Agentic Coding路线图：从聊天编码到多Agent协作
### 一、先谈谈你很可能碰到的痛点
你一定在Qoder、Claude Code、Cursor或通义灵码中尝试过：向AI描述需求，它生成代码，你则审核、修Bug、提PR。表面上效率尚可。
但你是否有过这些体验：
- 每次只能处理单一任务——写完Controller才能转向Service，完全串行，如同单线程。
- 今天产出的代码与昨天的版本风格迥异，仿佛出自不同开发者之手。
- 面对稍复杂的需求，比如构建完整的订单模块，需要反复沟通十几轮。
- AI偶尔会“虚构”不存在的API，或直接违反你预先设定的编码规范。
这并非你能力不足，也不是AI能力有限，而是“使用方式”出了问题。许多人仍将AI当作高级聊天机器人，但AI的能力远不止于对话。
### 二、Agentic Coding究竟是何物
传统模式好比和一个实习生搭档：你下达指令，他编写代码，你检查验收。每一步都需要你亲自盯控，所有手动操作均由你执行。
Agentic Coding则换了一种策略——你成为技术负责人，麾下带领一个AI团队。你不再逐行编写代码，而是将需求拆解，分配给不同角色：有人负责设计，有人处理逻辑，有人承担审查，有人修复缺陷。从“人 ↔ AI”的线性对话，转变为“人 → 多Agent团队 → 成果”的协作模式。这正是Agentic Coding的精髓。
### 三、五大核心模式（附可落地的练习）
这些模式源自Anthropic的《Building Effective Agents》及过去一年的行业实践。每个模式均配备可直接动手的练习。
#### 模式1：Prompt Chaining（顺序链）—— 最容易入门
多个Agent依次接力，前一个Agent的输出作为后一个Agent的输入。
```
Agent1（编码）→ Agent2（审查）→ Agent3（修复）
```
**练习1：双Agent代码审查**
这是最简易的Agentic实验，无需搭建任何系统：打开你的AI编程工具，先让它编写一段代码（例如一个Spring Boot的订单服务），然后立即追加指令：“请审查这段代码，指出三个潜在问题，并提供修复建议。”仅需这两步——一个编写，一个审查——你就完成了Agentic Coding最基本的模式。
**练习2：自动审查+修复循环**
进阶操作，在一个提示词内完成编写→审查→修复的闭环：“编写一段订单服务的Controller，然后自行审查代码，识别性能风险和安全漏洞，最后输出优化版本。”
#### 模式2：Routing（路由）—— 分派不同类型的任务
一个Router Agent判断任务类型，并将其分配给专门的Specialist Agent。
- CRUD任务 → CRUD专家（精通MyBatis-Plus模板）
- 重构任务 → 重构专家（掌握设计模式）
- Bug修复 → Debug专家（擅长调试）
**练习3：手动路由**
在你的AI编程工具中，创建三组不同的规则文件：
- 第一组设置CRUD专用规则（强调MyBatis-Plus规范）
- 第二组设置重构专用规则（强调设计模式）
- 第三组设置Bug修复专用规则（强调测试覆盖率）
随后对同一任务，分别使用三组配置执行，对比输出差异。你会发现：任务分配给正确的角色，质量截然不同。
#### 模式3：Parallelization（并行）—— 同时执行多项任务
当子任务之间不存在依赖关系时，可以分配给多个Agent同时执行。
**练习4：前后端并行开发**
打开一个AI对话窗口，让第一个Agent编写前端页面。再开启另一个对话窗口，让第二个Agent编写后端API。半小时后返回合并。关键在于：两个Agent需共享同一份API契约。先定义接口规范（Swagger/OpenAPI），再分头并行执行。
**练习5：多文件并行生成**
一个任务需要生成Controller、Service、Mapper、DTO和Test五个文件。若采用串行方式，需5轮对话。利用Agentic方式，只需告诉AI：“请按依赖顺序生成这五个文件，Controller依赖Service，Service依赖Mapper，依次生成。”
