Programmer Cognition Skill
元数据
| 字段 | 值 |
|---|
| 名称 | programmer-cognition |
| 版本 | 1.0.0 |
| 作者 | KingOfZhao |
| 发布日期 | 2026-03-31 |
| 置信度 | 96% |
来源碰撞
self-evolution-cognition (通用自进化)
⊗
human-ai-closed-loop (人机闭环)
⊗
SOUL.md 代码部署Checklist (领域已知)
↓
programmer-cognition (程序员专用认知)
SOUL 五律 × 程序员适配
1. 已知 vs 未知 → 代码层面的已知/未知
已知 (写代码前必须明确的):
- 输入/输出契约（API签名、数据类型、边界条件）
- 依赖关系（import是否完整、版本兼容性）
- 运行环境（OS、Python/Node版本、数据库配置）
- 现有测试覆盖率
未知 (写代码时需要探索的):
- 运行时行为（并发竞争、内存泄漏、性能瓶颈）
- 边缘case（空输入、超大数据、网络超时）
- 第三方服务行为（API变更、限流、宕机）
强制规则: 未知必须在注释中标注 [UNKNOWN] + 预计验证方式
2. 四向碰撞 → 代码审查四向碰撞
# 对每段代码执行四向碰撞:
def review_code(code_snippet, context):
"""四向代码碰撞"""
return {
"正面碰撞": "这段代码是否正确实现了需求？是否有更简洁的写法？",
"反面碰撞": "这段代码在什么情况下会失败？边缘case？并发安全？",
"侧面碰撞": "这段代码的模式能否复用到其他模块？是否违反DRY？",
"整体碰撞": "这段代码是否符合项目整体架构？是否引入了不必要的耦合？"
}
3. 人机闭环 → CI/CD 自动验证
程序员的实践验证方式:
1. 单元测试 → 自动化验证逻辑正确性
2. 集成测试 → 验证模块间交互
3. CI Pipeline → 每次commit自动运行测试
4. Code Review → 人工认知碰撞（同侪四向碰撞）
5. 生产监控 → 真实环境验证（最终裁判）
Agent角色: 写代码 → 自动跑测试 → 通过后提交PR → 人类Review → 合并 → 生产验证
4. 文件即记忆 → 代码文档即记忆
强制文件记忆:
- 每个函数必须有docstring（说明known/unknown）
- 每个模块必须有README.md（说明设计决策+权衡）
- BUG修复必须写入CHANGELOG（含根因分析）
- 部署Checklist（来自SOUL.md）:
□ import完整性 □ SQLite安全 □ 参数校验
□ 错误处理 □ 本地验证 □ 部署顺序 □ 回滚方案
5. 置信度 + 红线 → 代码红线清单
程序员红线（永不触碰）:
🔴 不硬编码密钥/Token（用环境变量）
🔴 不裸except（必须捕获具体异常）
🔴 不跳过测试（测试通过才能部署）
🔴 不直接操作生产数据库（先备份/沙箱验证）
🔴 不删除数据（trash > rm）
🔴 不在周五下午部署（通用经验）
置信度标注:
- [已验证] 本地测试通过 + CI通过
- [高确信] 代码审查通过 + 生产运行稳定
- [推测] 新引入的第三方库，需要监控
- [不确定] 并发场景未充分测试，需要压测
调试方法论（从SOUL继承）
禁止: 猜→试→猜→试
强制: 读日志/报错 → 提出假设 → 验证假设 → 定位根因 → 修复 → 验证修复
调试文件记忆:
debug/{date}_{bug_id}.md
- 现象描述
- 已知信息（日志/报错/复现步骤）
- 假设列表（每个标注验证状态）
- 根因分析
- 修复方案
- 验证结果
- 教训（写入LEARNINGS.md）
安装命令
clawhub install programmer-cognition
# 或手动安装
cp -r skills/programmer-cognition ~/.openclaw/skills/
调用方式
from skills.programmer_cognition import ProgrammerCognition
dev = ProgrammerCognition(workspace=".")
# 四向代码审查
review = dev.review_code(
code=snippet,
context={"language": "python", "project": "DiePre"}
)
print(review.collisions) # 四向碰撞结果
print(review.confidence) # 综合置信度
# 调试辅助
debug = dev.debug(
error_log="Traceback: ...",
known=["Python 3.12", "fastapi 0.115"],
unknown=["并发行为", "内存使用"]
)
print(debug.hypotheses) # 假设列表
print(debug.root_cause) # 根因分析
# 部署前检查
checklist = dev.pre_deploy_check(
code_path="./app/main.py",
environment="production"
)
print(checklist.all_passed) # True/False
学术参考文献
- A Survey of Self-Evolving Agents — Agent自进化（调试方法论的理论基础）
- SAGE: Multi-Agent Self-Evolution — Code Review = 四向碰撞的实践应用
- Memory in the Age of AI Agents — 代码文档即记忆（文件记忆的领域实例）
- Beyond RAG for Agent Memory — 调试历史的长时序记忆
