第 3 讲
从零构建 Coding Agent
核心主题
Building a Coding Agent From Scratch
解构并亲手构建一个实用型编码智能体，强调"从零开始"的工程化理解，而非黑盒调用。
Coding Agent 架构
5 步可操作流程
- 终端读取用户输入
- 工具声明（告诉 LLM 有哪些工具可用）
- 工具调用（LLM 决定调用什么工具）
- 执行反馈（开发者代码执行并返回结果）
- 下一轮循环
关键设计
- LLM 仅负责决策：何时调用什么工具、参数是什么
- 开发者代码负责执行：Read_file、List_dir、Edit_file 等
- 规避风险：LLM 不接触真实文件系统，所有 I/O 由可控代码完成
Prompt Engineering 工程化
系统提示（System Prompt）
- 不仅是角色定义
- 更是行为约束框架（含安全指令、格式规范）
系统提醒（System Reminders）
- 通过
<system-reminder>标签 - 在所有交互环节中高频注入关键约束
- 对抗 LLM 的语义漂移（drift）
可扩展性设计
命令前缀提取
LLM 输出需遵循特定前缀：
TOOL: edit_file path="a.py" content="..."
便于解析器精准提取指令——这是鲁棒性基石。
子 Agent（Sub-agents）
- 将复杂任务自动拆解为多个子任务
- 由独立子 Agent 协作完成
- 解决上下文窗口限制与任务耦合问题
💡 对 Vibe Coding 学员的启示
- AI 不是黑盒：是可以理解和构建的，从零开始实现一个 Coding Agent
- 工程化思维：状态管理、接口契约、错误处理、可测试性
- Vibe Coding 应用：第 5 课 OpenClaw Agent 系统、每个 Skill 都是一个小 Agent