从指令到 Agent：基于大语言模型构建智能编程助手.pdf

1、从指令到 Agent：基于语模型构建智能编程助段潇涵Trae IDE 架构师我介绍Trae IDE 架构师，致于语模型在研发程落地的实践，为研发领域提供 AI 相关能。段潇涵了解 Trae：https:/微信0102030405录编程助解决的痛点Agent 技术架构与核能实践效果与案例分享经验总结未来展望01编程助解决的痛点IDE 代码智能的发展历程直观感受 Agent 和 AI IDE 是什么02Agent 技术架构与核能Agent 架构概览Agent 程能构建Agent 的典型作模式：思考(Thought)规划(Plan)执(Action)观察(Observation)的循环，同时结合了具

2、调能和上下管理，形成了个完整的智能助作流程。Prompt 结构上下感知：对话过程产的信息跟踪上下感知：户的操作上下感知：代码知识图谱多轮对话与记忆管理随着与 LLM 交互次数的增加，因需要包含历史的所有信息，对 tokens 的消耗线性增多轮对话与记忆管理多轮对话与记忆管理多轮对话与记忆管理Prompt Caching在上下持续增加，历史信息持续增加后，通过 Prompt Caching 来降低成本、提升性能Agent 与 IDE 系统集成03实践效果与案例分享案例分享零到创建项场景案例分享新增 feature 场景案例分享bugfix 场景实践效果04经验总结关键经验总结模型成内容的不确定性

3、问题模型服务的稳定性和兼容问题Prompt 调试1.程后处理进兼容修复2.明确技术栈的指引3.更完善信息进校正1.多供应商集成2.灵活负载和降级3.统模型接层1.模型维度的 Prompt 隔离2.与所模型训练数据拟合3.效果评测&A/B 实验必不可少；积累数据并持续优化05未来展望AI Agent 未来展望认知增强具整合与扩展协作与集体智能1.多模态的整合理解2.领域知识的学习3.深度推理能主性提升1.通过如 MCP 等协议扩展具集合2.定义具的创建3.物理世界的交互1.分化&领域专业化2.多 Agent 协作框架3.知识共享与集体学习1.主规划与决策，解决复杂问题2.我学习与优化，持续我完善3.深度研究，未知问题提供解决思路Q&ATHANKS模型正在重新定义软件Large Language Model Is Redefining The Software