Coding Agent 是什麼？不是幫你補一行 Code，而是能接一個 Issue、改 Repo、跑測試再開 PR

Lesson 033：Cursor、Codex 在做什麼？ 已經讓你看過 Coding Agent 的概念。

到了 2026，這個差別更值得再拆清楚：

Autocomplete
≠
Chat Assistant
≠
Coding Agent

Autocomplete：猜你下一段 Code

最早大家熟悉的 AI Coding 很像：

def calculate_total(items):
    # AI 猜接下來你可能要寫什麼

它主要看目前檔案與附近 Context，幫你補完下一行或下一段。

很快，但它不一定真的理解整個 Repository。

Chat Assistant：你問，它回答

再進一步，你可以問：

這個 function 為什麼會造成 race condition？

AI 讀你給的程式碼，再解釋或提出 Patch。

但很多時候真正執行修改、跑測試、開 PR 還是你做。

Coding Agent：把任務交出去

Coding Agent（程式開發代理） 的差別是它有工具與執行迴圈。

一個任務可能長這樣：

Issue：登入失敗時錯誤訊息會消失。
請找出原因、修正、補 regression test，不要改 API contract。

Agent 接到後可能：

1. 搜尋 Repository。
2. 找相關 Component。
3. 讀測試。
4. 重現 Bug。
5. 修改多個檔案。
6. 跑 Test / Lint。
7. 看失敗結果。
8. 再修。
9. 產生 Diff。
10. 開 Pull Request（PR）。

這已經不是「寫一段 Code」，而是執行一個工程 Workflow。

Repository Context 很重要

Lesson 027：CLI、Git、GitHub 已經講過 Repository 是一個有版本歷史、檔案結構與協作流程的專案。

Coding Agent 要做好，不能只看你正在開的檔案。

它需要知道：

• 哪裡是 Source
• 哪裡是 Test
• Build Command
• Coding Convention
• Dependency
• CI 規則
• 哪些檔案不能動

所以很多 Agent 會先大量 Search / Read，再開始改。

Tool 才是 Agent 的關鍵

它可能需要：

• File Read / Write
• Search
• Terminal
• Git
• Test Runner
• Browser
• GitHub API

這可以接回 Lesson 020：Agent 的能力不只來自模型「懂多少」，還來自它能操作哪些 Tools。

為什麼 Agent 一定要跑測試？

因為「看起來合理的 Code」不代表真的能跑。

好的 Coding Agent Loop 應該是：

修改
→ 測試
→ 讀錯誤
→ 修正
→ 再測試

而不是：

生成一大段 Code
→ 宣稱完成

PR 是比「直接改 main」更好的交付方式

Pull Request（拉取請求，PR） 讓修改先變成可 Review 的變更集。

GitHub 現在的 Coding Agent 工作流也常以 Issue → Agent → PR → Human Review 這種形式呈現。

好處是：

• 你可以看 Diff
• CI 可以跑
• 可以留言要求修改
• 不必一開始就信任 Agent 直接改正式分支

Agent 有權限，就有供應鏈與安全風險

如果 Coding Agent 可以：

• 讀 Secret
• 安裝任意 Dependency
• 執行 Shell
• Push Code
• 發布 Package

那它就是一個高權限軟體角色。

所以 Lesson 036 的最小權限 非常重要。

GitHub 目前也針對 Coding Agents 提供 CodeQL、Secret Scanning 與 Dependency 檢查等安全驗證，但這些工具仍不能取代 Human Review。

一句話帶走

Coding Agent 的核心不是「更會補 Code」，而是能在 Repository 裡執行一個多步驟工程任務：讀檔、搜尋、修改、跑命令與測試，再交付可 Review 的 Diff 或 PR。模型能力重要，但工具、測試、權限和 Review 同樣重要。