比如我，平时就用 cursor， copilot 写写代码， 用chatgpt问问各种问题
最近看到 agent的概念很火，不明白在我有chatgpt+copilot的情况下 ， agent还能给我带来什么价值
我简单的了解了下， 似乎agent可以和现实世界交互， 但似乎没有看到什么落地应用， 倒是看到可以查天气，往上追溯，还是调用的 一些天气api， 所以，这个东西有啥用？ 是我还没看懂吗？
谢谢
2 个赞
谈谈我的看法
我也认为限定死在程序员这个身份上确实没啥用，但每个人也同时有多重身份，比如爸爸、某项爱好者、兼职写手等等，有点儿用，起码针对一些较为固定流程、限定又多的输入输出语境下能提提效
2 个赞
有道理，我改改标题
LLM 就是一个智能的 “黑盒处理器”，可以处理各种复杂任务，但需要人来指导和交互。就像现在使用 ChatGPT 和 Copilot 时，每次都需要主动去提问或等待它的建议。
AI agent 的作用在于：可以将一个大型项目拆分成多个 LLM 能够处理的小任务，每个任务都由专门的 agent 负责。这些 agent 会自主运行，不需要人工持续干预。
举个具体例子：
假设需要开发一个新功能，传统方式是：
- 查看需求
- 问 ChatGPT 一些技术问题
- 用 Copilot 辅助编码
- 手动检查代码质量
- 编写测试用例
- 提交代码审核
…
而使用 AI agent 后，这个流程可以被分解为多个自主运行的 agent：
1. 需求分析 Agent
- 自动分析需求文档
- 拆分成具体任务项
- 生成开发计划
- 识别潜在风险点
2. 开发辅助 Agent
- 提供相关代码示例
- 实时代码补全
- 自动添加注释
- 记录开发日志
- 生成提交信息
3. 代码审查 Agent
- 检查代码规范
- 分析性能隐患
- 提出优化建议
- 自动创建优化 PR
4. 测试 Agent
- 生成单元测试
- 运行集成测试
- 压力测试
- 生成测试报告
然后 agent 协同工作：
- 当需求分析 agent 完成任务拆分，开发 agent 就会开始准备相关资源
- 当提交代码，审查 agent 会自动开始检查
- 如果发现问题，测试 agent 会自动验证修复效果
- 所有过程都会被记录
与单纯使用 ChatGPT+Copilot 相比：
传统方式：
开发者 -> ChatGPT -> 等待回复 -> 复制代码 -> 修改 -> 再次提问...
Agent 方式：
开发者定义任务 -> 多个 Agent 同时工作 -> 自动协调 -> 输出结果
AI agent 的价值不仅仅是调用 API，而是将 LLM 的能力系统化、自动化，让开发流程更加智能和高效。
其实就是一种复用和分层思想，很多问题可以细分为更加明确的细分任务，每个细分任务流程较明确固定，足够 LLM 理解处理，于是就封装将该任务需要的 prompt、LLM 模型、Tools（可供调用的网页抓取、数据获取、计算、作图等外部 api）、 运行环境、运行流程封装为某个 agent。
要解决某个问题时，如果发现其中细分出的一部分任务已经有现成的 agent 了，直接调用 agent 就行了。
15 个赞
佬讲的真好 
cursor的agent我不知道是没用明白还是agent的能力还是需要迭代，太长的工作链带来的总是不可预期的错误，然后根据错误继续生成错误。每次用脑袋都很大，而且改也不好改，比如前面生成几步是对的，某一步开始错的，那我和他对话时候从他错误的那地方开始描述就很难描述清楚。而且也不等我确认自己都把代码改完了，我得一直ctrl+z，更有趣的是，有些时候你觉得是两步的事，agent给你当一步给你生成了，这种感觉就像东北冬天去澡堂子洗澡，你平时习惯一层一层脱裤子，cursor把衬裤和棉裤脱一起去了，感觉是好穿又好脱，但是一旦没脱好，那可麻烦死了，ctrlZ和ctrlY反复横跳，然后在从他生成的代码在自己拆分。这下就更描述不清楚了。 
mark学习一下
偷懒
目前这种实现比较好的是不是就是cursor了
windsurf也是？
效果有差异吧
我用windsurf的感觉确实要比cursor好，这几天没怎么用 
我是目前基本从vscode转到了cursor，windsurf 下载了 没试过…
cursor开agent应该也够用了，别折腾了，能用就用着
不过我一般都是单文件的, 项目类的目前比较少, 后面会用到
可以和现实中的业务结合，我现在的公司 准备接入 豆包。做业务审批流程