会写代码的 AI 很多，能算 Coding Agent 的没几个

ChatGPT 会写代码，Copilot 会补全，LangChain 官网也说自己能做 agent------但它们大多不是 Coding Agent。这篇文章给你一把尺子：什么才算、差在哪，以及为什么"会生成代码"和"是 Coding Agent"是两码事。

三个画面

先看三个都叫"AI 写代码"的画面。

画面一：你开着聊天窗口，让 AI 写个函数。它给了，你复制、粘贴、运行、报错，再把报错贴回去。一来一回，你的手没停过。

画面二：你在 IDE 里敲代码，Copilot 的灰色幽灵文字提前半句浮现出来，你按下 Tab。

画面三：你对终端里的 agent 说一句"把这个失败的测试修绿"，然后起身去倒咖啡。回来时测试绿了，一份 diff 躺在那儿等你 review------中间它自己读了代码、改了文件、跑了三轮测试、修了两次报错。

三个画面里的 AI 都在"写代码"，但只有第三个是 Coding Agent。前两个差在哪？这正是本文要回答的问题。

先把"Agent"说清楚

聊 Coding Agent 之前，得先给"普通 Agent"下个定义。业内流传最广的公式来自 Martin Fowler：

Agent = Model + Harness

Model 是大脑，Harness（直译"马具"）是套在大脑外面的那副身体：它能调用哪些工具、有没有记忆、出了错怎么兜底。光有大脑只能聊天，配上身体才能做事------帮你订机票的是 agent，替你查资料写报告的是 agent，自动处理客服工单的也是 agent。

注意这个定义里没有出现"代码"两个字。Agent 是个通用概念，身体可以是任何形状。那么，什么样的 agent 才配叫 Coding Agent？很多人的第一反应是"给它加上写代码的工具不就行了"------差不多，但漏掉了最关键的一块。

分水岭：谁来判卷

Coding Agent 与普通 Agent 的本质区别，不在于它输出的是代码，而在于一件事：它做得对不对，由机器判卷，不由人判卷。

打个比方。普通 agent 像一个没法自己尝味道的厨师：每加一勺盐都得端给你，问一句"咸淡合适吗"。它订的机票是不是你想要的航班、写的报告方向对不对，最终裁判是你，反馈得等你开口。所以它每走几步就要停下来等人。

Coding Agent 的幸运在于，软件工程是极少数自带判卷机 的领域：代码写错了，编译器会报错；逻辑不对，测试会飘红；风格有问题，lint 会警告。这些反馈客观、即时、免费。Coding Agent 就是把这台判卷机接进了自己的工作循环------测试就是它的舌头，每改一次就尝一口，错了自己回炉，不需要人守在旁边。

于是就有了那个核心循环：

复制代码

读代码 → 改代码 → 跑起来（测试/编译）→ 看结果 → 不对就再改 → 直到通过

这个"编辑---执行---验证"的闭环，就是 Coding Agent 的心脏。画面一里的 ChatGPT 没有这个闭环------你在替它跑代码、贴报错，你才是那个循环，它只是循环里的一个函数。画面二的 Copilot 补全连循环都没有，它是一次性的预测。只有画面三，循环完整地长在 agent 自己身上。

插一个问题：为什么偏偏是"写代码"先跑出了 Agent？

这两年各行各业都在做 agent，但公认最先"能真干活"的就是 Coding Agent。这不是巧合，而是软件工程这个领域天生占了三个便宜。

第一，有判卷机。 上面说过了，测试和编译器提供客观、即时、免费的反馈。对比一下"帮我策划一场营销活动"------方案好不好，得等市场用几周时间告诉你，agent 根本没法自己迭代。

第二，错了能悔棋。 git 让每一步修改都可回滚，沙箱让危险操作出不了圈。agent 可以大胆试错，代价近乎为零。而"帮我给客户发封邮件"这种事，发出去就收不回来，你敢让它自主循环吗？

第三，整个世界都是文本。 代码、报错、日志、diff、文档，全是大语言模型最擅长的介质，不需要看屏幕、不需要动鼠标。环境本身就说着模型的母语。

判卷机、悔棋键、母语环境------三样凑齐，自主循环才转得起来。其他领域的 agent 之所以慢半拍，往往不是模型不行，而是这三样凑不齐。理解了这一点你就明白：Coding Agent 不是"普通 Agent 加个写代码功能"，而是 agent 这个物种在条件最好的栖息地里，最先完成的一次进化。

一个 Coding Agent 的五件套

把闭环拆开，一个合格的 Coding Agent 需要五样东西。用身体打比方：

1. 手------能改文件、能跑命令。 读写编辑文件、执行 shell 命令、用 grep 在仓库里搜代码。研究者给这层起了个正式名字叫 ACI（Agent-Computer Interface，agent 与计算机之间的接口）。SWE-agent 那篇论文证明过：同样的模型，接口设计的好坏能拉开几十个百分点的成绩------手笨手巧，差别很大。

2. 眼------在几十万行代码里找到该看的。 真实仓库塞不进任何模型的上下文窗口。所以它得会检索、会读目录结构、会先看骨架再看细节，长任务里还要会"压缩记忆"腾地方。这层功夫业内叫上下文工程（Context Engineering）。

