2025 強大 AI Agent 登陸 VSCode | 打造終極語言模型程式助理

1,043

「當我看著 AI Agent（代理）在 VSCode 中自動修復 bug、生成完整功能模組，甚至主動提出架構優化建議時，我知道程式開發的遊戲規則已經永遠改變了。」

這不是科幻電影的情節，而是 2025 年每個開發者都能擁有的現實。AI Agent（代理）不再只是簡單的程式碼補全工具，它已經進化成能夠理解上下文、自主決策、甚至跨模型協作的智能編程夥伴

內容

什麼是 AI Agent？

如果說過去的 AI 只是「會聊天的工具」，那 AI 代理，就是那個會「自己動手做事」的助手。

傳統 AI	AI 代理
只會聊天，提供建議	主動規劃與執行任務
回答問題，但不操作	給出成果，而不只是建議
無上下文意圖	可理解上下文並自主決策

AI 代理的核心運作模式

AI Agent 不再只是單一模型，而是一個具備 意圖與行動能力的系統 (Intelligent Agent)。即便這次我們只用 Gemma3，它也能獨立完成從規劃到生成的整個流程：

撰寫技術文檔與 README
理解需求
規劃專案架構
生成程式碼

安裝 Gemma3 模型

假設已經安裝好 VSCode、Continue 外掛以及 Ollama。如果尚未安裝，可先參考前一篇教學完成 Ollama 安裝。

下載 Gemma3 模型：

ollama pull gemma3:27b
ollama list

檢查是否成功下載與模型大小。

啟動本地服務：

ollama serve

快速測試：

curl http://localhost:11434/api/generate -d '{"model":"gemma3:27b","prompt":"Hello"}'

若收到 JSON 回應，代表 API 可正常使用。

安裝 Continue 外掛

開啟 VSCode
搜尋安裝 Continue
開啟設定檔 ~/.continue/config.yaml
將 Gemma3 配置加入：

name: LocalAI-Gemma
version: 1.0.0
schema: v1

models:
  - name: Gemma3 27B (Doc Agent)
    provider: ollama
    model: gemma3:27b
    roles: [chat, edit, apply]
    defaultCompletionOptions:
      temperature: 0.3

context:
  - provider: file
  - provider: code
  - provider: diff
  - provider: terminal

rules:
  - Give concise and clear answers
  - Always provide code examples if possible
  - Explain your reasoning when making architectural decisions

prompts:
  - name: generate_flask_project
    description: Generate a full Flask project structure with blueprints, models, and config
    prompt: |
      Please generate a complete Flask project structure with main app, blueprints, models, and config files.
      Explain each file and folder briefly.
      Provide the code in markdown code blocks.

mcpServers: []
data: []

AI Agent 協作實戰：從需求到生成

假設需求：

「生成一個完整 Flask 專案，包含 app、藍圖 (blueprints)、模型 (models)、配置 (config) 與 README。」

流程示範：

打開 VSCode，啟動 Continue 外掛
切換到 Agent 模式
選擇模型 Gemma3 27B
輸入 Prompt

Generate a complete Flask project with blueprints, models, config, and README.

AI Agent 自動生成結果

專案結構

flask_project/
├── app/
│   ├── __init__.py
│   ├── main.py
│   └── config.py
├── blueprints/
│   ├── api/
│   │   ├── __init__.py
│   │   └── routes.py
│   └── auth/
│       ├── __init__.py
│       └── routes.py
├── models/
│   ├── user_model.py
│   └── article_model.py
├── extensions.py
├── requirements.txt
└── README.md

初始化 Flask 應用（app/__init__.py）

from flask import Flask
from app.config import Config
from extensions import db, migrate
from blueprints.api import api_bp
from blueprints.auth import auth_bp

def create_app():
    app = Flask(__name__)
    app.config.from_object(Config)

    db.init_app(app)
    migrate.init_app(app, db)

    app.register_blueprint(api_bp)
    app.register_blueprint(auth_bp)

    return app

主程式入口（app/main.py）

from app.__init__ import create_app

app = create_app()

if __name__ == '__main__':
    app.run(debug=True)

應用設定（app/config.py）

import os

class Config:
    DEBUG = True
    SQLALCHEMY_DATABASE_URI = os.environ.get('DATABASE_URL', 'sqlite:///db.sqlite')
    SQLALCHEMY_TRACK_MODIFICATIONS = False
    SECRET_KEY = os.environ.get('SECRET_KEY', 'your-secret-key')

API 藍圖初始化（blueprints/api/__init__.py）

from flask import Blueprint

api_bp = Blueprint('api', __name__, url_prefix='/api')
from blueprints.api import routes

API 路由（blueprints/api/routes.py）

from flask import jsonify
from blueprints.api.__init__ import api_bp

@api_bp.route('/test', methods=['GET'])
def test():
    return jsonify({'message': 'API 測試成功!'})

