Code Dev V1 Tool Free

版本化编码工作流,支持规划、实现、验证、测试的结构化开发与偏好记忆

结构化开发工具免费版

概述

结构化开发工具免费版为个人开发者提供版本化的编码工作流管理。工具遵循"请求 → 规划 → 执行 → 验证 → 交付"的五步结构化流程,每个步骤都有明确的检查点,支持回溯与状态追踪。

免费版聚焦个人开发场景,提供偏好记忆、任务拆分、检查点管理等核心能力。

核心能力

1. 五步结构化工作流

text

请求 → 规划 → 执行 → 验证 → 交付
  ↑                              |
  └──── 检查点回溯 ←─────────────┘

步骤	输入	输出	检查点
请求	用户需求	明确目标	需求确认
规划	开发目标	任务清单	方案评审
执行	任务清单	代码变更	步骤验证
验证	代码变更	测试结果	质量检查
交付	测试结果	交付物	交付确认

输入: 用户提供五步结构化工作流所需的指令和必要参数。 处理: 按照skill规范执行五步结构化工作流操作,遵循单一意图原则。 输出: 返回五步结构化工作流的执行结果,包含操作状态和输出数据。

2. 偏好记忆系统

text

~/code/
  - memory.md        # 用户偏好
  - checkpoints/     # 检查点记录

bash

# 初始化
mkdir -p ~/code/checkpoints

偏好存储规则:

触发条件	存储行为
用户说"记住我偏好 X"	存储到 memory.md
用户说"别再做 Y"	存储到 memory.md 禁止区
用户未明确要求	不存储

输入: 用户提供偏好记忆系统所需的指令和必要参数。 处理: 按照skill规范执行偏好记忆系统操作,遵循单一意图原则。 输出: 返回偏好记忆系统的执行结果,包含操作状态和输出数据。

3. 检查点管理

每个步骤完成后创建检查点,支持回溯:

bash

# 查看检查点历史
请列出当前任务的所有检查点

# 回溯到指定检查点
请回溯到"方案评审"检查点,重新规划

输入: 用户提供检查点管理所需的指令和必要参数。 处理: 按照skill规范执行检查点管理操作,遵循单一意图原则。 输出: 返回检查点管理的执行结果,包含操作状态和输出数据。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

4. 任务拆分与验证

text

原始请求: "实现文件上传功能"

结构化拆分:
  步骤1: 创建文件元数据模型 [检查点: 模型验证]
  步骤2: 实现文件存储服务 [检查点: 存储验证]
  步骤3: 添加上传 API 端点 [检查点: 端点验证]
  步骤4: 实现文件类型校验 [检查点: 校验验证]
  步骤5: 编写单元测试 [检查点: 测试验证]

输入: 用户提供任务拆分与验证所需的指令和必要参数。 处理: 按照skill规范执行任务拆分与验证操作,遵循单一意图原则。 输出: 返回任务拆分与验证的执行结果,包含操作状态和输出数据。 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：版本化编码工作流、支持规划、测试的结构化开发、与偏好记忆、面向个人开发者的、结构化编码工作流、提供版本化开发流、程管理、核心能力、规划到交付的五步、结构化开发流程、用户偏好按需记忆、与复用、步骤化任务拆分与、独立验证、开发状态追踪与检等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

