拆解编码Agent三大核心组件
推荐指数 79.0 NO. 012 · 2026.09.19
发布2026/09/18Score193Comments53
为什么值得看
首个对编码Agent进行组件级消融实验的研究，固定执行循环后单独测试规划、动作空间、上下文管理三个模块的效果。对正在自研编码Agent的团队有直接参考价值，不用再盲试整个系统。
编辑判断
当前业界做编码Agent基本是'黑箱调参'——换整个框架、换模型、换prompt一起上，根本不知道是哪个环节在拖后腿。这篇把变量控制到了极致，执行循环锁死只动三个组件，这种设计对工程团队复现和迭代极其友好。
176组对照实验的规模在Agent领域很少见，数据量足够支撑一些反直觉结论。比如上下文管理策略的影响可能被严重低估，而规划模块的边际收益在不同模型上差异很大。
论文没有开源代码是个遗憾，但实验设计本身可以照搬。如果你团队正在用Claude Code或Cursor API做二次开发，建议直接参考它的组件拆分方式做A/B测试。
社区反馈
意见分歧 48 条评论
核心争论：MCP/预定义工具是否已被bash能力强的模型淘汰
Haven't gone through full PDF as its very detailed, few things have resonated with me so far. Basically if a Car A is performing better (be it speed, milage or in general sense) than Car B, then it is not necessarily because its engine. It could be because of better tires, better gearbox, lighter bo
so then what I’m really interested in are benchmarks of OSS models vs closed source frontier models, using Claude Code as a harness
Love your analogy. Cars performance is hugely dependent on use case and overall setup (suspension, engine (NA, turbo, supercharger, etc), coef of drag, etc). Maps well onto the LLM surface.