论文

为终端构建人工智能编码代理:脚手架、利用、上下文工程和经验教训

Building AI Coding Agents for the Terminal: Scaffolding, Harness, Context Engineering, and Lessons Learned

智能体系统上下文与知识上下文工程记忆Agent HarnessAgent记忆

摘要

AI编码辅助的格局正经历从复杂IDE插件向多功能终端原生Agent的根本转变。CLI型Agent直接运行在开发者管理源码控制、执行构建和部署环境的地方,为长程开发任务提供空前的自主性。本文介绍OPENDEV,一个用Rust编写的开源命令行编码Agent,专为这一新范式而设计。有效的自主辅助需要严格的安全控制和高效的上下文管理,以防止上下文膨胀和推理退化。OPENDEV通过复合AI系统架构应对这些挑战,包括按工作负载专用的模型路由、分离规划与执行的双Agent架构、惰性工具发现,以及逐步压缩旧有观察的自适应上下文压实。此外,它采用自动化记忆系统跨会话积累项目专属知识,并通过事件驱动的系统提醒对抗指令淡出。通过强制显式推理阶段并优先考虑上下文效率,OPENDEV为终端优先的AI辅助提供了安全、可扩展的基础,为稳健的自主软件工程提供了蓝图。

构建面向终端的高效AI编码Agent:脚手架、执行框架、上下文工程与经验教训
图1:OpenDev 概览。工作被组织为并发会话,每个会话由多个专门的子智能体组成;每个智能体执行类型化的工作流(Execution、Thinking、Compaction),这些工作流独立绑定到用户配置的LLM。这种四级层次结构(session → \to agent → \to workflow → \to LLM)支持细粒度的模型选择,可按工作流优化成本、延迟与能力之间的权衡。