### 一、先聊聊你大概率遇到过的问题
你肯定在Qoder、Claude Code、Cursor或通义灵码里，把需求描述给AI，它输出代码，你审核、改Bug、提PR。看起来效率确实不错。
但你有没有遇到过这些困扰：
- 每次只能处理一个任务——写完Controller才能切换到Service，全程串行，仿佛单线程执行
- 今天生成的代码和昨天生成的代码，风格截然不同，像是两个人写的
- 稍微复杂的需求，比如开发一个完整的订单模块，需要来回沟通十几轮
- AI偶尔“杜撰”一些不存在的API，或者直接违反你之前制定的规范
这不是你的问题，也不是AI不行。而是“使用姿势”需要调整。
很多人仍然把AI当作聊天机器人来用，但AI的能力远不止聊天那么简单。
### 二、Agentic Coding 到底是什么
传统方式，就像你和一个实习生搭档：
你告诉他需要做什么，他写完你检查，你来验收。每一步你都得盯着，所有人工操作都由你完成。
Agentic Coding 换了一种玩法——你变成技术负责人，手底下带着一个AI团队。
你不再亲自写每一行代码，而是把需求拆解开，分配给不同角色：有人负责设计，有人编写逻辑，有人进行审查，有人修复缺陷。
从“人 ↔ AI”的单线对话，进化为“人 → 多Agent团队 → 结果”的协作模式。这就是Agentic Coding的核心。
### 三、五个核心模式（附可实操的练习）
这些模式源自Anthropic的《Building Effective Agents》和过去一年的行业实践。每个模式都配有可以直接上手练习的示例。
#### 模式 1：Prompt Chaining（顺序链）—— 最容易上手
多个Agent依次接力，前一个的输出作为后一个的输入。
```
Agent 1（编码）→ Agent 2（审查）→ Agent 3（修复）
```
**练习 1：双Agent代码审查**
这是最简单的Agentic实验，不需要搭建任何系统：
打开你的AI Coding工具，先让它写一段代码（比如一个Spring Boot的订单服务），然后直接追加指令：“请审查这段代码，找出三个潜在问题，并给出修复建议。”
仅需两步——一个写，一个审——你已经完成了Agentic Coding最基本的模式。
**练习 2：自动审查+修复循环**
进阶一点，在一个Prompt里完成写→审→修的闭环：“写一段订单服务的Controller，然后自行审查代码，找出性能隐患和安全漏洞，最后给出优化版本。”
#### 模式 2：Routing（路由）—— 分派不同类型的任务
一个Router Agent判断任务类型，分配给专门的Specialist Agent。
- CRUD任务 → CRUD专家（熟悉MyBatis-Plus模板）
- 重构任务 → 重构专家（精通设计模式）
- Bug修复 → Debug专家（擅长调试）
**练习 3：手动路由**
在你的AI Coding工具里，创建三组不同的Rule文件：
- 第一组写CRUD专用规则（强调MyBatis-Plus规范）
- 第二组写重构专用规则（强调设计模式）
- 第三组写Bug修复专用规则（强调测试覆盖）
然后对同一个任务，分别用三组配置运行，对比输出差异。你会发现：把任务分派给合适的人，质量就是不一样。
#### 模式 3：Parallelization（并行）—— 同时做多件事
当子任务之间没有依赖关系时，可以分配给多个Agent同时执行。
**练习 4：前端+后端同时做**
开一个AI对话窗口，让第1个Agent写前端页面。再开另一个对话窗口，让第2个Agent写后端API。半小时后回来合并。
关键在于：两个Agent需要共享同一个API契约。先定义好接口格式（Swagger/OpenAPI），再分头执行。
**练习 5：多文件并行生成**
一个任务需要写Controller、Service、Mapper、DTO、Test五个文件。如果用串行方式，需要5轮对话。用Agentic的方式，告诉AI：“请按依赖顺序生成这五个文件，Controller依赖Service，Service依赖Mapper，依次生成。”
#### 模式 4：Orchestrator + Workers（编排器+工作者）—— 最核心的模式
- Orchestrator：拆分任务、分配、监控、汇总
- Workers：各自执行子任务
- Quality Gate：自动验证
**练习 6：你的第一个Orchestrator**
在任何AI Coding工具里试试这个Prompt：
> 你作为Tech Lead，帮我拆解“实现一个订单管理系统”的任务，分解为以下子任务，并依次执行：
>
> 子任务A（数据库设计）：表结构设计，完成标志：DDL可执行
> 子任务B（API实现）：Controller+Service，完成标志：JUnit通过
> 子任务C（测试）：正常路径+异常路径，完成标志：覆盖率>80%
#### 模式 5：Evaluator-Optimizer（评估器-优化器）—— 最保证质量
一个Agent生成，另一个Agent专门挑毛病，循环改进。
**练习 7：对抗式代码生成**
这是最值得试的实验。先给AI第一部分：
“请写一个用户注册功能，包含密码加密、邮箱验证、防重复提交。”
等它写完后，追加第二部分：
“现在换个角色，你是安全专家。请审查上面的代码，找出所有安全漏洞和反模式，并给出修复版本。”
大概率会发现：
- 第一轮代码看起来不错，但漏洞不少
- 第二轮审查至少能找出3-5个问题
- 第三轮修复后，代码质量显著提升
Agentic的核心价值——不是AI一次写对，而是AI自动审查、自动修复、自动优化。
### 四、Agentic Coding 和你的能力阶梯 如果你看过G1-G6能力阶梯： " G级别 | 含义 | 对应模式 | |-------|------|----------| | G1-G3 | 你用AI写代码（交互式） | 传统方式 | | G4 | 你能让AI按规范写（Spec-Driven） | Context Fence六层 | | G5 | 你能带AI-First团队 | Orchestrator+Workers | | G6 | 你能让AI自主完成复杂任务 | 以上全部+自动恢复 | 今天介绍的Agentic Coding，就是通往G5-G6的工具。你可能处于G3-G4（能写好单段代码），而Agentic正是将你推向G5-G6的路径。 ### 五、如何行动 不需要安装任何新软件，你手头现有的AI Coding工具就足够了。 | 天 | 练习 | 时间 | 学到什么 | |----|------|------|----------| | Day 1 | 双Agent审查：写代码→让AI审查→修复 | 20min | 顺序链模式 | | Day 2 | 对抗式：写代码→恶意审查→对抗修复 | 20min | Evaluator-Optimizer | | Day 3 | 手动路由：三组规则文件，执行同一任务比质量 | 30min | Routing价值 | | Day 4 | 任务拆解：让AI当Tech Lead，输出子任务清单 | 20min | Orchestrator思维 | | Day 5 | 并行生成：一个Prompt按依赖顺序生成全套文件 | 30min | Parallelization | | Day 6 | 长时间任务：给AI复杂任务，让它自己分步执行 | 40min | 长时间运行 | | Day 7 | 组合演练：设计你的第一个完整Agentic工作流 | 1h | 融会贯通 | 每天20到40分钟，一周后你会发现——你不再“用AI写代码”了，而是在“指挥AI团队写代码”。
### 六、一个重要的诚实声明 Agentic Coding的工具有很多（CrewAI、LangGraph、AutoGen、各AI Coding工具的内置Agent模式），但这些工具的底层原理都一样——就是上面介绍的5个模式。 我的建议是：不急着学工具，先用7天的练习把模式搞清楚。模式不会变，工具会换。 等熟练了这些模式，再考虑用工具搭建自动化工作流。那时你学的是“把现在的思维实验变成自动化脚本”，而不是从零学一个框架。 工具是皮，模式是骨。先长骨头，再贴皮。
