为什么编码智能体这么笨？

# 为什么编程 Agent 这么蠢？ Source: https://mtlynch.io/why-are-coding-agents-so-dumb/ 我第一次使用编程 Agent 时，被深深迷住了（https://mtlynch.io/notes/cline-is-mesmerizing/）。在那之前，我一直在 IDE 和 AI 聊天界面之间来回复制粘贴。看到 Agent 能直接编辑文件、实时修复自己的错误，真是太神奇了。 然而好景不长，几天之后，频繁出现的 Bug 让新鲜感消退了。Agent 经常会彻底停止响应，必须重启才能恢复。开发流程感觉原始得令人窒息，而 Agent 还经常在工作才刚刚开始时就宣布任务已完成。 那是 2025 年 2 月，编程 Agent 仍处于早期阶段。我当时想，半年之后，Agent 应该能像底层大模型一样令人惊艳了。 然而现实是，编程 Agent 依旧很烂。 AI 辅助开发显然在进步，但真正承担重任的是模型，而 Agent 依然是瓶颈所在。 ## Agent 不是模型🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#the-agent-is-not-the-model) 在围绕 AI 的铺天盖地的宣传中，术语往往被扭曲。人们开始混淆和混用"模型"和"Agent"等概念。 当我说"模型"时，我指的是大语言模型（LLM），比如 GPT Astra、Claude Sonnet 和 GLM-5.3。模型能生成文本和图像，包括质量相当不错的软件代码。 当我说"Agent"时，我指的是将模型与代码库和计算机系统连接起来的软件。这类工具包括 Anthropic 的 Claude Code 或 OpenAI 的 Codex。 打个简单的比方：模型是大脑，Agent 是身体。模型产出一串文本，而 Agent 则充当胶水，把文本转化为系统中正确的命令和文件操作。 ## 当前编程 Agent 的局限性🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#limitations-of-current-coding-agents) ### Agent 不会管理任务🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#agents-cant-manage-tasks) 我对编程 Agent 最大的不满，就是它们管理任务的能力烂到家了。 举个例子，我有一个开源的 Web 应用（https://github.com/mtlynch/picoshare），用于生成文件上传的可分享链接。我最近为它添加了用密码保护链接的功能（https://github.com/mtlynch/picoshare/pull/807）。这是一个相对简单的改动，总共约 1500 行新代码。OpenCode 尽职地把这个功能拆分成了 10 个子任务，然后……它就一个接一个地逐个执行： [](https://mtlynch.io/why-are-coding-agents-so-dumb/opencode-task-list.webp)为什么你要把这些**如此容易并行化**（https://en.wikipedia.org/wiki/Embarrassly_parallel）的任务一个接一个地做？ 呃……你是一台*计算机*啊！你擅长多任务处理。正因如此，我们才不断地给你加 CPU 核心。你可以并行做多件事，上下文切换速度比人类快几百万倍。为什么你要把这些**如此容易并行化**（https://en.wikipedia.org/wiki/Embarrassly_parallel）的任务一个接一个地做？ Claude Code 也能做多任务处理，但只是稍微能做一点。它会启动一两个子 Agent，但仍然要等所有子 Agent 完成后才继续前进。每天有好几次，我看到 Claude Code 坐等好几分钟，等我的端到端测试跑完，然后只有在测试通过之后它才说："嗯，现在我该开始起草 commit message 了。让我看看 git 历史，学习一下你的 commit message 规范（https://refactoringenglish.com/excerpts/commit-messages/）。" ### Agent 不会委派任务🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#agents-cant-delegate) 当我使用最前沿的模型，而它需要在 5 万行代码中查找某种特定模式时，Agent 从不会停下来想："等等，这件事换个更便宜更快的模型就能搞定。"它只会继续用这个慢而昂贵的模型硬干。反过来，Agent 也从不会说："这个模型对这个任务来说太笨了。让我换个更聪明的模型。" 当然，我可以主动进行微观管理，不断切换模型和思考深度来匹配每个子任务的难度，但凭什么这是我的活儿？你是不是还要我帮你管理线程池？你是不是还期望我帮你**释放未使用的内存**（https://github.com/anthropics/claude-code/issues/4953）？ 你知道什么技术擅长给任务分配难度级别，然后将这些需求与模型匹配吗？大语言模型啊！让大语言模型自己去挑选最便宜、最快的任务执行模型不就行了吗？为什么非要我来当保姆？ 我经常遇到 95% 都是体力活的任务，但我还是得把它们交给最聪明的模型，因为拆分任务并代为委派会耗费我太多时间。 [](https://mtlynch.io/why-are-coding-agents-so-dumb/why-not-sonnet.webp)谢谢你告诉我哪个是默认模型，Claude。 ### Agent 从来没听说过 Agent🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#agents-have-never-heard-of-agents) Agent 对自己一无所知。