Confucius Code Agent：當軟體工程代理不再靠「大模型」取勝

本篇文章更新時間：2026/01/14
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知。
一介資男的 LINE 社群開站囉！歡迎入群聊聊～
如果本站內容對你有幫助，歡迎使用 BFX Pay 加密貨幣 或 新台幣 贊助支持。

Confucius Code Agent：當模型大小不再是勝負關鍵的時候

副標：Meta x Harvard 讓「Scaffolding」站上舞台中心

編輯前言：這篇文章來自《Meta and Harvard Researchers Introduce the Confucius Code Agent (CCA)》，它給了我一個很重要的提醒：AI 工程代理的真正競爭力，未必在模型本身，而是模型之外的「結構設計」。

核心觀點（Key Takeaways）

• 強大的 Scaffolding 可以超越模型大小：Claude 4.5 Sonnet + Confucius Code Agent 的 Resolve@1（52.7）比 Claude 4.5 Opus + 弱 Scaffold（52.0）還高。
• 階層式工作記憶是長程編程任務的關鍵：比起單純的 sliding window，需要一個能整理、壓縮、分區的記憶架構。
• 持久化筆記帶來跨工作階段的記憶效果：有效減少 token、回合數，並提升成功率。

深入解析

Confucius Code Agent（以下簡稱 CCA）並不是單純「換一個模型」或「再加幾個工具」。Meta 與 Harvard 研究團隊的核心創新，是把重點放在模型外的工程結構，包括記憶體設計、工具調度方式，以及自動化的 agent 配置。

文章指出，Confucius SDK 的整體架構圍繞三個面向：

• Agent Experience：模型看到什麼？有多少上下文、工具結果、記憶摘要？
• User Experience：人類工程師能否看懂 trace？是否有安全機制？
• Developer Experience：可觀察性、可設定性、可除錯性。

這裡我特別注意到兩個設計：

1. 階層式工作記憶（Hierarchical Working Memory）

真實世界的 SWE Bench Pro 任務常涉及數十個檔案、數十回合互動。普通的 context window 根本吃不下。於是 CCA 透過「分區記憶」與「壓縮摘要」方式，保留關鍵資訊（例如 error logs、patches、決策理由），同時避免上下文爆炸。

2. 持久化筆記（Persistent Notes）

CCA 會啟動一個專門的代理，把執行過程整理成結構化的 Markdown 筆記，包含：策略、常見錯誤、repo 特性等。這些內容像「長期記憶」，能跨 session 使用。

實驗中令人驚訝的是：第二次使用筆記的結果，甚至能提升 Resolve@1（53 → 54.4）。這代表筆記不是紀錄而已，而是有效學習資產。

更多值得注意的細節

• 工具模組化（Modular Extensions）
  團隊測試不同的工具複雜度，發現工具使用策略本身，就是巨大性能槓桿。例如 Claude 4.5 Sonnet 透過更複雜的工具組合，Resolve@1 從 44.0 → 51.6。

• Meta Agent 自動化代理設計
  Confucius SDK 裡有一個 meta agent，會根據自然語言規格，自動組合 prompts、工具與配置，然後在 build-test-improve 回圈中持續優化。

  換句話說，CCA 本身不是人類手工打造，而是「AI 生成 AI」的產物。

實驗結果亮點

• SWE Bench Pro：

• Claude 4.5 Sonnet + CCA：52.7

• Claude 4.5 Opus + 弱 scaffold：52.0

• Claude 4.5 Opus + CCA：54.3（全場最佳）

• SWE Bench Verified：

• Claude 4 Sonnet + CCA：74.6（顯著大於 SWE Agent 的 66.6）

可以看到：更好的 scaffold，甚至能讓較弱的模型超越更強模型。

筆者心得與啟發

讀完後我最大的感觸是：我們花太多注意力在「模型大小」上，而忽略了模型之外的工程化細節。這篇研究證明，AI 程式代理的真實效能，來自：

• 記憶體怎麼設計？
• 工具如何串接？
• 歷史知識是否能累積下來？
• 可否自動調整自己的策略？

特別是階層式記憶與持久化筆記，讓我想到人類工程師也是依賴「專案筆記」與「心智模型」來解決大型問題。AI 若要匹配人類水平，也勢必需要類似的結構性支撐。

若你正在開發 AI agent 或評估哪種系統能應付長程工程任務，我會強烈建議深入了解 Confucius SDK 的設計理念。這不是單純提高 token 限制能解決的問題，而是要重新思考「AI 如何思考與工作」。

---