第 5 章 · Coding Agent 與程式碼生成

程式碼是「能創造新工具的工具」，生產級 Coding Agent 全景

← 返回主目錄 · 📖 讀本章正文

如何閱讀實驗

正文用短小的機制 skeleton 說明控制流；實驗目錄放完整的 SDK 適配、日誌、測試與驗收證據，不需要逐行讀完每個檔案。

• Starter: 先讀目標、最小指令與驗收條件；可從 coding-agent;
• Builder: 沿著入口、核心迴圈、狀態／訊息 schema、工具與驗證器閱讀。
• Maintainer: 最後再看測試、證據 manifest、失敗處理、回滾路徑與 provider adapter。

第一次閱讀可先跳過憑證載入、展示層和 provider 相容層；要重現數字時再回來查看。

配套專案

編號	專案	型別	一句話說明
5-1	provider-failover	✅	六種廠商組合 × 三種做法的真實接管：中立格式 6/6 切換成功並算對總額，原樣直傳 3/6、剝離思考 4/6，四次失敗都是廠商真實報錯；最反直覺的一格是直傳能過、老實剝乾淨反而被拒
5-2	provider-failover	✅	串流輸出在思考／正文／參數三處被切斷後的恢復對照：正文斷點上續寫省 15%~66% 輸出 token，參數斷點上卻會拼出「合法但寫錯」的參數，元指令在每個單元上都比整輪重發更貴
5-3	code-for-math	✅	同模型同題集對比「純思維鏈」與「程式碼輔助」，後者用 sympy/numpy/scipy 在沙箱執行，準確率顯著更高
5-4	code-for-logic	✅	把「騎士與無賴」轉化為 CSP，用 python-constraint 定義約束並求解，對比自然語言推理與程式碼輔助
5-5	small-model-codified-rules	✅	τ-bench 航空客服對照實驗：把退款規則從提示詞搬進程式碼/工具後，小模型成功率與一致性大幅提升
5-6	paper-to-ppt	✅	把「做 PPT」重構為程式碼生成：Proposer 寫 Slidev，Reviewer 真渲染成 PNG 用 Vision LLM 檢查迭代
5-7	paper-to-video	✅	在「論文 → PPT」基礎上生成講解詞、TTS 合成、ffmpeg 逐頁同步成帶旁白的講解視訊
5-8	video-edit	✅	一段多場景視訊 + 一句自然語言需求，兩步 Vision 定位剪出片段，Reviewer 抽幀核對不合格則迭代
5-9	cad-vs-diffusion	✅	同一法蘭盤規格雙路線實測：Kimi 寫的 17 行 CadQuery 全尺寸零偏差；Hunyuan3D-2.1（HF 公共 Space）4 個通孔全丟、外徑偏差 −99.4%。M5→M6 變更：程式碼路線改一行參數、0 次 LLM 呼叫、其餘尺寸零漂移；生成路線整體重跑且外徑漂移 +283%、軸向翻轉。綠植對照組自然度 3 vs 8，適用邊界反轉
5-10	adaptive-log-parser	✅	遇到無法解析的新格式時不報錯，交給程式碼 Agent 生成 parse 函式，測試透過後熱更新進引擎，全程無人介入
5-11	log-diagnosis	✅	診斷 Agent 讀取真實 HTTP 軌跡、架構文件與 PRD，定位根因、生成迴歸測試並在修復前後重放；正式活動透過官方 GitHub MCP 建立真實 Issue 並保存脫敏收據
5-12	dynamic-form	✅	資訊不全時動態生成含級聯邏輯的 HTML 表單讓使用者一次性補全，彙總 JSON 交回 Agent
5-13	erp-agent	✅	中文自然語言轉 SQL 由 DB 執行，artifact 模式讓 LLM 只生成 SQL 製品不搬運資料，省 token 又防錯
5-14	conversational-ui	✅	自然語言提 UI 客製需求（顏色/字型/文案/佈局），Agent 改 React 原始碼借 Vite HMR 即時生效
5-15	permission-embedded-data-objects	✅	PostgreSQL 之上的物件儲存，在動態生成的應用程式碼之下強制執行授權、驗證與參照完整性
5-16	agent-creator	✅	比較「複製已驗證範例後修改」與「從零生成」兩種 Agent 建立方式；兩臂均完成編譯、測試與真實 Kimi K3 工具呼叫驗證

專案型別說明

圖示	型別	含義
✅	可獨立執行	本倉庫自帶完整程式碼，設定好 API Key 即可執行
📖	復現指南	依賴需自行 git clone 的外部倉庫（訓練框架、評測基準等）
🚧	設計文件	僅包含架構與實現方案，可執行程式碼仍在完善中