做 Coding Agent 之前，我对 Agent 的理解很简单

做 Coding Agent 之前，我对 Agent 的理解很简单。

给大模型一个目标，再接上 Prompt 和工具调用。用户说一句“帮我修这个 Bug”，模型分析代码，调用工具，修改文件，运行测试。只要这条链路能走通，一个 Agent 好像就做出来了。

真正自己做以后，我才发现，调用模型很容易，把一个任务从开始送到结束很难。

模型知道怎么解决问题，任务却还是会停在半路。它可能完成了前几步，却不知道当前做到哪里。工具调用失败后，状态接不上。上下文变长以后，前面的决定被冲掉。修改范围扩大，最后的代码甚至超出了用户原本想改的地方。

这些问题不能靠换一个更强的模型自动解决。模型能力当然重要，但它只负责其中一段。剩下的事情，得由软件系统接住。

我一开始盯着模型

刚开始做 CodeLeveler，我花了很多时间比较模型。

用什么模型，上下文有多大，推理能力怎么样，Tool Calling 支持得好不好。

当时我默认一件事，模型越强，Agent 就越强。

这个判断在短任务里经常成立。用户问一个问题，模型给出答案，过程很快结束。到了 Coding Agent，任务开始变长，模型能力就不再是唯一的限制。

一个 Agent 需要连续做很多事。它要理解目标，制定计划，调用工具，读取结果，修改代码，再运行测试。中间任何一步出了问题，后面的动作都可能失去依据。

模型知道下一步该做什么，不等于系统记得上一步已经做了什么。

Agent 开始像一个 Runtime

后来重新设计 CodeLeveler 时，我逐渐把它看成一个 Runtime。

用户说“帮我优化这个项目”，这句话背后至少包含了几类信息。 用户到底想解决什么问题，当前计划是什么，哪些步骤已经完成，哪些步骤还没开始，中间产生过哪些文件和结果。

如果这些内容只存在当前上下文里，Agent 每次出错都像回到起点。它重新读一遍需求，重新做一遍判断，甚至可能重复修改已经改过的文件。

状态管理因此变成了第一件需要认真处理的事。

工具调用也不是模型发出一个函数请求，等着结果回来这么简单。真实过程通常是，系统先判断权限，再执行工具，记录结果，必要时压缩上下文，最后决定是否继续规划。

模型的调用只是其中一个动作。

另一个容易被忽视的部分是可观察性。

传统程序出了问题，工程师会去看日志。Agent 出问题以后，我们还想知道它为什么选了这个方案，为什么调用了这个工具，为什么在这里停下来，失败以后有没有尝试恢复。

这些信息需要被记录下来。Event Log、Trace、Tool History、Task Timeline，都不是为了让系统看起来更复杂，它们决定了开发者能不能找到问题，也决定了用户能不能理解一次任务究竟发生了什么。

做到这里，Agent 已经越来越像一个需要长期运行的软件系统。

聊天只是入口

这也改变了我对 Coding Agent 产品形态的看法。

聊天界面只是入口，后面的执行过程才是重点。

用户提出目标，系统拆解任务，Agent 进入执行循环，工具负责操作，状态持续更新，结果接受验证。验证失败以后，它还要继续修正，或者把问题交回给用户。

一次聊天的质量，通常取决于某一句回答。 一次任务的质量，取决于它能不能持续推进，能不能在失败后恢复，能不能让用户中途接管，最后能不能交付一个经过验证的结果。

这两种产品的差别，只有真正做长任务时才会显现出来。

Demo 为什么惊艳，长期使用却很难

很多 Agent Demo 展示的是第一次成功。

用户给出一个目标，模型完成一次调用，界面上出现一个漂亮结果。整个过程几分钟就结束了，看起来很流畅。

真实工作往往要持续几个小时，修改几十个文件，中途处理各种错误，还要理解之前的历史上下文。用户可能随时插入新的要求，工具可能返回异常，某一步的判断也可能需要重新检查。

这时，稳定性会把智力差距放大。

一个能力只有八十分，但能持续运行、知道自己做到哪一步的 Agent，通常比一个能力一百分，却经常忘记状态、重复操作、半路失控的 Agent 更有价值。

因为用户真正需要的，往往不是一次惊艳的回答，而是一个任务能被可靠地完成。

我现在会换一套问题

以前做软件，我更关注功能有没有完成。

现在做 Agent，我会继续追问几件事。

任务失败以后能不能恢复。用户暂停以后能不能接着做。工具结果有没有被正确记录。上下文变长以后，系统还能不能保留重要信息。最后的结果有没有经过验证。

这些问题看起来和模型参数没有直接关系，却决定了用户能不能长期使用这个产品。

做 CodeLeveler 之后，我对软件的理解也发生了变化。

过去的软件，通常需要人把操作步骤提前写好。人告诉机器怎么做，机器按照规则执行。

Agent 时代，用户更多是在描述自己想达到什么目标。目标之后的计划、操作、检查和修正，需要另一套软件系统来完成。

我现在最关心的，已经不再是怎样让模型多说一句漂亮的话，而是怎样让它在复杂任务里少忘一步，少失控一次，最后真的把事情做完。