中的重复任务。OpenHands网站和GitHub上有很多社区示例。

始终记住：务必牢记安全性。审查智能体的更改，设置测试套件，并使用沙盒功能。许多框架允许您在获得信心之前以只读模式启动。总而言之，从小处着手，边做边学，并逐步让这些工具处理更多您的工作流。

编程领域的自主性已成定局。 到2026年6月，我们拥有一个涵盖爱好者脚本到企业平台的丰富生态系统。无论您是个人开发者还是管理大型团队，总有一个智能体解决方案适合您。关键在于积极投入，尝试这里列出的工具，并进行迭代。通过这样做，您将加入由AI作为真正开发伙伴，更快地构建未来软件的团队和公司浪潮。