北京
一家公司在推理服務上每月要燒掉12.5億美元，不是為了訓練更聰明的模型，僅僅是用來回答用戶即時的請求。2026年5月，SpaceX提交的S-1文件悄悄披露了這一數字——它是Anthropic為使用Colossus I和Colossus II計算集群簽下的合同，每月固定支付12.5億美元，合約期一直延伸到2029年5月，且絕大部分算力用于推理，而非模型訓練。
這個數字放在半年前或許還顯得突兀，但另一組數據早就給出了注解。2026年一季度，Uber全部代碼提交中有25%來自Claude Code。不是試點項目，也不是黑客松實驗，而是產線級的常規提交，發生在這家地球上業務最復雜、多服務、多語言混合的工程組織內部。Uber的工程團隊在短短幾個月內就燒穿了全年的AI預算，Anthropic隨之被曝有望在二季度實現109億美元的收入，邁向公司首個盈利季度，而驅動這一切的核心力量，正是企業級編碼代理的密集使用。
當一家公司愿意每月投入十位數美元來響應用戶的每一次敲擊時，背后的技術已經不再是“有前景的試驗品”，而是一段不可回撤的基礎設施。對開發者來說，這同樣是一個響亮的信號：AI編碼代理不是未來式，它就是現在。而那些能真正理解這套架構運作方式的工程團隊，會率先從中榨取出遠超過同行的價值。
在深入架構之前，需要先劃清一條概念上的分界線——什么才算AI編碼代理，而不是一個“編碼助手”。早一代的編碼助手，比如早期的Copilot或者聊天窗口里的ChatGPT，工作模式是一個嚴格的請求-響應循環：你給它一段提示，它返回一段文本。在一個全新的會話里，它沒有任何關于之前交互的記憶；它只能看到你粘貼進窗口的內容；它既不能執行代碼，也無法讀取你的文件系統，更不可能檢查自己的建議是否真的通過編譯。本質上，它是一個極其聰明的自動補全工具。
而一個編碼代理的起點，恰恰是打破這些邊界。它不止步于給出建議，而是直接進入代碼庫，像一個真實的開發者那樣感知、行動、修正并持續迭代。要理解這一點，需要把目光移到整個代理循環的底層設計上——那才是真正改變軟件工程的結構，也是接下來我們要逐層拆解的東西。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
