智能体编程
Agentic coding
学到 认得 就够:听到能明白
你可能会说
“有的 AI 只帮我补一行代码,有的会读整个项目、改文件、运行检查再修错误;后者为什么被叫作智能体编程?”
智能体编程让 AI 围绕开发目标在代码库与工具中连续行动,可能读取文件、规划修改、运行命令和检查结果;它强调执行闭环,不等于无监督完成。
使用 AI
科研里的例子
给助手一个明确的缺失值处理错误,让它读脚本、用小样本重现、修改并对照结果;最终说明应展示改变了什么与怎样核验。
与单次代码生成相比,编码智能体要理解项目环境、选择相关文件,并依据运行反馈调整。外层框架还负责状态、权限和恢复,这些都影响实际表现。研究者使用它处理统计脚本时,仍需锁定问题、样本和模型口径,不能让系统为了跑通而悄悄改变研究设计。代码通过检查也不说明识别假设或解释成立,软件验证与研究有效性要分开。
在你的学科里,直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明,再建议代码。 问题:[填写] 数据字典及已有规则:[提供] 可用软件与现有代码:[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析;缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据,所有转换写到派生结果并留记录;不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
查错并交付能核验的修复
请定位问题并给最小修复。 代码与环境:[粘贴] 输入样例:[不含私密信息的小样本] 实际错误或输出:[粘贴] 我期望:[填写] 先区分已观察事实与可能原因,优先用最小样例验证。解释根因,给最小差异和有意义的检查。没有实际运行权限时明确标为未运行建议,不把推测写成测试通过。若修改会影响研究规则或结果,指出具体影响,不顺手重构无关部分。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG09
判断
亲手检查一次
查看实际改动、运行日志和结果差异,确认未改变样本与估计口径;对关键统计步骤用独立计算或已知结果做核对。
它做不到的
自动改代码不意味着可自行扩大任务或删除材料,也不保证测试覆盖研究风险;生成的复杂代码仍需要能被理解和维护。
增量,由你来写
读完这张,你的理解变了什么?
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Claude Code — Overview2026-11-06 核对
- Anthropic — Effective harnesses for long-running agents2026-11-06 核对
卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。