主要观点：介绍如何用智能体编程，定义智能体为含 LLM 调用的循环，通过实例展示智能体在 Github App 认证和 SQL 约定等方面的工作，探讨“资产”和“债务”模型，分析智能体出现的原因及未来发展，包括在 IDE 中的应用和容器化解决方案等，强调学习和实验 LLM 技术的谦卑态度及对行业的影响。
关键信息：

• 智能体是含 LLM 调用的循环，能调用多种工具进行反馈驱动编程。
• 实例中智能体在 Github App 认证时先实现功能后发现安全漏洞并修复，在处理 SQL 约定时起初有困难但通过添加描述改善。
• 对于“资产”和“债务”模型，认为其在部分项目中成立但不能推广到整个编程行业，而智能体在现有产品维护中也有潜在价值。
• 智能体出现的关键在于底层模型训练，2025 年的 LLM 更适合驱动智能体，目前有用的重复工具调用是新特征。
• 目前智能体使用的限制包括需加强安全防护和避免序列化执行，正在探索用容器解决，容器在编程中有多种实用工作流。
• 学习 LLM 技术需谦卑，行业规范如代码审查等需重新审视和改进。
  重要细节：
• 智能体可通过bash(cmd)等工具导航代码库，利用编译器反馈减少错误等。
• 智能体在生成代码时可能出现安全漏洞、性能问题等，如 Github App 认证案例中最初避免存储 per-user 令牌导致安全问题，后改变要求提高性能。
• 在 SQL 约定案例中，通过在 SQL 模式文件顶部添加描述改善智能体行为。
• 智能体目前在 IDE 或开发机中使用有限制，正在探索用容器解决，如并行运行多个智能体、在容器中进行编辑和测试等。
• 行业规范如代码审查在智能体时代需要重新设计，IDE 也需重新定义和整合。