2026 夏季 InfiniTensor 训练营 AI 编程与智能体应用方向 1：《AI 辅助编程：开发流程、Agent Skills 与工程化实践》

7 月 14 日，2026 夏季 InfiniTensor 训练营 AI 编程与智能体应用方向第一课《AI 辅助编程：开发流程、Agent Skills 与工程化实践》开讲。
本节课程围绕 AI Agent Coding 工程化落地展开，完整拆解 AI 代码代理整套工程体系，厘清模型、Agent、工具、环境、评测等核心概念，搭建 Agent 工程落地完整认知框架。

Patch ≠ Delivered

核心矛盾：能写代码 ≠ 能交付工程级改动

1.模型代码生成局限

• 仅输出单段代码、局部文件修改 patch，仅能完成小范围代码补全、片段改写
• 无法感知完整仓库环境、资源约束、多租户流量、GPU 显存、延迟指标等工程边界
• 单次本地测试通过不代表线上可用，存在调度冲突、内存碎片、长尾 P99 延迟恶化、多模型性能回退等隐藏风险

2.真实工程开发全链路约束

以推理服务 continuous matching+KV Cache 调度优化案例为例，一份看似可运行的代码修改，需验证：混合流量调度安全性、KV Block分配/复用/释放逻辑、请求超时/取消异常、多租户优先级公平性、GPU 显存峰值、P99 延迟、多模型并发性能无退化等多重约束

3.核心结论

AI生成内容仅为候选修改patch，并非可交付的正式改动；从代码片段到可靠线上变更，需要一整套Agent工程系统做约束、迭代、验证。

AI 编程能力演进三阶段

1. Predict

• 作用范围：单行/单函数/少量 token 片段，仅基于当前光标上下文生成代码
• 人机分工：人类把控整体任务流程，模型仅提供局部代码建议
• 典型形态：编辑器内代码自动补全插件

2. Modify

• 作用范围：单文件/跨多文件批量修改，输出完整代码 patch
• 人机分工：人给出自然语言需求，模型批量改写源码，无自主执行、测试、验证能力
• 典型形态：网页端代码对话、一次性文件改写工具

3. Complete

• 作用范围：完整代码仓库、全软件开发流程，输出 commit、分支、PR
• 人机分工：Agent 自主读取仓库、调用工具、运行测试、迭代优化，人类仅在最终验收环节介入
• 两类落地形态
  1. 本地 Agent：操作本地工作区，过程实时可见，可随时暂停、干预
  2. 远程委托 Agent：隔离云端后台执行，任务周期长，交付分支/PR 后人工统一审查

五级 AI 编程工作模式划分

任务-资质坐标轴核心规律

横轴：任务范围（单行代码→完整仓库开发）；纵轴：自主资质（仅建议→自主执行、多 Agent 协作）

• 越往右上，Agent 自主权限越高、可处理任务越复杂，但错误影响范围同步扩大
• 工程化核心目标：不盲目提升自主程度，在明确目标、完整反馈、可控权限前提下扩大自动化边界，管控风险

大模型 ≠ AI Agent

三大核心角色分工

1.Model（大脑：决策层）

• 基础能力：token 预测、代码中间填充、结构化工具调用生成
• 职责：读取上下文信息，分析当前状态，输出下一步行动指令与工具参数
• 局限：无法读写文件、运行程序、采集硬件指标、验证性能，仅能输出决策指令

2.Harness（执行调度层）

• 职责：装配上下文、管理工具集、校验工具参数、控制权限沙盒、驱动 Agent 循环、记录完整执行状态、管控资源/时间预算
• 核心价值：把模型抽象决策转化为真实可执行操作，约束 Agent 行为边界

3.Environment（真实环境层）

• 包含：文件系统、Git 仓库、构建系统、调度仿真、Benchmark 工具、GPU 监控、线上流量环境
• 职责：执行工具操作，产生真实运行结果（延迟、显存、报错、吞吐等指标），反向反馈给模型

Agent Loop 迭代循环机制

完整流程类比 PDCA 迭代模型：

1. 模型读取上下文，分析当前瓶颈，提出优化/修改方案
2. Harness 校验权限、资源，调用对应工具执行改动、仿真、压测
3. Environment 输出真实性能、报错、回归结果
4. 模型基于反馈重新判断，调整策略进入下一轮循环
5. 满足停止条件（指标达标、资源耗尽、无优化空间）则终止，生成完整交付报告，必要时移交人工介入

