第 1 篇说第三代工具是"智能体式编程"，能自己改一整个功能。这一篇就拆开看：它到底是怎么"自己搞定"的？
理解了这个循环，你就知道该在什么时候放手、什么时候盯紧。
核心：一个会自我纠错的循环
普通对话式 AI（第二代）是一问一答：你要代码，它给代码，完了。它给的对不对，得你自己去跑、去验。
智能体式编程（第三代）的质变在于——它把"跑和验"也揽了过去，形成一个自己转的闭环：
┌─────────────────────────────┐
│ ① 想：这一步该干什么 │
│ ② 做：改文件 / 运行命令 / 跑测试 │
│ ③ 看：结果如何？报错了吗？ │
│ ④ 根据结果，回到 ① 决定下一步 │
└──────────┬──────────────────┘
│ 直到目标达成
▼
交付
眼熟吗？这正是《AI Agent 专栏》第 3 篇讲的 ReAct 循环（思考→行动→观察），只不过"行动"具体化成了程序员的日常动作：读文件、写文件、跑命令、看输出。
举个真实的例子
假设你说："修复购物车金额算错的 bug。"一个智能体式工具大致会这样跑：
① 想：先得复现和定位问题
② 做：搜 "cart" "total" → 读 cart_service.py
③ 看：发现打折逻辑把折扣加了两次
① 想：改掉重复计算，再验证
② 做：改 cart_service.py，跑相关单元测试
③ 看：3 个测试挂了 —— 原来有别处依赖旧行为
① 想：这几处也得同步改
② 做：改调用方，补一个针对该 bug 的回归测试
③ 看：全部测试通过 ✅
→ 交付："修复了折扣重复计算，改了 2 个文件，
加了 1 个回归测试，全绿。"
关键就在第三步"看"：它能看到测试挂了、报错了，于是自己回头修——不用你在中间来回传话。这个"做错了能自己发现、自己纠正"的能力，是它比第二代强一大截的根本原因。
为什么"能跑测试"是分水岭
智能体式编程能成立，很大程度靠一件事：它能真的运行代码、拿到真实反馈。
这带来一个重要推论——你的项目"可验证性"越强，AI 干得越好：
- 有测试：它改完能自己跑，挂了自己知道。没测试，它改完只能"觉得对了"，你也没法快速验。
- 报错清晰：编译错误、类型检查、linter 报警——这些都是喂给它的"观察"。信号越明确，它纠错越准。
- 能快速运行：跑一次要十分钟的项目，会拖慢整个循环。
所以一个反直觉的结论：投资测试和自动化检查，不只是为了工程质量，也是在给 AI 铺一条"能自己验对错"的跑道。 有了这条跑道，你才敢真正放手。
你在循环里扮演什么角色
放手不等于甩手。你的角色变成了三个关键节点上的"人":
- 开工前——定目标、划边界：把需求讲清楚（第 3 篇），并划出禁区："别碰数据库迁移""别动线上配置"。
- 过程中——在关键处把关：好的工具会在有风险的操作（删文件、跑危险命令、改核心逻辑）前停下来问你。别习惯性地无脑点"同意",该看的要看。
- 交付后——审查与验收：它说"完成"不等于真的对。这是第 5 篇的主题，也是你最不能省的一步。
一句话：它负责"把活干完",你负责"把好方向和结果"。 循环转得再自动，方向盘还在你手里。
别踩的几个坑
- 任务给太大、太模糊："帮我把整个项目重构一遍"——它容易越改越乱、越走越偏。拆成能验证的小步，一步步来。
- 无脑连点同意：图省事一路"允许",等于把方向盘扔了。风险操作前的确认，是给你留的刹车。
- 让它在没有版本管理的地方乱跑：一定在 git 有干净提交的前提下让它动手，随时能回滚。改乱了
git reset一下就回来了。 - 循环空转还不打断：偶尔它会卡在"改—错—再改"的怪圈里绕不出来。发现它原地打转，果断停下，自己看看，给个提示再让它继续。
小结
- 智能体式编程的核心是一个自我纠错的闭环：想 → 做（改文件/跑命令/跑测试）→ 看结果 → 再决定，直到达成目标。
- 它就是ReAct 循环在编程上的落地，比第二代强在能自己发现错、自己修。
- 可验证性是分水岭：有测试、报错清晰、运行快的项目，AI 干得明显更好——测试也是在给 AI 铺跑道。
- 你的角色在三个节点：开工前定目标划边界、过程中关键处把关、交付后审查验收。
- 别踩坑：任务别太大、别无脑同意、务必在 git 保护下、空转就打断。
它能自己写、自己跑、还说"全绿了"——但它写的代码真能信吗？ 它可是会一本正经地调用不存在的函数。下一篇专门讲怎么守住质量这道关。