認證藍圖初始化（blueprints/auth/__init__.py）

from flask import Blueprint

auth_bp = Blueprint('auth', __name__, url_prefix='/auth')
from blueprints.auth import routes

認證路由（blueprints/auth/routes.py）

from flask import jsonify, request
from blueprints.auth.__init__ import auth_bp

@auth_bp.route('/login', methods=['POST'])
def login():
    data = request.get_json()
    # 測試範例，請換成實際認證邏輯
    if data.get('username') == 'test' and data.get('password') == 'password':
        return jsonify({'message': '登入成功!'})
    else:
        return jsonify({'message': '帳號或密碼錯誤'}), 401

資料模型：User（models/user_model.py）

from extensions import db

class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(80), unique=True, nullable=False)
    password = db.Column(db.String(120), nullable=False)

    def __repr__(self):
        return f'<User {self.username}>'

資料模型：Article（models/article_model.py）

from extensions import db

class Article(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    title = db.Column(db.String(100), nullable=False)
    content = db.Column(db.Text, nullable=False)
    user_id = db.Column(db.Integer, db.ForeignKey('user.id'), nullable=False)
    user = db.relationship('User', backref=db.backref('articles', lazy=True))

    def __repr__(self):
        return f'<Article {self.title}>'

擴充功能初始化（extensions.py）

from flask_sqlalchemy import SQLAlchemy
from flask_migrate import Migrate

db = SQLAlchemy()
migrate = Migrate(db, db)

依賴清單（requirements.txt）

Flask
Flask-SQLAlchemy
Flask-Migrate

README.md

# Flask Project Template

## Description

This is a basic Flask project template with blueprints, models, and configuration. It provides a starting point for building web applications with Flask.

## Dependencies

- Python 3.6 or higher
- Flask
- Flask-SQLAlchemy
- Flask-Migrate

## Installation

1. Clone the repository:

   ```bash
   git clone [your-repository-url]
   cd [your-project-directory]
   ```

2. Create a virtual environment (recommended):

   ```bash
   python3 -m venv venv
   source venv/bin/activate  # On Linux/macOS
   venv\Scripts\activate  # On Windows
   ```

3. Install dependencies:

   ```bash
   pip install -r requirements.txt
   ```

4. Initialize the database:

   ```bash
   flask db init
   flask db migrate
   flask db upgrade
   ```

## Running the Application

```bash
flask run
```

The application will be accessible at `http://127.0.0.1:5000/`.

## API Endpoints

- `/api/test`:  Returns a JSON message indicating the API is working.
- `/auth/login`:  Simulates a login endpoint.

## Project Structure

```
flask_project/
├── app/
│   ├── __init__.py
│   ├── main.py
│   └── config.py
├── blueprints/
│   ├── api/
│   │   ├── __init__.py
│   │   └── routes.py
│   └── auth/
│       ├── __init__.py
│       └── routes.py
├── models/
│   ├── user_model.py
│   └── article_model.py
├── extensions.py
├── requirements.txt
└── README.md
```

結論

AI Agent（代理）是具備自主思考與行動能力的智能系統，能夠深度理解人類意圖、自主規劃執行步驟，並實際完成複雜任務。與傳統AI僅被動回答問題不同，AI 代理會主動分析需求、制定策略、選擇工具，並執行具體行動，例如自動建立完整專案架構、撰寫可運行程式碼、生成技術文件，並確保最終成果符合預期目標。

更進階的是，多個AI 代理能夠組成協作網絡，如同專業團隊般分工合作。不同專長的代理各司其職——邏輯推理專家負責架構設計、程式開發專家專注代碼實現、文檔專家完善技術資料，形成高效的工作流水線。這種協作模式不僅提升任務完成質量，更大幅擴展了可處理問題的複雜度。

這種「從理解到執行」的完整能力鏈，標誌著AI技術從被動工具到主動夥伴的本質轉變。AI 代理不再只是回答問題的聊天機器人，而是真正能動手解決問題的智能助手，為人類工作者帶來前所未有的效率革命，重新定義人機協作的未來樣貌。

SaludPCB

內容

什麼是 AI Agent？

AI 代理的核心運作模式

安裝 Gemma3 模型

安裝 Continue 外掛

AI Agent 協作實戰：從需求到生成

AI Agent 自動生成結果

結論

相關文章

2026 YOLO Custom Model 自訂模型完整教學 | 從訓練到推論

終極 Pose Estimation 突破 | 5 種 YOLO AI 解讀你的每個動作的方法

YOLO11 強勢登場 | AI 物件偵測快到不像話，準確率再創新巔峰！

2025 自建 MCP Server | 打造你的 C++ AI 代理編程助手