技术科普｜如何用 RAG 让 Coding Agent 更聪明？

Coding Agent 中其实不少环节都可以用到 RAG（检索增强生成），把"查资料"和"写代码"这两件事结合起来。

具体来说：

• 理解你想干什么：分析需求，找到相关代码和文档

• 快速定位文件：在大项目里找到关键模块

• 写出合适的代码：基于实际情况和最佳实践

• 帮你调试：分析错误，搜索解决方案

让编程助手从"代码生成器"变成真正的"软件工程师"。

• 搞懂一个巨大项目是怎么工作的
• 在几百个文件里找到那个该死的模块
• 看着莫名其妙的报错发呆
• 学新框架新工具

想象一下，你要做一个从没做过的功能。通常你会这样：

• 先 Google 找例子
• 翻框架文档
• 在自己项目里搜类似的代码
• 上 StackOverflow 看看别人怎么解决的

Coding Agent 就是一个可以自主执行这些动作的智能体，或者说把这个过程自动化了。它不仅可以充当搜索引擎进行学习，还能把找到的信息组合起来，帮你写代码。

原理其实很简单：

1. 检索（Retrieval）：找相关的东西——代码、文档、问答
2. 生成（Generation）：用这些信息写出新的代码或解决方案

就这两步，但效果比单纯的代码生成器强多了。

当然，为了让一切更加顺利，还需要添加反馈机制。根据调试信息优化并进行修正。

• 要 JWT、OAuth 还是别的方案？
• 现有代码哪里需要改？
• 你用的什么框架？

• 官方文档：框架的使用指南
• 代码例子：你项目里或者开源项目的类似实现
• 社区问答：StackOverflow、GitHub 上的讨论
• 最佳实践：编码规范和安全建议

• 看看有没有明显的错误
• 确认确实能解决你的问题
• 有问题的话马上调整

• 分析错误信息
• 去找类似问题的解决方案
• 用新信息再试一遍

05

最大的坑：什么时候去查资料？

用 RAG 有个很关键的问题：什么时候该去查资料？

太早查可能漏掉重要信息，太晚查又会拖慢速度。我觉得这样比较合理：

• 通用的东西（框架文档、编码规范）提前准备好
• 具体问题（调试、特殊需求）现查现用

这样既不会太慢，也不会出错。

06

什么信息该存，什么该丢？

不是所有信息都一样重要。有些东西（比如框架规则）得一直记着，有些（比如这次运行的日志）用完就可以扔了。

这样处理可能会是一个不错的路线：

这样既不会太慢，也不会占太多空间。

执行的上下文越长，无效的信息越多，也需要及时压缩和截断，保留真正有效的部分。

07

如何自己写个编程助手？

如果你也想写个编程助手，但不想搞得太复杂，可以这样开始：

1. 先写一些规则和提示词
2. 用简单的搜索工具找文档
3. 写个脚本查 StackOverflow
4. 用 grep
   、lint 
   这些工具收集反馈

这样就有个基础版本了，后面再慢慢改进。

08

写在最后

Coding Agent 确实在改变编程的方式。它把"查资料"和"写代码"结合起来，让编程助手真正能帮上忙——理解你的需求、找到相关文件、写出能用的代码、帮你调试问题。

不管你是新手还是老手，这些效率工具总归能让工作轻松一些。如果你想自己搞一个，建议从简单的开始，慢慢试验。反正现在这个领域变化很快，说不定你就能做出下一个爆款工具。

✨直播预约

🎯相关阅读

复杂关系场景，图数据库为何是首选？

NebulaGraph 在 Airwallex 跨境金融风控的应用

NebulaGraph + LLM 处理风控知识图谱的探索和实践

区块链遇上图数据库：Sui 区块链交易关联分析系统