3. 舌头------自己验证，错了自己修。 前面说的判卷闭环：跑测试、读报错、定位、修复、再跑。这是分水岭本岭。

4. 记性和条理------计划、清单、断点续跑。 复杂任务要先拆解成 todo，做完一项勾一项；跑到一半断了，明天能接着跑。有些还会派"子 agent"------一个干活、另一个专门挑刺。道理和人类团队一样：写代码的和验收的最好不是同一个，自己给自己批改作业，总是批得太宽容。

5. 安全带------沙箱和权限。 它的动作是有副作用的：删文件、执行命令都是真删真执行。所以必须有隔离环境、权限审批、git 兜底（改坏了能回滚）。普通 agent 说错一句话可以重说，Coding Agent 敲错一条 rm 命令可没法重说。

行业里还有一条事实标准：能不能被拉到 SWE-bench 这类基准上考试------给它一批真实开源项目的 bug，看它端到端能修好多少。考不了这个试的，基本就不是 Coding Agent。

一张表看懂区别

维度	普通 Agent	Coding Agent
判卷人	人，或模糊的外部信号	编译器、测试、lint------客观且即时
核心循环	人在循环里当调度器	"编辑---执行---验证"闭环长在自己身上
动作性质	多为查询、生成、调 API	有副作用的写操作（改文件、执行命令）
工作环境	网页、API、对话框	文件系统 + shell + git 的真实开发环境
出错代价	重说一遍	需要沙箱、权限、版本回滚兜底
能否标准化考试	难	SWE-bench 等基准，成绩公开可比

如果嫌表格麻烦，记一个零装配测试就够了：

把它指向一个真实仓库，说"把这个失败的测试修绿"，不写一行胶水代码------它能自己跑到绿，就是 Coding Agent；要你先拼工具、写编排、搭循环，那它是框架。

逐个裁决：市面上这些，谁算谁不算

有了尺子，量一圈市面上的名字。

算的：Claude Code、OpenAI Codex、Gemini CLI、Aider、Cline、Cursor/Windsurf 的 agent 模式、GitHub Copilot coding agent（注意，是这个独立产品，不是补全功能）、OpenHands、SWE-agent。它们的共同点：拆开箱子闭环就是通的，并且都在 SWE-bench 类基准上交过成绩单。

不算的：LangChain / LangGraph。 它们是通用 agent 框架 ------提供循环的机械零件（状态图、消息传递、工具抽象），但不预设"环境是软件工程"。打个比方：Coding Agent 是拼好的机器人，LangChain 是那桶乐高。桶里的零件确实能拼出机器人，但桶本身不是机器人。有意思的是，LangChain 公司自己在框架上拼了两个东西：deepagents（自称"电池齐全的 agent harness"，内置文件系统、规划工具、子 agent）和 Open SWE（开源的异步 Coding Agent）。这恰好从反面证明了边界------Open SWE 是 Coding Agent，LangGraph 只是它脚下的地基。同理，AutoGen、CrewAI 这些通用框架也都不算。

不算、但值得单说的：AgentScope。 阿里通义实验室的这个通用多 agent 框架是个有趣的灰色地带：2026 年 5 月发布的 AgentScope 2.0 直接内置了 Bash()、Read()、Write()、Edit() 这些工具原语，还带 Docker、E2B 等沙箱后端和细粒度权限系统------相当于把 Coding Agent 的"手"和"安全带"做成了框架自带零件，装配成本从"数周"降到"一个下午"。但零件齐全不等于闭环接通：针对代码调优的提示词与上下文管理、验证循环的默认策略、经过基准检验的脚手架，这些仍要你自己动手。零件送到了门口，闭环还得自己接。

也不算的：Copilot 补全、以及所有"会输出代码的聊天机器人"。 判据从来不是"输出是不是代码"，而是"闭环长在谁身上"。

两个最容易踩的误解

误解一："会生成代码 = Coding Agent"。 生成只是闭环里的一环。没有执行和验证，生成得再好也只是画面一------你依然是那个人肉调度器，凌晨两点还得守着窗口贴报错。

误解二："用框架能拼一个，所以框架也算"。 "能用来造"和"是"是两回事。而且要泼一盆冷水：2026 年用通用框架自拼一个通用 Coding Agent，多半是负杠杆 。原因藏在一个不太显眼的事实里------Claude Code 这类产品的 harness 敢做得很薄，是因为模型在训练阶段就针对这套工具专门练过，大脑和身体是协同演化 的；通用框架必须假设"什么模型都能接"，吃不到这份红利。你自拼的那个，等于在重造别人用海量工程时间加模型协同训练打磨过的东西。自建真正说得通的场景只剩一类：内部定制------私有沙箱、特殊合规、垂直工作流，这也正是 Open SWE 和 AgentScope 瞄准的生态位。

结语

回到那三个画面。画面一和画面二里，AI 是你手里的工具，循环在你身上；画面三里，循环第一次完整地长在了 AI 身上，你从"调度器"退到了"验收人"。

一句话收束：

普通 Agent 是"能替你做事的 AI"，Coding Agent 是"做完还能自己对答案的 AI"。框架给你循环的机械零件，Coding Agent 给你的，是已经咬合进真实开发环境、拆箱即转的那个循环。

判断一个新工具算不算，不用听发布会------把它指向一个仓库，说一句"把这个测试修绿"，然后去倒杯咖啡。回来时答案自然揭晓。

参考来源：

注：文中提到的产品能力可能随版本变化，引用某项具体能力前请以官方文档为准。