构建 Coding Agent 的飞轮：从状态感知到人机共生
大模型正在重新定义软件。在百度 Comate 的实践中，Coding Agent 已从研发专属工具走向全员普及，Vibe Coding 渐成常态，人均 Query 次数增长 5 倍，AI IDE 唤起时长占比超 60%。如何让 Agent 持续进化而非停滞不前？核心在于构建由 Feedback Loop、Benchmark 和 Agent Engineers 驱动的飞轮。本文将拆解这三大环节的落地实践，探讨如何从“流程定义”走向“状态感知”，重塑研发协作模式。
核心问题与挑战
传统软件研发依赖稳定的协作流程，但基于模型的 Agent 应用本质上是混沌态。在构建通用 Agent 产品时，我们面临三大核心挑战：
- 通用框架忽略模型特性：试图用统一框架适配所有模型，反而拖累了效果。模型能力在快速变化，框架原则必须从“教模型怎么做（流程定义）”转向“感知模型状态（状态感知）”。
- 传统评测失效：传统评测只看解题分数，无法体现 Agent 的“调性”，也难以发现模型的偏好和异常值。
- 角色分工滞后：传统大 Feature 拆分的协作模式，无法适应“一人+Agent一竿子捅到底”的新范式，人的角色定位亟待重塑。
方案与实践
Feedback Loop：让行为可观测，让状态可感知
要让 Agent 进化，首先要让它的行为可观测。我们构建了线上的 Feedback Loop 观测体系，从工具、上下文、结果、流程四个维度量化 Agent 执行状态与自愈指标。
- MCP 动态加载：MCP 全量加载会导致大量无效 Token 消耗。我们使用 Skills 风格描述动态加载 MCP Server，模型根据 Query 自动判断是否需要加载，按需调用直接节省 98% 的 Tokens。
- 顺应模型偏好：观测发现 GPT 系列偏好 Bash 工具，容易产生冗余调用占用上下文。与其强行抑制，不如顺应偏好，定向调整工具权重，让模型用最舒服的方式解决问题。
- 解构任务复杂度：用 Agent 分析 Agent 执行数据，将任务分为复杂、中等、简单，通过不同类别观测执行时长、Tools 次数、压缩次数等指标，明确 Agent 的能力边界。
Benchmark：挖掘评测集，洞察异常值
评测的重点不是解题分数，而是发现异常值以洞察模型偏好。
- 业务评测集挖掘：脱离业务的静态评测集意义有限。我们利用 Agent 分析 Git Logs 和 Blame，自动提取跨 Commit 的业务评测集，并辅以独立 Agent 验证和人工校验。
- 四象限分析法：基于 Outcome（结果质量，权重 60%）和 Execution（执行效率）构建四象限。高分不代表一切，我们更关注象限边缘的异常值。
- 上下文压缩与自愈：通过异常值分析，发现 8% 的无效工具调用（如探索阶段的冗余调用）占用了大量上下文。我们引入基于当前任务信息的 Prompt，自动整理历史无效调用，实现上下文压缩与 Agent 自愈。
- 发现隐式状态机：从评测的执行网络中，我们发现工具调用存在隐式状态机（如 Edit 失败转 Read，删除后转 List）。这印证了框架只需告知模型“当前状态和什么是好的”，模型自会摸索出执行路径。
Agent Engineers：把人放进 Loop 里
Agent 不是替代人，而是将人纳入 Loop，重塑协作边界。
- 全员转型：开发者从执行者转向问题提出者，每个人都是 Agent Engineer。PM、UE 等角色也通过素材原子化，协同 Agent “一竿子捅到底”。
- 人即 Context 和 Tool：人的判断和业务知识是 Agent 无法自生成的 Context，必须将人作为节点放入 Agent Loop。
- 云端沙盒：全员转型催生了新诉求，我们建设了云端沙盒，实现可授权、可观测、可回放、可验证、可交付的 Agent 任务操作空间。
- 交付物升维：Agent 交付的不再只是文本代码，而是包含产物包、验证材料、可运行、有据可查的完整工程成果。
原则/方法论沉淀
在构建 Coding Agent 飞轮的过程中，我们沉淀出以下核心原则：
- 状态感知优于流程定义：Agent 框架的目的是构建模型能运作的环境，而非必须遵守的执行路径。不要教模型怎么做，只告诉它当前状态和什么是好的。
- 评测即洞察：评测的重点不是解题分数，而是发现异常值以洞察模型偏好。
- 人机共生：人是 Agent Loop 的一部分，人的隐性知识是 Agent 最稀缺的 Context。
- 交付升维：交付物从“文本代码”升维到“可运行、有据可查的完整工程成果”。
总结与行动建议
不是未来，就是现在，我们已经活在 Agent 的世界。Coding Agent 正深刻改变战场形态，研发协作模式正向“一人+Agent一竿子捅到底”演进。要构建自己的 Agent 飞轮，建议立即行动：建立线上观测体系让行为可见，用业务数据挖掘评测集洞察异常，并将团队重塑为与 Agent 协作的 Agent Engineers。飞轮一旦转动，将是核心竞争优势。
开放问题与延伸方向
- MCP动态加载节省98% Tokens的基准测试设计，及不同复杂度下的稳定性？——关联Feedback Loop的Token优化实践，需关注极端场景的收益边界。
- 顺应模型偏好是否会导致长周期演进中被偏好锁死？——关联顺应偏好的策略，需警惕短期收益对泛化能力的长期侵蚀。
- 引入运行时异常或回退操作构建负向对抗评测集？——关联Git Blame挖掘评测集，是扩充数据源和增强鲁棒性的有效延展。
- 混沌态Agent在强合规场景如何满足可审计与可追溯？——关联状态感知原则，是框架落地高安全业务必须跨越的门槛。
- 异常值洞察思路如何迁移到非Coding通用Agent？——关联四象限评测法，验证了该调性优化方法的跨域通用潜力。
- 极简协作模式是否推高个体认知负荷与单点故障风险？——关联人机协作重塑，提示需关注新范式下的开发者体验与系统韧性。
- Git Logs提取测试用例如何保证多样性与无偏性？——关联评测集挖掘，是确保Benchmark质量不退化的重要前提。
- 构建Agent红蓝对抗网络驱动自愈？——关联上下文压缩自愈，将单点自愈升级为系统级对抗进化。
- 人作为Context被显性化消耗后的知识产权与隐私边界？——关联人即Context理念，是组织协作重塑中不可回避的伦理问题。
- 飞轮冷启动阶段的资源投入优先级？——关联三大飞轮环节，决定了从0到1构建Agent的落地路径选择。
- 交付物升维对传统验收标准与契约模式的颠覆性收益？——关联交付物升维，深挖工程化标准升级带来的业务价值。