AI 与 Agent 协作概览

对于已经熟练使用 AI 与 Agent 开发的同学，可以跳过这一章。

大语言模型正在快速进入学习和软件开发过程。对于刚开始接触机器人开发的同学，AI 最直接的用途可能是解释一个陌生概念、分析一段代码或处理程序报错；随着工具能力的发展，AI 还可以进一步读取整个代码仓库、搜索文件、运行命令、修改程序并检查执行结果。后者通常被称为 Agent，其中面向软件开发的工具常被称为 Coding Agent。

这些工具已经可以参与相当多的实际工作。学习 Linux、C++、ROS 2 或强化学习时，可以利用 AI 快速建立对新概念的基本认识，再继续阅读教材、官方文档和源码；面对一个陌生项目时，可以让它帮助梳理目录结构和调用关系；开发过程中，也可以利用 Coding Agent 完成代码搜索、接口修改、调试分析、测试和文档整理。对于机器人项目这种技术栈较长、模块较多的工程，合理使用这些工具能够明显减少查找资料和处理重复工作的时间。

使用 AI 本身并没有很高的门槛。现在的大模型已经能够理解比较自然的表达，大多数情况下没有必要先学习复杂的 Prompt 模板，也不需要理解大语言模型的内部原理才能开始使用。更重要的是知道自己正在使用什么类型的工具、怎样把任务和必要的信息提供给它，以及怎样判断得到的结果是否可信。

AI 和 Agent 也有明确的能力边界。模型并不了解一个没有提供给它的项目，也可能错误理解代码、接口和硬件条件。Agent 虽然能够直接修改文件和执行命令，也无法保证每一次操作都正确。尤其是在机器人开发中，软件最终可能直接影响电机、执行器和机械结构，因此生成的代码和修改结果仍然需要经过阅读、编译、测试、仿真或实机验证。

这一章不会系统介绍大语言模型原理，也不会把 Agent 的使用写成一套复杂的方法论。我们的目标比较实际：让第一次接触这些工具的同学知道当前常见的 AI 和 Agent 大致是什么，应该怎样选择和开始使用；学习如何更清楚地描述任务和提供上下文；实际体验一次 Coding Agent 参与工程开发的过程，并了解代码检查、权限和安全方面需要保留的基本习惯。

后面的内容将按照“认识工具、开始使用、完成实际任务”的顺序展开。具体产品和模型会不断更新，因此这里更关注能够长期适用的使用方法。读完这一章以后，应能独立选择一个合适的 AI 工具，在日常学习中使用它，并尝试让 Coding Agent 参与一个真实的软件项目。