从指令到 Agent：基于大语言模型构建智能编程助手

1. 从指令到 Agent：基于语模型构建智能编程助段潇涵 Trae IDE 架构师

2. 我介绍微信

3.

4. 录 01 编程助解决的痛点 02 Agent 技术架构与核 03 实践效果与案例分享 04 经验总结 05 未来展望能

5. 编程助 01 解决的痛点

6. IDE 代码智能的发展历程

7. 直观感受 Agent 和 AI IDE 是什么

8. 能 02 Agent 技术架构与核

9. Agent 架构概览

10. Agent 程能构建 Agent 的典型作模式：思考(Thought) → 规划(Plan) → 执 (Action) → 观察(Observation)的循环，同时结合了具调能和上下管理，形成了个完整的智能助作流程。

11. Prompt 结构

12. 感知：对话过程上下产的信息跟踪

13. 感知：上下户的操作

14. 上下感知：代码知识图谱

15. 多轮对话与记忆管理随着与 LLM 交互次数的增加，因需要包含历史的所有信息，对 tokens 的消耗线性增

16. 多轮对话与记忆管理

17. 多轮对话与记忆管理

18. 多轮对话与记忆管理

19. Prompt Caching 在上下持续增加，历史信息持续增加后，通过 Prompt Caching 来降低成本、提升性能

20. Agent 与 IDE 系统集成

21. 03 实践效果与案例分享

22. 案例分享零到创建项场景

23. 案例分享新增 feature 场景

24. 案例分享 bugfix 场景

25. 实践效果

26. 04 经验总结

27. 关键经验总结

28. 05 未来展望

29. AI Agent 未来展望我完善

30. Q&A

31.

32. THANKS 模型正在重新定义软件 Large Language Model Is Redefining The Software