编码agent（Coding Agent）是一种基于人工智能的自动化软件开发系统，通常以大语言模型（Large Language Model, LLM）为核心，通过理解自然语言需求、分析代码库、调用开发工具以及执行测试任务，辅助或自主完成代码生成、程序调试、缺陷修复和软件维护等工程任务。与传统代码补全工具不同，编码agent能够围绕目标任务进行多步骤规划，并结合外部环境反馈不断调整执行过程。

编码agent的发展建立在代码大模型、智能体（Agent）框架和软件工程自动化技术的基础之上。 2024 年，普林斯顿大学等机构研究人员发表论文SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering。提出了面向软件工程任务的智能体框架 SWE-agent 。该研究引入「智能体-计算机接口」（Agent-Computer Interface, ACI），使大语言模型能够通过专门设计的操作接口与代码仓库、终端环境和开发工具进行交互，在真实 GitHub 软件工程任务中执行代码修改、测试和问题修复，为后续编码agent研究提供了重要参考。

编码agent主要用于解决传统大语言模型直接生成代码时存在的上下文理解不足、缺少环境反馈以及难以处理复杂工程任务等问题。其核心流程通常包括任务理解、代码检索、修改方案规划、代码编辑、运行测试以及根据反馈进行迭代优化。通过连接编译器、终端、版本控制系统和测试框架，编码agent能够形成「生成—执行—评估—修正」的闭环开发流程。

近年来，随着大语言模型代码能力提升，编码agent逐渐应用于软件开发辅助场景。代表性工具包括基于大模型的代码编辑与开发助手，如 Anthropic 推出的 Claude Code，以及 Anysphere 开发的 Cursor Agent 等。这类系统能够帮助开发者完成代码编写、代码理解、调试分析和工程任务自动化，但目前仍需要人工监督，以确保生成代码的正确性、安全性和工程可靠性。