从指令到自主：Lovable 推出 Agent Mode 挑战复杂编程任务

AI 编程工具 Lovable 近日宣布，将逐步向用户推出一项名为 Agent Mode 的测试版功能。此举标志着 Lovable 从一个指令驱动的辅助工具，向能够自主思考、规划并执行任务的“AI 代理”演进。据官方数据显示，该升级将使构建错误率降低90%，同时减少不必要的代码变更。

Agent Mode 的核心变化在于其工作模式。传统的 AI 编程助手，包括 Lovable 的默认模式，倾向于将用户的请求作为单一指令来处理，一次性生成全部结果。这种“一步到位”的方式在处理简单、明确的任务时效率尚可，但在面对需要上下文理解、多步骤操作的复杂需求时，往往表现不佳。

新的 Agent Mode 则模仿了人类开发者的工作流。它首先会解读用户需求，然后通过探索代码库、读取相关文件来补全缺失的上下文信息。在执行变更后，它还会检查日志和网络活动，尝试自动修复过程中出现的问题，最终提供一份清晰的摘要。这一模式使其能够独立完成任务，无需人工干预。

AI 编程进入“代理”时代

Lovable 的 Agent Mode 并非孤例，它反映了整个 AI 编程领域从“助手”到“代理”的转变趋势。此前，无论是 GitHub Copilot 还是其他嵌入 IDE 的工具，其核心价值在于代码补全和根据指令生成代码片段。而以 Devin AI 为代表的新一代工具，则试图将 AI 的角色从被动的执行者提升为主动的“软件工程师”，能够端到端地解决问题。

为了支撑这种自主性，Lovable 为 Agent Mode 配备了一系列新能力：

• 代码库搜索：精确定位需要修改的文件、函数或组件。
• 文件读取：结合上下文理解应用结构，进行精准编辑。
• 日志与网络检查：自主识别和调试错误。
• 实时网络搜索：获取文档、内容或图片以完成任务。
• 图像生成与编辑：按需为应用创建和修改图像。

这些能力的组合，使得 Agent Mode 在处理添加重要功能、修复复杂错误或集成第三方系统等任务时，成功率更高。

价值驱动的定价新模式

功能的进化也带来了商业模式的调整。Lovable 的默认模式和聊天模式采取固定的单次请求计费。而 Agent Mode 转向了基于使用量的定价模型。

这意味着，请求的成本与其复杂性直接挂钩。简单的请求消耗可能低于1个点数，而需要大量探索、涉及多处代码修改的复杂任务则会消耗更多点数。这种模式更精确地反映了计算资源的实际消耗，也确保了用户只需为产生的实际价值付费。

这一定价策略的转变，也从侧面印证了 AI 代理执行复杂任务所需的高昂算力成本，预示着未来更强大的 AI 功能或许都将与更精细化的计费方式绑定。

对于开发者而言，可以通过项目下拉菜单中的设置开启 Agent Mode 测试版。该功能自6月30日起逐步推送，尚未收到的用户需要等待一段时间。