AntheaLaffy 智能体编程
主线：编程智能体 = 带工具访问权的对话式 AI（读写文件、搜索网页、执行 Shell），高度自主、功能强大，也高度能犯错。心智模型：把它当实习生——琐碎活它干，方向要你给，偶尔做错要纠正；走错方向就直接中断它。默认情况下框架会对可能有害的工具调用弹确认——先读再同意。
它怎么工作（高层理解即可）
- LLM 对「给定提示 → 补全字符串」的概率分布建模，推理 = 从分布采样；上下文窗口 = 输入+输出的总长度上限，固定有限。
- 多轮对话 = 每次把整个对话历史当提示喂一遍；工具调用 = 框架把特定输出解释为工具请求、把结果回喂（每次工具调用/响应 = 一次推理）。核心循环 200 行代码就能写出来。
- 隐私：默认大量数据上云——有时框架本地跑但推理在云端，有时整个代码库副本 + 全部交互记录都在服务商手里；开源工具与开源模型在追赶，但受硬件限制，本地跑前沿开源模型目前多数人不现实。敏感代码注意边界。
- dsh 注记：你现在用的 DeepSeek Harness（dsh）就是这类智能体——本会话即实例，skills/subagents/goals 与讲义里的 Claude Code 机制对应。
应用场景
- 实现新功能：规范描述是门艺术——够描述性让智能体朝你的意图走（至少方向对、便于迭代），又别细到自己把活干完了。TDD 特别有效：写测试（或让它写）、审核测试确认抓住了你要的东西、再让它实现。
- 修复错误：把编译器/linter/类型检查器/测试的错误丢给它（「修复 mypy 的问题」）。让模型进入反馈循环时最强——把环境配好，让它能自己跑失败的检查自主迭代；不现实就手动喂反馈（它犯错用文字纠偏，如把
python -m mypy换成mypy）。 - 重构：从重命名方法（代码智能也能做）到把功能拆到独立模块。
- 代码审查：「审查我尚未提交的最新更改」；支持网页抓取或装了 gh CLI 的还能「审查这个 PR {链接}」。评审基本规范见
code-review。 - 理解代码：向它问代码库的问题——新人入职尤佳。
- 作为 Shell 使用：指定工具的自然语言命令（「用 find 查所有超过 30 天的文件」）。
- 氛围编程（vibe coding）：足够强时一行代码不写也能做出应用——但产物你得审查。
注意事项
- AI 会犯错：底层只是概率性下一词预测，不是「智能」——审查输出的正确性与安全性。
- 验证 AI 代码有时比自己写还难；关键代码考虑手写。
- 会钻牛角尖、试图误导你：警惕调试死循环。
- 别当拐杖：警惕过度依赖与浮于表面的理解；大量任务 AI 还做不了，计算思维依然值钱。
- 修 bug 时用
debugging的工具链验证它的「修复」，而不是它说修好就信。
练习
学习材料在 exercises.md；用 DeepSeek Harness（dsh）实操的专属练习见 exercises-dsh.md。
改编自 MIT The Missing Semester 课程 Lecture 7: Agentic Coding（讲义 + 口播稿，CC BY-NC-SA 4.0）：https://creativecommons.org/licenses/by-nc-sa/4.0/ · 课程站点：https://missing.csail.mit.edu/ · 讲座视频：https://www.youtube.com/watch?v=sTdz6PZoAnw