auto-coding

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

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "auto-coding" with this command: npx skills add krislu1221/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

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

General

Mult Call

多路召回skill ,用于将意图识别skill中的指标和维度信息进行分析,通过向量知识库召回QA问答对,通过图数据库召回表的定义结构。

Registry SourceRecently Updated
General

Grok Api Search

使用 Grok API 进行网络搜索。默认使用中转端点节省成本。

Registry SourceRecently Updated
General

Qq Music

Provides summary data for public QQ Music playlists, songs, and artists including plays, favorites, and ranking trends without download or bulk scraping.

Registry SourceRecently Updated
General

Rewrite Question

补全上下文并重写用户提问

Registry SourceRecently Updated