小米的MiMo AI团队开源了MiMo Code，声称其在超过200步的任务中表现优于Anthropic的Claude Code。研究指出，当前编码代理在长时间任务中存在失败模式，尤其是在执行复杂编辑和测试时。伯克利大学的基准测试显示，主流代理在复杂任务中的通过率极低，强调了代理在长时间工作中的局限性。企业应关注代理的持久性和可靠性。

本文讨论了循环工程在AI开发工具中的重要性。Boris Cherny指出，他通过编写循环而非直接提示Claude来完成工作。循环工程通过调度执行、隔离工作区和验证代理，将编码代理转变为自主软件工作者，帮助开发者将维护工作转化为定期的自主工作流，从而提升效率。随着技术的发展，循环工程将成为AI辅助软件开发的核心。

大型语言模型正在从简单的聊天机器人发展为能够推理和行动的自主代理，但数据库优化的复杂性仍是主要挑战。卡内基梅隆大学的安迪·帕夫洛指出，AI在数据库领域的影响主要体现在调优代理和编码代理上，前者解决数据库优化的难题，后者提高了数据库项目的生产力。尽管存在风险，帕夫洛对代理操作模型持乐观态度，认为它能有效应对性能和稳定性问题。

研究员Udit Akhouri推出了名为ADHD的第三方Agent SDK工具，旨在提升编码代理的思维多样性。该工具模仿ADHD思维方式，支持头脑风暴和规划，而非直接加速编码。尽管声称性能提升“2倍”，但一些研究者对其新颖性和评估方法表示质疑。ADHD的透明性和可组合性被认为是其优势，但仍需更多验证。

Conductor是一款多代理IDE，支持在云端并行运行编码代理，消除了本地硬件限制。开发者可以在Vercel Sandboxes上创建云工作区，轻松管理多个代理，提升工作效率。Conductor与Claude Code、Codex等编码代理兼容，用户体验与本地版本相似。

编码代理的兴起使软件开发工作更加密集，导致开发者面临决策疲劳。尽管AI生成代码提高了生产力，但随之而来的代码审查和决策过程变得复杂，增加了开发者的压力。研究表明，开发者的工作密度和决策频率上升，导致疲惫和潜在错误。组织需要重新配置软件开发生命周期，以减轻开发者负担。

GitHub利用eBPF技术检测和防止部署工具中的循环依赖，从而提高部署安全性，并通过简化流程和使用编码代理来提升性能和工作效率。

文章讨论了云原生系统中编码代理的反馈机制及其重要性。有效的反馈环节对代理的自我纠正至关重要，但在分布式系统中获取反馈信号较为复杂。代理需要在真实环境中验证更改，以确保有效性，而非仅依赖本地沙箱。实现这一目标需要轻量级、可编程的环境，以便快速迭代并获得实时反馈，从而提高开发效率。

我们为编码代理提供了IDE原生搜索工具，结果显示延迟、成本和预算超支均有所降低。使用这些工具后，任务的中位延迟减少了8.33%，总成本降低了5.60%。与无工具的基线比较，选择的配置在不影响质量的情况下显著提高了效率。未来将扩展到更多编程语言，并计划在AI助手插件更新中默认启用此功能。

文章讨论了编码代理在软件开发中的重要性，强调了验证循环的必要性。有效的编码代理能够自我验证，减轻开发者的负担。代理需在真实生产环境中运行变更，并具备相应技能，以正确验证和调试。通过建立持续反馈循环，编码代理可成为开发者可信赖的合作伙伴，提高团队生产力。

软件开发正从人工驱动转向代理驱动。Databricks推出AI Gateway的编码代理支持，为开发者提供工具自由，同时为管理员提供统一治理。该平台整合访问控制、使用统计和成本管理，确保安全合规，提升开发效率。

软件基础设施正在快速变革，编码代理推动了这一进程。代理不仅构建和测试AI原生软件，还要求基础设施适应其需求。Vercel的代理基础设施整合了AI功能，提供无缝开发体验，使软件能够自主运行和修复。未来，基础设施将更主动地服务用户，推动软件自我编写和部署。

Jacob Lee利用Deep Agents和Agent Client Protocol（ACP）构建了一个符合自己工作流程的编码代理。他在LangChain开发开源工具，成功替代Claude Code，提升了工作效率，并实现了代理行为的全面可观察性。通过与IDE的紧密集成，他的代码编辑和调试变得更加高效。

本文探讨了通过构建“外部控制系统”增强对编码代理的信任。控制系统包括反馈和前馈机制，以提高代码质量和可维护性，减少人工干预，确保代码的正确性和功能性。通过不断迭代和改进，开发团队可以更有效地利用AI生成的代码，降低技术债务和错误率。