分享一下我从零做完一个完整 Coding Agent 的过程。整个项目用了大概一周6500 行代码能够自动探索代码库、调用工具执行操作、从执行结果中学习并持续迭代直到任务完成。把方法论整理出来供参考。第一步搞清楚 Agent 有哪些类型做之前先想清楚要做哪一类不同类型的技术路线差很多。2025-2026 年主流的 Agent 类型大概分四类Coding Agent自主完成编程任务修 bug、写代码、跑测试。代表Claude Code、Cursor Agent、SWE-agent。技术核心是 ReAct 循环 工具调用。Browser Agent操作浏览器完成网页任务。代表Browser-use、Operator。技术核心是视觉理解 DOM 操作。Data Agent分析数据、生成报告、操作数据库。代表各类 Text-to-SQL 工具。Multi-Agent多个 Agent 协同分工完成复杂任务。代表AutoGen、CrewAI。技术核心是任务分解和 Agent 间通信。我选了 Coding Agent原因是技术栈最清晰有高质量参考项目SWE-bench 有标准评测最适合深度学习。第二步系统研究高质量开源项目确定方向后不要急着写代码先把领域内最好的项目研究透。我研究了四个SWE-agent (Princeton)代码量最小最适合入门。核心贡献是 ACIAgent-Computer Interface概念专门为 LM 设计工具接口而不是直接让 LM 用 Linux shell。每轮输出 thought command接收执行反馈标准 ReAct 循环。SWE-bench 约 53%。ReAct 主循环的标准实现方式工具接口如何为 LM 设计而不是为人类设计。Aider生产级 CLI 工具代码量大但工程质量高。最值得学的是 repo-map 技术用 tree-sitter 提取代码符号按 PageRank 排序依赖关系把整个 repo 的结构压缩成几千 token 的摘要注入 system prompt。解决了大型代码库塞不进上下文这个核心问题。上下文管理的工程实现tree-sitter 多语言符号提取。OpenHands目前结构最完整的开源实现SWE-bench 72%。核心是 CodeAct用 Python 代码作为 action 格式和事件溯源状态管理记录所有 command/edit/result跨 action 持久化上下文。最新版本用 Claude Sonnet 4.5 extended thinking。事件溯源的状态管理Docker 沙箱隔离大规模工程的组织方式。Open-SWE2026 年的最新形态多 Agent 编排 异步执行 LangGraph 状态机。了解当前最新技术方向明确 v1 不需要做到这个复杂度。第三步设计架构核心思路以 SWE-agent 的 ReAct 架构为骨架加入 Aider 的 repo-map 上下文管理再叠加 Reflection 纠错循环。覆盖的技术点最全也是最能学到东西的路径。最终确定五层架构入口层 CLI / Chat / GitHub Issue↓Agent Core ReAct 主循环 EventLog事件溯源↓LLM 层 统一 Backend 接口多模型路由↓工具层 12 个工具 Runtime 抽象本地 / Docker↓上下文层 RepoMap TokenBudget History关键设计原则每层只依赖下一层的抽象接口不穿透。新增工具只需继承 BaseTool新增模型只需实现 LLMBackend不改核心代码。这是维持代码质量的关键。第四步技术选型每个选型都要有明确理由不要因为大家都用就选。特别说一下 MockBackendAgent 测试最大的痛点是依赖真实 API——慢、贵、不稳定。解决方案是实现一个 MockBackend按预设脚本返回 Action不调真实 LLM。这样 376 个测试 20 秒跑完每个模块可以独立验证。最重要的一点研究参考项目时带着问题去读不是泛泛浏览它的主循环在哪里怎么组织的工具接口怎么设计的为什么这样设计上下文超限时怎么处理的测试文件在测什么用了什么 mock 策略带着这四个问题读完参考项目架构基本上就自己想清楚了。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】