Agentic Coding 五层成熟度模型：从 Copilot 到代码生产系统的全景图谱
参考视角：这不是一篇产品介绍，而是一张「认知地图」。地图的价值不在于告诉你某个地方有什么，而在于让你看清自己现在站在哪一层，以及下一层在哪里。
---
一、为什么单点分析不够
2024-2025 年，AI 编程工具以惊人的密度出现：GitHub Copilot、Cursor、Claude Code、Codex CLI、Devin、OpenAI 的 Symphony 架构、Ryan Lopopolo 的 Harness Engineering……
每一篇单独的分析报告都在回答同一个问题："这个工具能做什么？"
但这个问题有个隐含陷阱——它假设所有工具都在做「同一件事」，只是程度不同。事实是，它们在做不同层次的事。把 Devin 和 Copilot 放在一起比较「谁写代码更快」，就像比较自行车和高铁「谁更能运输」——维度错了。
我们需要一个分层框架，让每一件工作都找到它所属的楼层。
---
二、五层模型
| 层级 | 名称 | 核心特征 | 人类角色 | AI 角色 | 代表产品 |
|---|---|---|---|---|---|
| L1 | 辅助编程 | AI 补全人类正在写的代码 | 主导者 | 辅助者 | GitHub Copilot, Codeium |
| L2 | 对话式编码 | AI 理解上下文，人类通过对话指导 | 导演 | 执行者 | Cursor Chat, GitHub Copilot Chat |
| L3 | 自主任务执行 | AI 独立完成特定任务（文件级/模块级） | 审批者 | 自治体 | Claude Code, Codex CLI, Aider |
| L4 | 多 Agent 编排 | AI 分解复杂任务，协调多个 Agent 协作 | 架构师 | 协调者 | Devin, Symphony (OpenAI), Multi-agent IDE |
| L5 | 代码生产系统 | AI 设计并运行代码工厂，人类定义意图和约束 | 治理者 | 系统设计者 | Harness Engineering |
---
三、每层的关键瓶颈指标
L1→L2 的瓶颈：上下文理解深度
- 指标：AI 能理解的代码上下文长度和跨文件关联能力
- 现状：Copilot 的上下文窗口约 2k-8k tokens，Cursor 通过代码库索引扩展到文件级
- 突破信号：当 AI 能主动问"你想修改这个函数，但它在三个地方被调用，你确定吗？"
L2→L3 的瓶颈：自主性与信任
- 指标：AI 在无人干预情况下完成任务的端到端成功率
- 现状：Claude Code 的 SWE-bench 得分约 49%-75%，但仍需人类在关键节点确认
- 突破信号：当人类从"逐轮指导"变成"一次性下达任务，等待结果"
L3→L4 的瓶颈：任务分解与协调
- 指标：AI 将复杂需求拆分为可并行子任务的能力，以及子 Agent 之间的信息同步效率
- 现状：Devin 能规划多步骤任务，但协调效率低；Symphony 通过 Linear 看板驱动多 Agent，但仍在早期
- 突破信号：当多个 Agent 能像一个团队一样自主分配工作、解决冲突、合并代码
L4→L5 的瓶颈：系统设计能力
- 指标：AI 能设计的不是"功能"而是"生产系统"——包括流程、质量标准、反馈循环
- 现状：Ryan Lopopolo 的 Harness Engineering 是首个明确指向 L5 的工程实践
- 突破信号：当 AI 能主动说"这个模块的代码质量下降，建议重构，并自动生成重构计划"
四、谁在尝试"跃层"
跃层比同层竞争难 10 倍，因为需要重新设计人机关系。
| 产品 | 当前层级 | 跃层方向 | 跃层策略 | 风险 |
|---|---|---|---|---|
| Cursor | L2 | → L3 | Composer 模式（8 并行 Agent） | 并行 Agent 的协调逻辑仍是人类设计，未实现真正自治 |
| Claude Code | L3 | → L4 | 支持多文件编辑和工具调用 | 缺乏内置的任务分解和子 Agent 管理机制 |
| Devin | L4 | → L5 | 自主规划 + 沙箱执行 | 系统设计的深度不足，更像"能干活的多面手"而非"工厂设计师" |
| OpenAI (Symphony) | L4 | → L5 | Linear 看板驱动多 Agent + BEAM 并发 | 高度依赖内部基础设施，通用化路径不明 |
---
五、共同盲区：所有人都假设代码是目标产物
五层模型有个隐含假设，所有层级的产物都是代码。但 Ryan Lopopolo 的 Harness Engineering 提出了一个更激进的视角：
> 代码是消耗品，SPEC 才是资产。
这意味着五层模型可能只是一条「过渡路径」，真正的终点不是「AI 生产更好的代码」，而是「AI 直接从意图生成可运行系统，代码作为中间产物甚至不可见」。
如果这个盲区被突破，五层模型会变成历史遗迹——就像我们不会用「马车速度层级」来描述高铁时代。
---
六、预测：下一个突破点在哪里
基于当前趋势和瓶颈分析，三个最可能的方向：
1. L3 的「信任基础设施」
Claude Code 和 Codex CLI 已经在 L3 站稳脚跟，下一步不是提升准确率，而是降低人类的审批负担。这意味着需要：
- 可解释的执行日志（不是"我改了代码"，而是"我为什么改、改了什么、影响范围"）
- 自动回滚机制（改坏了能自己恢复）
- 人类可配置的"信任阈值"（低风险改动自动通过，高风险必须审批）
Symphony 和 Devin 都在做多 Agent，但各自的实现高度耦合。需要一个独立于具体 Agent 的编排协议，就像 Kubernetes 不 care 你跑什么容器。这个抽象层一旦出现，L4 会从「少数公司的内功」变成「行业基础设施」。
3. L5 的「意图编译器」
Harness Engineering 的终极目标不是让 AI 写更多代码，而是让 AI 理解"人类想要什么"并直接生成系统。这需要：
- 自然语言意图 → 系统约束的精准映射
- 可验证的意图一致性检查（确保生成的系统真的实现了意图）
- 意图版本管理（当意图变化时，系统如何优雅演化）
七、结语
五层模型不是真理，而是一个思考工具。它的价值在于：
1. 帮你定位：你正在使用的工具在哪一层？它解决的是什么问题？ 2. 帮你选择：如果你需要 L3 的能力，Cursor 的 L2+ 跃层尝试可能不够稳定；如果你需要 L4，Devin 比 Claude Code 更适合。 3. 帮你预判：当有人说"AI 将取代程序员"，你可以问"你说的取代发生在哪一层？"L1 和 L5 的答案完全不同。
Agentic Coding 的真正革命，不是某个工具写得更快，而是整个软件生产范式的楼层在往上搬迁。人类在每层楼的角色都在变化，但有一件事不会变——
> 定义"要做什么"的，仍然是人。
AI 负责"怎么做"的精度越来越高，但"为什么做"的方向感，暂时还是人类的领地。
---
参考来源
- Ryan Lopopolo, "Harness Engineering" (AI Engineer Summit 2025)
- OpenAI Symphony Architecture (Linear-driven multi-agent workflow, Elixir/BEAM)
- Anthropic Claude Code & Codex CLI documentation and benchmarks
- Cognition Labs Devin technical reports
- Cursor Composer mode and parallel agent design
- SWE-bench and agentic coding evaluation frameworks