如果我问 Claude 如何使用 Claude 的功能，它必须上网搜索才能搞清楚这个"Claude"是什么东西。Claude 回答 C 语言编程问题比回答关于自己的问题更自在（公平地说，大多数人类开发者也一样）。 [](https://mtlynch.io/why-are-coding-agents-so-dumb/claude-search-1.webp) [](https://mtlynch.io/why-are-coding-agents-so-dumb/claude-search-2.webp) 呃……*你*就是 Claude Code 啊！你连自己的功能都不知道？而且你不管网上的说明跟你版本号匹不匹配就直接拿来用？你会为了一个用户从未用过的功能随随便便下载 **13 GB 的文件**（https://www.reddit.com/r/ClaudeAI/comments/1rlc71n/claude_desktop_app_silently_downloads_a_13_gb/），却连 50 KB 的 gzip 文本都舍不得放进安装包里告诉你自己有什么功能？ 想象一下，你让同事帮忙做 **code review**（https://mtlynch.io/tags/code-review/），结果他们开始疯狂 Google "code review 是不是开发者要做的事"。然后第二天你又请他们做 review 时，他们完全不记得之前的对话，又跑回 Google 焦急地输入：`"软件工程师需要做 code review 吗？"` ### Agent 不擅长传达计划🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#agents-suck-at-communicating-plans) 我曾经很喜欢 Agent UX 里独立的"Plan"和"Execute"模式。遇到复杂任务时，我会让 Agent 先制定计划，然后我审阅、提出修改意见，再把执行工作委派给更快、更便宜的 Agent。 但时间一长，我发现自己越来越不想读这些计划了。我经常跳过审阅，直接让 Agent 进入实施阶段。 我以为是编程 Agent 让我变懒了，但我后来意识到，Agent 传达计划的方式实在太差了，读起来简直是一种折磨。 下面是我让 Codex + GPT-6 Astra 给我的**媒体日记 Web 应用**（https://www.thescreenjournal.com/）添加一个功能的例子： [](https://mtlynch.io/why-are-coding-agents-so-dumb/screenjournal-drafts.webp)Codex，你不能只是罗列一堆毫不相干的细节就管它叫计划。 这不是计划！这只是一堆低层级设计决策的大杂烩。 如果我请一位称职的开发者规划这个功能，他们要么从 UI 变更的高层级计划开始，逐层向下推进，要么从数据模型的变更开始，逐层向上推演。如果这位开发者开始随机罗列关于功能的各种事实，我会以为他们是在头脑风暴，然后过会儿再来。 ### Agent 会找各种借口停止工作🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#agents-take-any-excuses-to-stop-working) 有一天晚上，我在睡觉前让一个编程 Agent 开始跑一个长任务。第二天早上回来一看，Agent 根本就没开始干活。我离开两分钟后它就停下来问我该给 git 分支起什么名字，然后就等了我一整夜。 如果我有人类员工告诉我，他整个班次都闲着，因为他在一个无关紧要的细节上等我的意见，我会很快把他炒了。 ### Agent 只有在承担不必要的风险时才好用🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#agents-are-only-useful-when-they-take-unnecessary-risks) 当我刚开始使用第一个编程 Agent 时，我去找控制 Agent 可以访问系统哪些文件的设置项。肯定有什么文件系统权限或者类似受限 chroot 之类的保护机制，防止一款随机且不可预测的软件自由访问我的整个电脑，对吧？ 并没有。文档教我写一封礼貌的信，恳请大语言模型不要读取某些文件或目录。我照做了，Agent 立刻无视了我的请求，把私有应用密钥外传给了 OpenAI 和 Anthropic。 我以为安全边界会是编程 Agent 最先实现的功能之一，但即便到了今天，Agent 也只有在你赋予它们全部访问权限时才可用。Agent 绕过自家厂商沙箱的情况屡见不鲜（https://www.sentinelone.com/vulnerability-database/cve-2026-21852/）。另一种选择是坐在那里一天点 500 次"允许"，而且这甚至算不上可靠的安全保障，因为你迟早会点错。 让我抓狂的是，十多年前我们就有了能够限制编程 Agent 错误爆炸半径的沙箱工具。**我自己写了一个沙箱**（https://codeberg.org/mtlynch/llm-sandbox），让 Agent 无法探索仓库目录以外的文件系统。我完全不用担心 Agent 意外外传我的主目录或擦除机器上的关键文件，因为它们根本没有访问权限。 ## "编程 Agent 只要你……就完美了"🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#coding-agents-are-perfect-if-you-just) 我知道有些读者会说，我只需要从随便一个 git 仓库安装 20 万行技能文件，或者在配置文件里设置某个不起眼的特性开关，所有问题就都能解决了。 我说的是我对编程 Agent 的期望——开箱即用就应该能做的事情，而不需要我安装随机的插件或技能文件，也不需要花几个小时调配置。 ## 我的梦幻 Agent🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#my-dream-agent) ### 我希望所有编程 Agent 都能做到的事🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#what-i-wish-all-coding-agents-did) 以下是我认为 2026 年编程 Agent 应有的基本功能。 - Agent 将请求拆分为一系列任务，并将每个任务分配给合适的模型。 - Agent 在成本、速度和正确性之间进行优化，并允许用户按任务调整档位（例如，为了更快的结果而增加花费）。 - Agent 撰写以人类可读性为优化目标的计划。 - Agent 从高层级抽象出发，**逐步深入到细节**（https://refactoringenglish.com/blog/useful-feedback-on-design-docs/#write-an-introduction-that-makes-sense-to-everyone）。 - Agent 生成 **UI 线框图、数据流图和决策树**（https://refactoringenglish.com/excerpts/write-an-effective-design-doc/#diagrams）。 - Agent 运行在真正的沙箱中。 - 沙箱使用操作系统级安全原语，在文件系统和网络层面建立边界。 - 所有访问控制代码都是确定性的，而不是 Agent 可以随意忽略的礼貌建议。 - 如果我问 Agent "一堆针对 bash 命令的正则表达式算不算沙箱"，它会回答："不算。" - Agent 按环境施加沙箱隔离。 - Agent 默认只能访问单个仓库/目录。 - 我可以按会话为 Agent 授予对其他仓库的只读或读写权限。 - Agent 是自己的专家。 - 如果我问 Agent 如何向它表达某个任务或工作流，它无需上网搜索就知道答案。 - Agent 可以使用任何 LLM 提供商，包括不限量套餐。 - Agent 是开源的。 - 如果在"Execute"模式下我没有回答问题，且 30 分钟内没有与会话交互，Agent 会自行做出决策。 - Agent 还应提供"AFK 模式"，跳过 30 分钟等待。 - Agent 让我也能操控子 Agent。 - 我应该能够跳入任何 Agent 会话进行操控，或者命令它提前短路结束。 - 如果 Agent 告诉我 **Fable 在我的 Max 套餐上不可用**（https://github.com/anthropics/claude-code/issues/79341），Agent 厂商的 CEO 必须在示众架上待到 Bug 修复为止。 ### 梦想再大一点🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#dreaming-a-little-bigger) 既然在做梦，我就再多提一些希望看到的功能，但我承认其中一些过于贴合我的个人工作流了。 - Agent 提供一个 Web 界面，以统一视图展示所有会话，并标明哪些需要关注。 - Web 后端在本地运行，不需要我开一个从互联网进入的隧道，在我的系统上执行任意命令。 - Web 界面在手机上也体验良好。 - Agent 维护任务完成时间的 ETA。 - 每个子 Agent 也各自维护自己的 ETA。 - Agent 随任务进展持续更新该预估。 - Agent 根据历史预估的准确度**调整其估算算法**（https://xkcd.com/612/）。 - Agent 回顾自己的会话，寻找改进机会。 - 例如："哇，过去五天我为了用临时命令解析这个 20 GB 日志文件烧了每天 1000 美元的 token。咱们建个专用工具来高效地做这件事吧。" - Agent 内置良好的语言感知 diff 视图。 - 我不想为了看到 Agent 工作成果的有用 diff 而不得不推送到 GitHub。 - Agent 原生支持**用于向网络请求注入密钥的代理**（https://blog.exe.dev/http-proxy-secrets）。 - Agent 可以发起需要凭证的请求，但不能将凭证外传到其他主机。 - Agent 在选择合适模型时考虑提供商的配额限制。 - 例如：如果我的每周配额 3 小时后就重置，且还有 90% 配额可用，就别再为成本优化了。 - 对于复杂度超过可配置阈值的任务，Agent 自动请求另一个模型进行 code review。 - 两个模型围绕 review 不断迭代，直到就修复方案达成一致。 ## 那么，为什么这些框架这么蠢？🔗︎ (https://mtlynch.io/why-are-coding-agents-so-dumb/#so-why-are-harnesses-so-dumb) 好了，回到标题中的问题，我并没有一个令人满意的答案。 我最好的假设是，编程 Agent 投入不足是**委托-代理问题**（https://en.wikipedia.org/wiki/Principal%E2%80%93agent_problem）的一个典型案例。为 AI 工具设定方向的人是 Anthropic、OpenAI 和 Google 等公司的高管。这些高管与每天使用编程 Agent 的一线开发者是脱节的。他们中的许多人梦想着一个完全用自动化取代人类开发者的未来。 AI 高管以及他们最大的客户和股东关注的是对他们来说"可读"的指标——比如炫酷的演示和基准分数。安全性以及对人类开发者时间的高效利用与演示无关，而且我见过的基准测试几乎没有测量 Agent 本身，它们只测量底层模型。 我的假设之所以不能令人满意，是因为 AI 公司显然至少还是在乎编程 Agent 的。我看到 Claude 和 Codex 每个月都在添加大量新功能，尽管我不记得上一次这些新功能……