第一阶段：AI 智能自动完成（Copilot 时代）
最初像 GitHub Copilot 这样的工具只能被动预测你接下来想写什么代码。你打几个字母、写几行注释，AI 自动推测后续内容，给出一段建议代码。
- 优势： 省去重复性敲代码的麻烦，快速提升写代码效率。
- 缺点： 上下文有限，无法跨文件生成代码，只能在光标附近“猜测”，用户需要频繁调整。
第二阶段：AI 聊天辅助（对话时代）
AI 聊天的引入，让 AI 编辑器不再局限于光标位置。你能和 AI 直接沟通，比如告诉它：“给我写个解析 JSON 的模块”，AI 能跨文件跨目录甚至跨文档帮你生成代码。
- 优势： AI 不再局限于局部代码生成，能更大范围生成代码模块。
- 缺点： 生成的代码需要手动复制粘贴，修改后的部分无法自动追踪，不便审查。
第三阶段：AI 编辑模式（主动编辑时代）
为了解决复制粘贴和代码追踪的麻烦，AI 编辑模式出现了。AI 不仅能生成代码，还能自动修改对应的文件位置，标记清楚哪里修改了，你只需要简单确认即可。
第四阶段：Agent 模式（智能体时代）
真正的飞跃发生在最新的 Agent 模式中。Agent 和之前最大的差别是： AI 开始拥有自主的环境感知、决策能力，能主动执行任务，并具备记忆与策略调整能力。
听起来有点抽象，举个真实的例子你就懂了： 比如你要给新项目写单元测试，以往的 AI 编辑模式只能做到生成代码，并提醒你安装相关的 npm 包，但所有环境搭建、安装调试还是得你手动做。
但在 Agent 模式下，AI 能“自动”（注：为了避免误操作，通常还是需要手动确认一下或者点击一下运行，但不需要额外去运行命令行）执行这些流程：
- 检测项目是否配置好单元测试环境
- 若没配置好，“自动”安装所需 npm 包
- 处理安装过程中的问题，比如版本冲突或依赖错误
- 主动创建单元测试文件并写好测试代码
- “自动”运行单元测试，若失败则自行修复
- 反复运行直到所有测试通过为止
这个过程和真实工程师完成一个任务几乎一模一样，AI 的角色也从“被动提供建议”转变为“主动帮你搞定任务”。