循环终止判断标准（满足其一即可停止）：

• 获得具备统计显著性的正向性能指标证据
• 资源、时间预算耗尽
• 无新瓶颈、无可行优化路径，重复无效调参

终止后需完整留存：优化目标、已尝试策略、Benchmark 指标、失败假设、待解决问题，同步人工

上下文装配

Prompt Engineering vs Context Engineering

1. Prompt Engineering：聚焦指令文本表达，优化话术、输出格式、示例
2. Context Engineering：聚焦每一轮模型可见的全部信息集合，核心目标是上下文相关性最大化，而非长度最大化

上下文五大分类

1.静态：长期固定有效，如系统架构、模块边界、安全执行规则、构建脚本

2.任务：单次任务专属，优化目标、SLO 约束、显存预算、验收指标、禁止改动范围

3.检索：任务执行中临时检索得到的源码、历史优化方案、接口规范

4.反馈：上一轮工具运行结果、仿真日志、性能指标、代码 diff、报错信息

5.状态：任务进度、已尝试策略、历史指标对比、未解决瓶颈、下一步计划

上下文完整处理流水线

Discover（检索相关资料）→ Select（筛选高价值信息，过滤无关噪音）→ Load（载入本轮上下文）→ Use（模型分析决策）→ Compress（压缩长历史，保留关键证据、未解决问题，剔除重复日志）→ Persist（持久化任务进度）

关键设计要点

1. 长上下文窗口无法完全解决遗忘问题，冗余历史会引入噪音误导模型判断
2. 外部持久化状态仅作进度摘要，源码、仿真、硬件指标等环境数据才是事实基准
3. 禁止将全仓库、全量历史日志一次性灌入上下文，精准筛选是核心优化点

Harness Engineering

Harness 是 Agent 的整套控制系统，负责定义 Agent 能看什么、能做什么、活动边界，分为四部分：指导、感知、行动工具、边界

仓库工程化配套设计

给 Agent 提供架构地图而非海量百科文档：仅在入口文件标注模块位置、工具路径、基准数据地址，详情按需读取；仓库结构需做到信息可导航、可版本化、状态可恢复。

Skills 可复用任务流程体系

核心定义

针对高频重复任务，封装标准化操作流程、参考资料、自动化脚本、验收标准的可复用资产，区别于普通 prompt 模板，支持渐进式加载、版本管理、自动化执行。

Skill 标准组成结构

1. skill.md：任务描述、触发条件、完整执行步骤、交付判定标准
2. 自动化脚本：仿真、回归、压测、性能报告生成等确定性操作
3. reference：架构规范、接口契约、性能评审清单等参考文档
4. assess：输出模板、指标校验规则、成功案例示例

渐进式披露加载机制

1. 第一层：仅展示 Skill 名称、简介，减少上下文占用
2. 任务匹配触发后，第二层加载完整流程文档
3. 执行对应步骤时，第三层按需读取细分细则文档
   优势：海量流程资产不会挤占上下文，按需取用，降低模型选择负担

Skill 落地治理标准

1. 从真实工程痛点出发开发，解决Agent高频遗漏步骤
2. 多轮代表性任务测试，对比有无Skill的执行效果
3. 第三方Skill需代码级审查，管控脚本权限、外部访问风险
4. 持续迭代优化触发边界，避免漏触发或过度触发

Agent 多层评测体系 Evaluation

单一模型问答评测标准不适用于Agent，完整评测分为三层：

1. Outcome 最终业务结果层（核心）

• 功能正确性：改动无逻辑bug、异常边界正常处理、多租户/多模型无冲突
• 性能指标：吞吐提升、P99延迟、显存峰值符合预期，无隐性性能回退
• 兼容性：全量回归用例通过，各类流量负载下表现稳定

2. Trace 执行轨迹层

校验 Agent 流程合规性：是否先建立基准数据、是否完整执行仿真压测、无重复无效调参、不越权访问资源、完整留存实验证据，不选择性筛选有利指标

3. System 系统表现层

• 稳定性：相同任务多次运行结果可复现
• 资源成本：GPU 算力、构建耗时、Token 消耗
• 人力成本：任务所需人工介入次数
• 可审计性：完整执行日志、指标记录可追溯

关键落地提醒

Agent 自行输出的“任务完成”文本仅为描述，不能作为交付依据；可交付变更必须有环境产生的客观性能、测试证据支撑。

多 Agent 协作与权限管控补充

1.多 Agent 适用场景：任务边界清晰、可拆分、子任务独立验证（规划、编码、测试、审查分工）

2.多 Agent 弊端：目标理解偏差、文件修改冲突、信息割裂，需中心管理 Agent 统筹整合，提升系统设计复杂度；强耦合小型任务优先使用单 Agent

3.两类安全管控机制

• Sandbox 沙盒：底层访问边界，限制文件、网络、硬件资源访问权限
• Approval 人工审批：高风险操作（读取生产指标、消耗大量 GPU、删除资源）执行前强制人工确认

加入训练营

📺完整课程内容，请观看直播或查看课程回放：

InfiniTensor 官网： https://www.infinitensor.com

B站直播： InfiniTensor 官方直播间

视频号直播： InfiniTensor 视频号预约

答疑交流： 训练营官方社群⬇️

Description

2026 夏季 InfiniTensor 训练营《AI 辅助编程：开发流程、Agent Skills 与工程化实践》,从真实推理调度优化落地案例切入，完整梳理 AI 编程能力演进、Agent 核心角色、迭代循环、上下文装配、调度管控、复用流程、多层评测七大核心模块，区分大量易混淆概念，拆解自动化代码开发背后整套工程控制系统，为落地仓库级自主代码代理搭建完整工程认知体系。

关注与交流