Skill flagged — review recommended

ClawHub Security found sensitive or high-impact capabilities. Review the scan results before using.

Auto Coding

v2.1.2

自主编程系统 - 需求拆解、分析需求、找方法、自我反思、迭代优化,达到交付标准

0· 420· 11 versions· 2 current· 2 all-time· Updated 2h ago· MIT-0
byKrislu@krislu1221·duplicate of @krislu1221/auto-coding-correctversion (3.1.1)

Install

openclaw skills install auto-coding-correctversion

Auto-Coding Skill 🤖

版本: 2.1.1 (深度分析 + 交付检查)

自主编程系统 - 不是简单的代码生成,而是具备需求拆解深度分析自我反思能力的智能编程系统。


🆕 v2.1.0 新增:交付标准检查 ✅

在代码交付前进行 8 项严格检查:

  • ✅ 语法检查、安全检查、文档完整性
  • ✅ 错误处理、基本测试、功能完整性
  • ✅ TODO 检查、代码风格

🆕 v2.0.0 新增:深度分析模块 🔍

引入深度分析模块 (deep_analysis.py):

  • ✅ 根因分析 (Root Cause Analysis)
  • ✅ 模式识别 (Pattern Recognition)
  • ✅ 多维度验证 (Multi-dimensional Verification)

🆕 v1.3.0 新增:需求拆解器 🎯

智能判断任务复杂度,动态调整执行流程:

任务类型复杂度耗时
简单任务1-3/10~15 秒
中等任务4-6/10~60 秒
复杂任务7-10/10~180 秒

核心能力

  1. 需求拆解 - 分析任务复杂度,生成执行计划
  2. 分析需求 - 识别领域、技能要求、潜在挑战
  3. 找方法 - 搜索文档、工具、最佳实践
  4. 实现代码 - 生成可运行的代码
  5. 测试验证 - 运行测试确保代码工作
  6. 深度分析 - 根因分析、模式识别 (v2.0+)
  7. 自我反思 - 识别问题并改进(关键!)
  8. 交付检查 - 8 项标准严格把关 (v2.1+)

使用方式

通过 nanobot 命令

/auto-coding 创建一个批量重命名文件的脚本

通过 Python API

from worker import AutoCodingWorker, WorkMode

worker = AutoCodingWorker(mode=WorkMode.STANDARD)
result = await worker.run("创建一个批量重命名文件的脚本")

print(f"成功:{result.success}")
print(f"代码:{result.final_code}")
print(f"迭代:{result.iterations}")

工作模式

模式说明适用场景
quick快速模式,跳过测试和反思简单脚本、单文件任务
standard标准模式,完整流程大多数任务
deep深度模式,多次反思迭代复杂功能、需要优化的代码

常见场景

创建脚本:

/auto-coding 创建一个 Python 脚本来处理 CSV 文件
/auto-coding 帮我写一个批量下载图片的脚本

开发应用:

/auto-coding 开发一个 Flask API 服务
/auto-coding 创建一个 React 组件

功能实现:

这个功能怎么实现?我需要给项目添加日志功能
我需要写一个函数来验证邮箱格式

文件结构

auto-coding/
├── SKILL.md              # 技能定义(本文件)
├── README.md             # 详细文档
├── USAGE.md              # 使用指南
├── DECOMPOSER_DESIGN.md  # 需求拆解器设计文档
├── decomposer.py         # 需求拆解器 (v1.3.0 新增)
├── worker.py             # 核心工作流引擎
├── self_reflect.py       # 自我反思模块
├── delivery_check.py     # 交付标准检查
├── llm_client.py         # LLM 调用客户端(复用 nanobot 配置)
├── prompts/              # 提示词模板
└── tests/                # 测试套件

依赖

  • Python 3.10+
  • dashscope (阿里云通义千问)
  • duckduckgo-search (可选,用于搜索)

配置

LLM 配置

复用 nanobot 的 LLM 配置(从 ~/.nanobot/config.json 读取)

工作空间

默认:~/.nanobot/workspace

可以通过参数指定:

worker = AutoCodingWorker(workspace="/path/to/workspace")

交付标准

代码必须通过以下检查才能交付:

  • 运行无错误
  • 有基本测试
  • 有文档说明
  • 有错误处理
  • 通过安全检查

版本历史

  • v1.3.0 - 新增需求拆解器,智能判断复杂度
  • v1.2.0 - 新增自我反思模块
  • v1.1.0 - 新增交付检查
  • v1.0.0 - 初始版本

相关文档

Version tags

latestvk97f0hvn30sqrdqe99d6qm9mq185hwt8