Autonomous AI Coding Assistant

自主人工智能编码助手

一个实用的智能AI编程助手 就像克劳德·科德一样 - 使用纯人工智能，不包含任何硬编码模式。

哲学

“相信大脑，而非模式。”

这个代理使用 纯粹的人工智能 理解自然语言请求并自主执行编码任务。无需正则表达式模式，无需硬编码规则，无需预定义响应——全靠模型的智能。

特点/特性

🧠 纯粹的人工智能

• 无硬编码模式 - 所有理解都来源于人工智能模型
• 自然语言处理 - 天然地问任何问题，人工智能都能理解
• 情境感知规划 - 利用会话内存进行智能决策
• 自适应执行 - 与任何Ollama模型兼容，自动检测功能

🚀 自主执行

• 只读操作自动执行 - 列出文件、阅读代码、搜索、分析时无需确认
• 安全写入操作 - 请求批准文件创建、编辑、命令执行
• 智能后处理 - 分析结果并提供自然语言解释

💾 会话内存

• 文件追踪 - 记住会话期间读取的文件
• 项目背景 - 了解项目类型和结构
• 对话历史 - 在多个请求之间保持上下文
• 智能优化 - 避免重复读取文件

建筑学

User Request
    ↓
🧠 AI Planning (Pure Intelligence)
    ├─ Understands intent naturally
    ├─ Checks session memory
    ├─ Chooses appropriate tools
    └─ Creates execution plan
    ↓
Execute Plan
    ├─ Read-only: Auto-execute
    └─ Write ops: Ask approval
    ↓
📊 Post-Processing
    └─ AI explains results naturally

快速入门

先决条件

1. Ollama（注：这是一个专有名词或特定项目名，直接翻译可能无具体含义，故保留原样） 已安装至少一个型号：

# Recommended models
ollama pull qwen2.5-coder:32b-instruct-q4_K_M  # Best for coding (32B)
ollama pull qwen2.5:14b-instruct-q4_K_M        # Good balance (14B)
ollama pull llama3.2:7b-instruct-q4_K_M        # Smaller option (7B)

1. Python 3.8及以上版本 带有依赖项：

pip install -r requirements.txt

运行代理程序

标准I/O模式（默认） - 客户端自动启动服务器：

./start_client.sh

HTTP 模式 - 服务器独立运行：

# Terminal 1: Start server
./start_server.sh

# Terminal 2: Connect client
./start_client_http.sh

使用示例

该代理能够完全理解自然语言。以下是一些示例：

只读操作（自动执行）

You: what directory am i in

🧠 Thinking...
📋 Plan: List files in current directory
🔓 All operations are read-only - executing automatically

⚙️  Step 1/1: List files in current directory
✅ Done
📁 Found 11 items...

💡 You're in the Autonomous-AI-Coding-Assistant project directory.

You: read client.py and explain what it does

🧠 Thinking...
📋 Plan: Read client.py and provide analysis
🔓 All operations are read-only - executing automatically

⚙️  Step 1/1: Read file client.py
✅ Done
📄 client.py content: [syntax highlighted preview]
📝 Added to session memory (35,234 chars)

💡 client.py implements the AutonomousCodingAgent class with pure AI
intelligence. It uses Ollama models to understand requests naturally,
plan tasks, and execute them autonomously...

You: search for the MCPClient class

🧠 Thinking...
📋 Plan: Search codebase for MCPClient
🔓 All operations are read-only - executing automatically

⚙️  Step 1/1: Search for 'MCPClient' in .
✅ Done
🔍 Found in mcp-client/client.py:61

写操作（请求审批）

You: generate a django project on movie recommendations

🧠 Thinking...

📋 Plan:
1. Create project directory structure 🔒
2. Write manage.py and settings.py 🔒
3. Create movies app with models 🔒
4. Write views and templates 🔒

🚀 Execute plan? [y/n]

它是如何工作的

1. 纯粹的人工智能规划

人工智能模型接收的不是硬编码的模式，而是：

• 用户请求
• 会话内存（读取的文件、项目上下文、对话历史）
• 可用工具
• 最简指令

人工智能大脑自然地理解了该做什么，并制定了一个计划。

2. 自主执行

只读操作 (安全):

• list_files - 列出目录内容
• read_file - 读取文件内容
• search_code - 搜索模式
• analyze_project - 分析项目结构
• get_file_info - 获取文件信息

→ 无需询问，自动执行

写入操作 （待批准）：

• write_file - 创建/编写文件
• edit_file - 编辑现有文件
• execute_command - 运行Shell命令
• create_directory - 创建目录

→ 请求用户批准

3. 智能后处理

执行后，AI进行分析：

• 用户的问题
• 被执行的是什么
• 会话内存中的文件
• 项目背景

然后对结果进行自然语言解释。

模型要求

该代理与……合作 任何Ollama模型但智力各不相同：

“工具‘X’不可用”错误

• 检查MCP服务器是否正在运行
• 验证已加载的工具： /session 命令显示工具
• 重启客户端： ./start_client.sh

反应迟钝

• 使用较小的模型（7-140亿参数范围）
• 使用量化模型（q4_K_M 或 q5_K_M）
• 确保有足够的显存可用

贡献

这是一个纯AI代理——其改进来源于：

1. 使用更好/更大的模型
2. 增强会话记忆系统
3. 增加更多MCP工具
4. 优化最小AI提示（或：改进最基本的AI提示）

无需维护模式匹配！

许可证

MIT 许可证 - 请参阅 LICENSE 文件

功劳；学分；资历

构建于：

• Ollama（注：这是一个专有名词或特定项目/公司的名称，直接翻译可能无法准确传达其含义，因此在这里保留原样） - 本地大型语言模型（LLM）托管
• FastMCP - MCP服务器框架
• Rich（人名，可译为“里奇”） - 终端用户界面
• Prompt 工具包 - 交互式命令行界面（CLI）

受……的启发 克劳德·科德 - 最棒的AI编程助手。