使用场景

场景一: 个人项目结构化开发

从需求到交付的完整结构化流程。

bash

# 1. 提出请求(需求确认检查点)
请帮我实现一个用户注册功能
要求: 邮箱注册、密码加密、邮件验证

# 2. 规划(方案评审检查点)
# 工具拆分任务:
# 步骤1: 创建用户数据模型
# 步骤2: 实现密码哈希
# 步骤3: 实现注册端点
# 步骤4: 实现邮件发送
# 步骤5: 编写测试

# 3. 逐步执行(每步创建检查点)
请执行步骤1: 创建用户数据模型
# → 检查点: 模型验证通过

# 4. 验证(质量检查检查点)
请运行步骤1的单元测试

# 5. 交付(交付确认检查点)
请运行完整测试套件并交付

场景二: 功能迭代与版本管理

对已有功能做迭代改进,利用检查点管理版本。

bash

# 迭代请求
请优化现有认证模块
目标: 添加限流和日志

# 规划:
# 步骤1: 分析现有代码 [检查点: 代码分析]
# 步骤2: 实现限流中间件 [检查点: 限流验证]
# 步骤3: 添加日志记录 [检查点: 日志验证]
# 步骤4: 更新测试 [检查点: 测试验证]

# 如需回溯
请回溯到"限流验证"检查点,调整限流策略

场景三: 代码质量自检

交付前做结构化质量检查。

bash

# 交付前自检
请执行交付前质量检查:
- 单元测试全部通过
- 无 lint 错误
- 无类型错误
- 代码审查自查清单完成
输出: 质量报告 + 交付建议

快速开始

第一步: 初始化工作区

bash

# 创建工作目录
mkdir -p ~/code/checkpoints

# 创建偏好文件(可选)
cat > ~/code/memory.md << 'EOF'
# 开发偏好

**结果处理**: 执行完成后,查看输出结果确认操作状态。成功时输出包含处理摘要和结果数据;失败时根据错误信息排查问题,查阅错误处理章节获取恢复步骤。


## 偏好
- 语言: Python
- 风格: PEP 8
- 测试: pytest

## 禁止
- 不使用 print 调试
- 不硬编码配置
EOF

第二步: 发起开发请求

bash

# 描述需求
请帮我实现一个日志分析工具
功能: 解析日志文件,统计错误频率,输出报告

第三步: 按结构化流程推进

bash

# 确认规划后逐步执行
请执行步骤1: 创建日志解析器

# 每步验证
请验证步骤1: 运行解析器单元测试

# 全部完成后交付
请执行交付前检查并交付

示例

工作区结构

text

~/code/
  - memory.md              # 用户偏好
  - checkpoints/           # 检查点记录
    - task-001/            # 任务1的检查点
      - 01-request.md      # 请求检查点
      - 02-plan.md         # 规划检查点
      - 03-execute.md      # 执行检查点
      - 04-verify.md       # 验证检查点
      - 05-deliver.md      # 交付检查点

偏好记忆模板

markdown

# 开发偏好

## 编码风格
- 语言: Python
- 风格: 遵循 PEP 8
- 格式化: black

## 框架偏好
- Web 框架: FastAPI
- ORM: SQLAlchemy
- 测试: pytest

## 质量要求
- 每个函数必须有类型注解
- 每个函数必须有 docstring
- 测试覆盖率目标: 80%

## 禁止事项
- 不使用 print 调试,用 logging
- 不硬编码配置,用环境变量
- 不忽略异常,必须有处理逻辑

检查点格式

markdown

# 检查点: 步骤1 模型验证

## 任务
创建用户数据模型

## 变更文件
- src/models/user.py (新增)

## 验证结果
- 单元测试: 3/3 通过 ✅
- 类型检查: 通过 ✅
- Lint 检查: 通过 ✅

## 状态
- 检查点类型: 步骤验证
- 创建时间: 2026-07-18 14:30
- 可回溯: 是

最佳实践

1. 每步创建检查点

text

步骤完成后,自动创建检查点:
- 记录变更文件
- 记录验证结果
- 记录时间戳
- 标记可回溯状态

2. 用户控制执行

原则	说明
提供指引	工具提供流程指引,不自动执行
用户决定	用户决定何时进入下一步
可回溯	检查点支持回溯到任意步骤

3. 避免常见陷阱

陷阱	解决方案
交付未测试代码	每步验证,交付前全量测试
过大的变更	拆分为可验证的小步骤
忽略偏好	先检查 memory.md
无法回溯	每步创建检查点

4. 隐私与安全

text

数据保留在本地:
- 仅存储用户明确要求的偏好
- 检查点记录存储在 ~/code/checkpoints/
- 不发送到外部服务

工具边界:
- 不自动执行代码
- 不发起网络请求
- 不访问 ~/code/ 和项目以外的文件
- 不自动修改 SKILL.md

常见问题

Q1: 免费版的检查点最多保存多少个?

免费版每个任务保存全部检查点,建议任务完成后归档到单独目录,避免占用过多空间。

Q2: 检查点回溯会丢失已有代码吗?

不会。回溯是回到该检查点的规划状态,已有代码保留,用户可基于当前状态重新规划。

Q3: 偏好记忆会自动学习吗?

不会。仅存储用户明确要求记住的内容,不会自动推断或学习偏好。

Q4: 可以同时管理多个任务吗?

免费版支持基本的多任务状态追踪,每个任务有独立的检查点目录。建议一次专注一个任务。

Q5: 工具会访问网络吗?

不会。本工具完全在本地运行,不发起任何网络请求。

依赖说明

运行环境

• Agent 平台: 支持读取 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
• 操作系统: Windows / macOS / Linux

依赖详情

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由 Agent 内置 LLM 提供

API Key 配置

• 本工具基于 Markdown 指令驱动,无需额外 API Key
• 本工具不发起任何网络请求

可用性分类

• 分类: MD+EXEC(纯 Markdown 指令,部分功能需要 exec 命令行执行能力)
• 说明: 通过自然语言指令驱动 Agent 提供结构化编码工作流
• 离线可用: 是,完全在本地运行,不发起网络请求

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响
• 当前为免费版本,如需完整功能请升级到付费版获取全部能力