Devin: Coding Agents 101
Devin: Coding Agents 101
一句話摘要：Coding agent 跟 autocomplete / copilot / chatbot 是不同物種 — 它能 end-to-end 從 description 走到 PR，工程師的角色從「寫 code」變成「engineering manager 委派並驗收」。
核心論點（150-200 字繁中）
Devin 團隊把開發者 AI tool 的演化分成四代：10 年前的 autocomplete（method 級）、4 年前的 copilot（多行）、2 年前的 generative chatbot（檔案級）、今天的 autonomous agent（end-to-end task）。agent 跟 assistant 的關鍵差異不是「更會寫 code」，而是三件事：(1) autonomy — 對 test、linter、CI/CD 自我 iterate；(2) error recovery — 自己 debug 自己的錯，不需要人類每步介入；(3) multi-task — 工程師可同時委派多個 agent，自己變 engineering manager。但作者明確降溫：對大型任務 expect ~80% 時間節省，不是完全自動化，仍需多輪 feedback 與人類 verify before merge。Prompt strategy 的重點是 architecture-first — 講 how 不只是 what、提供 starting point（檔案路徑、文件）、defensive prompting 預期 agent 會困惑的地方、給 agent 強 feedback system（type、test、lint）。
關鍵概念
- Autonomous Coding Agent（自主編程 agent） — 能從 description 跑到 PR、自我 iterate 對 test 與 CI、不需逐步指令的 AI 系統。
- Levels of Autonomy（自主層級） — autocomplete → copilot → chatbot → agent 的能力光譜；autonomy 越高人類介入頻率越低、單次任務 surface 越大。
- Engineering Manager Mode（工程主管模式） — 工程師同時 supervise 多個 agent，自己不寫多數 code，而是定義任務、review plan、merge PR。
- Architecture-First Prompting（架構優先提示） — Prompt 重點在 how（指定設計方向、檔案位置、約束）而非只給 what（功能描述）。
- Defensive Prompting（防禦性提示） — 預先告訴 agent 哪些地方容易誤解、哪些 path 不要碰、哪些假設要 challenge。
- Feedback Loop Quality（回饋迴圈品質） — Agent 表現上限取決於環境給它的 type / test / lint signal 是否準確即時。
對 CS146S 的意義
這是 Week 3 的 autonomy spectrum 教材。理解 agent vs assistant 的分界，才能在 Week 4+ 的 PRD / spec 設計時知道「這個 spec 要寫到多細」— 給 assistant 的 prompt 跟給 agent 的 spec 顆粒度差很多。
對 Vibe Coder 的 Takeaway
醫學生用 Claude Code 已經是在用 agent，不是 chatbot — 對應的工作習慣要跟著換：(1) 不要逐行盯 agent 寫 code，要 review plan 跟 final diff；(2) build feedback loop（type check、test command）讓 agent 自己 iterate，不要當人肉 linter；(3) 接受 80% 自動化、20% 人工驗收這個 ratio，期望 100% 會失望。