Auto Coding V3

智能自主编码系统 v3.7-discipline — 全子代理架构 + 分阶段技能注入。支持 8 步循环、Reviewer 否决权、复杂度自动分级、Risk Scorecard 量化检测。触发词: auto-coding, 写代码, 开发, coding, karpathy

Auto-Coding v3.7-discipline

概述 / Overview

Auto-Coding 是一个智能自主编码系统，通过全子代理架构 + 分阶段技能注入，完成从需求到代码的完整开发流程。

Auto-Coding is an intelligent autonomous coding system that completes the full development lifecycle from requirements to code through a fully sub-agent architecture with staged skill injection.

本质: 单进程串行 + 多角色 Prompt + 多模型切换。每一步换不同的人格和模型来审视代码，不是真正的多 Agent 并行。

Essence: Single-process serial execution + multi-role prompting + multi-model switching. Each step uses a different persona and model to review the code — not true multi-agent parallelism.

核心特性:

• 全子代理架构 — 主会话只做监工，所有干活用子代理执行
• 分阶段技能注入 — 每阶段注入对应技能文件，≤2 技能/阶段
• 8 步循环 — 设计→分解→编码→测试→反思→优化→验证→输出
• Reviewer 否决权 — 审查发现 🔴 阻塞项触发重写，最多 3 次迭代
• 复杂度自动分级 — A (Micro) / B (Feature) / C (System)，自动跳过不需要的阶段
• Risk Scorecard — 五元组量化检测，公用信号识别
• 状态持久化 — .auto-coding/state.json，session 断了可恢复
• 审批策略 — .auto-coding/rules.yaml，敏感操作自动拦截

Key features:

• Full sub-agent architecture — main session only supervises; all work delegated to sub-agents
• Staged skill injection — each phase injects corresponding skill files, ≤2 skills per phase
• 8-step cycle — Design → Decompose → Code → Test → Reflect → Optimize → Verify → Output
• Reviewer veto power — 🔴 blockers trigger rewrite, up to 3 iterations
• Auto complexity grading — A (Micro) / B (Feature) / C (System), auto-skip irrelevant phases
• Risk Scorecard — 5-tuple quantified detection with public signal recognition
• State persistence — .auto-coding/state.json, resume from last phase on session break
• Approval rules — .auto-coding/rules.yaml, auto-intercept sensitive operations

---

设计哲学 / Design Philosophy

1. 思考优先 — 不假设，模糊需求列出假设或直接提问

2. 极简主义 — 最少代码解决问题，自检"200 行能否缩到 50 行"

3. 手术刀修改 — 只改必须改的，不顺手重构，遵循现有风格

4. 目标导向 — 先定义 Done 标准再编码，验证通过才算完成

5. Think first — Don't assume; list assumptions for ambiguous requirements or ask directly

6. Minimalism — Solve with minimal code; self-check "can 200 lines shrink to 50?"

7. Scalpel edits — Only change what's necessary; don't refactor opportunistically; follow existing style

8. Goal-oriented — Define Done criteria before coding; verification pass = completion

---

🔴 执行铁律

铁律 1: 自动推进，不中途停下

启动后连续完成所有阶段。只在 3 种情况打断: (1) 需求不明确 (2) 多方案需选择 (3) 安全审批。

铁律 2: 全子代理化，主会话只做监工

所有干活用子代理执行。主会话职责: 分阶段派活、检查文件质量、打回重写、交付结果。

铁律 3: 每步输出，不攒到最后

每阶段完成后立刻输出结果（当前阶段、模型、做了什么、发现了什么），然后直接进入下一阶段。

---

📋 8 步循环流程 + 技能注入

设计 → 分解 → 编码 → 测试 → 反思 → 优化 → 验证 → 输出
  ↑_______________________________________↓
              迭代 (最多 3 次)

步骤	阶段	注入技能	模型	职责
1	设计	grill-with-docs	deepseek-v4-pro	需求对齐、技术方案
2	分解	decomposition	deepseek-v4-pro	任务拆解、依赖分析
3	编码	tdd	deepseek-v4-pro	TDD 红-绿-重构
4	测试	testing	deepseek-v4-pro	边界覆盖、回归检测
5	反思	zoom-out + code-review	deepseek-v4-pro	审查、🔴🟡💭 分级
6	优化	optimize	deepseek-v4-pro	推理重构
7	验证	verification	deepseek-v4-pro	交付验证
8	输出	—	—	交付物

注入规则: 每阶段 ≤2 技能文件，全局文件（risk-scorecard + discipline-meta）随首次注入附带。注入失败不阻塞流程。

Reviewer 否决权: 审查发现 🔴 阻塞项（安全漏洞、不符合需求、过度设计）→ 触发重写，最多 3 次迭代。 详细见: skills/code-review.skill.md

调试子流程: 测试失败或否决时触发 6 阶段调试（反馈循环→复现→假设→插桩→修复→清理）。 详细见: skills/diagnose.skill.md

模型适配: 各阶段模型应根据自身模型配置进行重新适配，推荐采用多模型交叉检测与验证的方式，避免单一模型盲区。

Model adaptation: Each phase's model should be re-adapted based on available model configuration. Multi-model cross-validation is recommended over single-model detection to avoid blind spots.

