來自 meng shao（@shao__meng）的推文串

[開源推薦] Mistral Vibe: @MistralAI 開源了他們最新推出的CLI Coding Agent“Mistral Vibe” 和Kimi CLI 一樣採用了Python 作為主要開發語言，Agent 核心架構也是一個「觀察-調整-決策-行動」的循環，模擬一個人類程式設計師的行為模式：先看檔案結構（ls），再搜尋關鍵字（grep），讀取程式碼（cat），修改（vim），執行測試（make test），遇到報錯，回頭看看 第一階段：建構動態上下文在每一次循環開始前，Agent 必須「看清」當前局勢。 Vibe 不只是把使用者的聊天記錄寄給模型，而是建構一個結構化的Prompt 套件： · 系統指令：定義了「你是誰」（Mistral 資深工程師）、「你的權限」（可以讀寫檔案、執行Shell）以及「輸出格式」（必須遵循的JSON 或XML 結構）。 · 文件映射：這是Vibe 的一個特點。它不會把所有程式碼讀進去（那樣會撐爆上下文），而是先生成一個精簡的文件樹。模型透過這個樹知道utils. py 在哪，但暫時不知道裡面的內容。 · 活躍視窗：只有被read_file 明確開啟的檔案內容，才會完整進入Context。 · 歷史摘要：先前的對話如果太長，會被壓縮成“摘要”，只保留關鍵決策點。 第二階段：推理與決策這是Devstral 模型發揮作用的時刻。模型接收上述上下文後，進行思考鏈推理。 · 意圖識別：模型判斷使用者的意圖是「查詢」、「修改」還是「測試」。 · 工具選擇：模型不直接寫入程式碼，而是產生工具呼叫指令。 場景範例：如果使用者說“修復登入頁面的Bug”，模型不會瞎猜，而是先輸出：grep("login", "src/views") 來定位程式碼。 · 架構特性：Vibe 這裡利用了Mistral 模型強大的Function Calling 能力，確保輸出的是結構化資料（如JSON），而不是模糊的自然語言，確保了程式解析的穩定性。 第三階段：原子化行動 Agent 接收到模型的指令後，Python 腳本開始執行具體的工具函數。 Vibe 的工具設計非常「原子化」（Atomic），這降低了出錯機率： · view / read：檢視程式碼，Vibe 可能會帶行號讀取，方便後續精準定位。 · edit / replace：這是最難的部分。 Vibe 通常採用Search & Replace Block 的方式，而不是重寫整個文件。 · 容錯機制：如果模型產生的「尋找區塊」在檔案中匹配不到（例如多了一個空格），Agent 會報錯，並把錯誤丟回給循環，讓模型重試。 · bash：執行終端命令。 Vibe 的“殺手鐧”，它允許Agent 運行pytest 或linter 來驗證自己的程式碼。 第四階段：自我修正與回饋· 執行結果擷取：工具執行後的stdout 和stderr 會被捕捉。 · 閉環回饋： · 如果grep 沒找到內容$\rightarrow$ 回饋給模型：「找不到，請嘗試其他關鍵字」。 · 如果pytest 失敗$\rightarrow$ 回饋給模型：「測試未通過，錯誤堆疊如下...」。 · 模型收到回饋後，會自我反思，產生新的修正方案，進入下一個循環。 開源位址