#### 模式4：Orchestrator + Workers（编排器+工作者）—— 最核心的模式
- Orchestrator：拆分任务、分配、监控、汇总
- Workers：各自执行子任务
- Quality Gate：自动验证
**练习6：你的第一个Orchestrator**
在任何AI编程工具中尝试以下提示词：
> 你作为技术负责人，帮我拆解“实现订单管理系统”的任务，分解为以下子任务，并按序执行：
>
> 子任务A（数据库设计）：设计表结构，完成标志：DDL可执行
> 子任务B（API实现）：编写Controller+Service，完成标志：JUnit测试通过
> 子任务C（测试）：覆盖正常路径与异常路径，完成标志：代码覆盖率>80%
#### 模式5：Evaluator-Optimizer（评估器-优化器）—— 保障质量的最佳模式
一个Agent负责生成，另一个Agent专司挑错，循环迭代优化。
**练习7：对抗式代码生成**
这是最值得尝试的实验。先向AI输入第一部分：“编写一个用户注册功能，包含密码加密、邮箱验证、防重复提交逻辑。”待其完成后，紧接着输入第二部分：“现在切换角色，你作为安全专家。请审查上述代码，找出所有安全漏洞及反模式，并给出修复版本。”你很可能发现：
- 第一轮代码看似不错，但存在不少漏洞
- 第二轮审查至少能找出3-5个问题
- 第三轮修复后，代码质量得到显著提升
Agentic的核心价值——不在于AI一次性写对，而在于AI能够自动审查、自动修复、自动优化。
### 四、Agentic Coding与你的能力阶梯 如果你了解G1-G6能力阶梯： | 能力等级 | 含义 | 对应模式 | |---------|------|----------| | G1-G3 | 通过交互式对话让AI写代码 | 传统方式 | | G4 | 能令AI按规约生成代码（Spec-Driven） | Context Fence六层 | | G5 | 能带领AI优先团队 | Orchestrator+Workers | | G6 | 能让AI自主完成复杂任务 | 上述全部 + 自动恢复 | 本文介绍的Agentic Coding，正是通往G5-G6的工具。你可能处于G3-G4阶段（能够编写单段代码），Agentic便是将你推升至G5-G6的路径。 ### 五、如何付诸行动 无需安装任何新软件，你现有的AI编程工具即可胜任。 | 天数 | 练习内容 | 耗时 | 核心收获 | |------|---------|------|----------| | Day1 | 双Agent审查：编写代码→让AI审查→修复 | 20分钟 | 顺序链模式 | | Day2 | 对抗式生成：编写代码→恶意审查→对抗修复 | 20分钟 | Evaluator-Optimizer | | Day3 | 手动路由：三组规则文件，执行同一任务对比质量 | 30分钟 | Routing价值 | | Day4 | 任务拆解：让AI担任技术负责人，输出子任务清单 | 20分钟 | Orchestrator思维 | | Day5 | 并行生成：一个提示词按依赖顺序生成全套文件 | 30分钟 | Parallelization | | Day6 | 长时间任务：向AI分配复杂任务，使其自动分步执行 | 40分钟 | 长时间运行 | | Day7 | 组合演练：设计你的第一个完整Agentic工作流 | 1小时 | 融会贯通 | 每天投入20至40分钟，一周后你将发现——你不再“用AI写代码”，而是在“指挥AI团队写代码”。
### 六、一个重要的坦诚声明 Agentic Coding的实现工具众多（如CrewAI、LangGraph、AutoGen、各AI编程工具内置的Agent模式），但这些工具的底层原理一致——即上述5个模式。我的建议是：不必急于学习工具，先用7天练习吃透模式。模式恒定不变，工具则会更迭。待熟练掌握这些模式后，再考虑借助工具搭建自动化工作流。届时你学习的是“将当前的思维实验转化为自动化脚本”，而非从零学习一个框架。工具是表皮，模式是骨架。先构建骨架，再覆盖表皮。