---

⚡ 复杂度自动分级

等级	特征	阶段数	典型耗时
A (Micro)	单函数、Bug 修复	编码→测试→验证 (3)	<2 分钟
B (Feature)	模块开发、单 API	设计→编码→测试→验证 (4)	2-5 分钟
C (System)	完整系统、多文件重构	设计→分解→编码→测试→反思→优化→验证 (7)	5-15 分钟

A 级至少注入 grill-with-docs（需求确认部分）。连续 2 次阻塞自动升级为 B 级。

---

🤖 模型分配 + 降级

阶段	首选	Fallback 1	Fallback 2
设计/分解	deepseek-v4-pro	MiMo v2.5 Pro	—
编码/测试	deepseek-v4-pro	MiMo v2.5 Pro	—
审查/优化	deepseek-v4-pro	MiMo v2.5 Pro	—
验证	deepseek-v4-pro	MiMo v2.5 Pro	—

降级原则: 优先同级别 → 降一级 → 记入日志。

---

📝 子代理铁律

所有子代理禁止输出完整内容到对话:

✅ {阶段}完成
📄 输出文件: {file1}, {file2}, ...
💡 一句话结论: {核心结论}

---

🧠 Karpathy 铁律（精简）

1. 思考优先: 不假设，模糊需求列出假设或直接提问
2. 极简主义: 最少代码解决问题，自检"200 行能否缩到 50 行"
3. 手术刀修改: 只改必须改的，不顺手重构，遵循现有风格
4. 目标导向: 先定义 Done 标准再编码，验证通过才算完成

---

📁 技能文件索引

技能文件	注入阶段	职责
skills/grill-with-docs.skill.md	Step 1 设计	需求对齐、结构化追问、CONTEXT.md 维护
skills/decomposition.skill.md	Step 2 分解	任务拆解纪律、依赖分析、粒度检查
skills/tdd.skill.md	Step 3 编码	TDD 红-绿-重构循环、垂直切片规则
skills/testing.skill.md	Step 4 测试	测试策略、边界覆盖、回归检测
skills/zoom-out.skill.md	Step 5 反思	全局视角、跨模块依赖分析
skills/code-review.skill.md	Step 5 反思	Reviewer 审查、🔴🟡💭 分级、Reviewer 否决权
skills/optimize.skill.md	Step 6 优化	重构纪律、性能优化检查清单
skills/verification.skill.md	Step 7 验证	交付验证清单、阶段聚合
skills/diagnose.skill.md	调试子流程	6 阶段系统化调试
skills/improve-architecture.skill.md	Step 8.5	架构健康检查、深层耦合发现
skills/risk-scorecard.skill.md	全局（首次附带）	Risk Scorecard 五元组、公用信号检测规则
skills/discipline-meta.skill.md	全局（首次附带）	元规则、量化上限、override 流程

---

⚠️ 安全透明声明

外部操作

操作	工具	数据流向	说明
模型推理	openclaw infer model run	任务描述 → 本地推理服务	发送任务描述和代码上下文，不含 API 密钥
Cron 监控	openclaw cron add/rm	Cron 名称 → OpenClaw 调度器	创建/删除定时检查，可选飞书通知
飞书通知	sessions_send	任务标题/状态 → 飞书通道	默认禁用，需显式开启
环境变量	os.environ.get()	系统环境 → 模型配置	仅读取 AUTO_CODING_MODEL_*，不含敏感字段

文件系统

操作	范围	说明
写入	工作目录内	代码文件、测试文件、日志
读取	工作目录内	项目依赖、配置文件
状态	.auto-coding/	任务状态、阶段日志

模型环境变量

AUTO_CODING_MODEL_DESIGN=...     # 设计阶段模型覆盖
AUTO_CODING_MODEL_DECOMPOSE=...  # 分解阶段模型覆盖
AUTO_CODING_MODEL_CODE=...       # 编码阶段模型覆盖
AUTO_CODING_MODEL_TEST=...       # 测试阶段模型覆盖
AUTO_CODING_MODEL_REVIEW=...     # 审查阶段模型覆盖
AUTO_CODING_MODEL_OPTIMIZE=...   # 优化阶段模型覆盖
AUTO_CODING_MODEL_VERIFY=...     # 验证阶段模型覆盖
AUTO_CODING_FALLBACK_MODEL_1=... # 回退模型 1
AUTO_CODING_FALLBACK_MODEL_2=... # 回退模型 2

所有环境变量均为可选，不含 API 密钥或敏感配置。

---

📦 使用示例

• A 级: "写一个 Python 函数计算两个列表的交集" → 编码→测试→验证
• B 级: "帮我实现一个 REST API，支持用户注册和登录" → 设计→编码→测试→验证
• C 级: "从零搭建一个博客系统，支持文章发布和评论" → 完整 7 阶段

---

⚙️ 项目配置

• 状态持久化: .auto-coding/state.json — session 中断自动从上次阶段恢复
• 审批策略: .auto-coding/rules.yaml — 自定义 auto_approve / require_approval
• 阶段日志: .auto-coding/logs/{order}-{phase}.log — 每个阶段独立可追溯

---

v3.7-discipline · 2026-05-22