2025年的智能体编程热潮指的是自主人工智能编程智能体（如Devin和Claude Code）的采用和开发迅速激增。这些智能体基于大型语言模型构建，能够在最少人工干预的情况下，跨多个步骤规划、编写、调试和执行代码，标志着从早期仅建议代码片段的工具型AI助手发生了转变。这一热潮由模型推理能力的进步、2024年底Anthropic发布模型上下文协议（MCP）等标准化协议，以及风投对AI软件开发工具投资的增长所推动。
与响应提示的传统聊天机器人不同，智能体编程智能体以目标导向行为运作，使用命令行界面、网络浏览器和代码仓库等外部工具。它们可以修改文件、运行测试并迭代解决方案，通常用户只需提供高层指令。到2025年年中，这些智能体已被集成到主要开发环境中，包括OpenAI、Anthropic以及Cursor等初创公司的产品，并越来越多地用于生产级软件工程任务。
历史背景
AI智能体的概念源于20世纪中叶的控制论和人工智能研究。Oliver Selfridge 1958年的论文《Pandemonium: A Paradigm for Learning》提出了一种智能体导向架构。实用的智能体实现在1990年代随着信念-愿望-意图（BDI）软件模型和智能体导向编程而出现。早期智能体使用简单的if-then逻辑，扩展成大型决策树。到2010年代初，Siri和Alexa等消费产品有时被称为AI智能体，但它们缺乏通用推理能力。
基于LLM的智能体的学术研究始于2018年左右。2023年底，OpenAI推出函数调用API后，部署加速，该API允许模型调用外部工具。Anthropic在2024年底推出的模型上下文协议标准化了智能体获取上下文感知并作用于世界的方式，实现了更广泛的互操作性。“智能体”一词在2024年流行起来，部分归功于研究员Andrew Ng的倡导。
主要参与者和技术
主要AI实验室引领了这一热潮。OpenAI发布了Codex等编程智能体，以及后来用于浏览器任务的Operator。Anthropic的Claude Code于2025年初推出，成为广泛使用的命令行智能体。Google DeepMind和其他公司也推出了编程智能体。Cognition（Devin的创造者）、Cursor和Replit等初创公司筹集了大量资金。底层模型，包括GPT-4、Claude 3.5和Gemini，在代码生成和多步规划方面有所改进，使智能体工作流变得可行。
基础设施提供商适应了这一热潮。AWS、Microsoft Azure和Google Cloud提供了专门的算力和智能体编排服务。TSMC和Nvidia（尽管不在提供的列表中，Nvidia是关键参与者）提供了针对LLM推理优化的硬件。来自Meta和其他机构的开源模型也支持了编程智能体的本地部署。
智能体编程的工作原理
智能体编程智能体使用一种认知架构，包括基础模型、数据操作、智能体框架、部署基础设施、评估、安全和生态系统接口。智能体框架是围绕LLM的软件层，管理提示、上下文、工具使用、记忆、执行状态、沙箱和权限。它将模型连接到内部和外部资源，如文件系统、数据库、网络浏览器和API。
编排模式控制智能体如何执行任务。常见模式包括提示链，即一步的输出馈送到下一步；路由，将输入定向到专门工具；并行化，用于同时任务；顺序处理，用于固定流水线；以及规划者-批评者，其中一个智能体提出方案，另一个评估。这些模式使智能体能够处理复杂的多步编程项目。
对软件开发的影响
这一热潮改变了开发者工作流。到2025年年中，调查显示，相当比例的專業开发者每天使用AI编程智能体，一些人报告称智能体在其组织中编写了高达40%的新代码。这一转变减少了样板任务、自动化测试和错误修复的时间，但也引发了对代码质量、安全漏洞和岗位替代的担忧。Apple、Samsung Electronics和Intel等公司开始将智能体工具集成到其内部开发流程中。
初创企业和企业都采用智能体来处理重构遗留代码、生成单元测试和管理依赖等任务。OpenAI Deep Research和Anthropic工具将智能体能力扩展到研究和分析领域，但编程仍是最成熟的应用。
挑战与局限
尽管热潮涌现，智能体编程智能体仍面临局限。它们有时会产生不正确或不安全的代码，尤其是在不熟悉的代码库中。它们需要仔细的沙箱隔离，以防止意外操作，如删除文件或进行未经授权的网络调用。《金融时报》将智能体自主性比作SAE自动驾驶级别，指出大多数编程智能体运行在2级或3级，4级仅在狭窄上下文中出现，5级则是理论性的。
安全和合规变得至关重要。智能体需要强大的权限系统、审计日志和漏洞扫描。巴巴原子研究中心和其他机构探索了安全的智能体部署。截至2025年4月，美联社报道称，除编程外，现实世界应用很少，但该领域发展迅速。
更广泛的生态系统和应用
除编程外，智能体AI扩展到其他领域。《The Information》确定了七种原型：业务任务智能体、对话智能体、研究智能体、分析智能体、软件开发者智能体、领域特定智能体和网络浏览器智能体。到2025年年中，智能体被用于视频游戏开发、赌博、加密货币钱包和社交媒体。Waymo和Tesla等公司将智能体原则应用于自动驾驶，尽管约束不同。
包括MIT CSAIL、Stanford AI Lab和BAIR (Berkeley AI Research)在内的研究机构研究了智能体架构和安全性。University of Toronto和Carnegie Mellon University为Transformer和神经网络的基础工作做出了贡献。这一热潮还推动了对AI21 Labs、Inflection AI和其他初创公司的投资。
未来展望
截至2025年底，智能体编程热潮显示出成熟的迹象。分析师预测，智能体将变得更加可靠，拥有更好的世界模型和用于训练的强化学习环境，如在Minecraft和复制网站环境中所见。视觉语言模型和多模态智能体（如微软和Nvidia的产品）的集成，有望将编程智能体扩展到视觉和机器人任务。
然而，在评估、可观测性和安全性方面仍存在挑战。Open Panel和其他倡议寻求标准化智能体基准。对软件工程岗位的长期影响尚不确定，但这一热潮已经重塑了行业，使自主编程成为AI格局的核心部分。