- name
- auto-coding
- description
- 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
- metadata
- {"nanobot":{"emoji":"🤖","requires":{"bins":["python","pip"]},"install":[{"id":"dashscope","kind":"pip","package":"dashscope","label":"Install DashScope LLM SDK"},{"id":"ddgs","kind":"pip","package":"duckduckgo-search","label":"Install DuckDuckGo Search (optional)"}]}}
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、深度分析和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
- 需求拆解 - 分析任务复杂度，生成执行计划
- 分析需求 - 识别领域、技能要求、潜在挑战
- 找方法 - 搜索文档、工具、最佳实践
- 实现代码 - 生成可运行的代码
- 测试验证 - 运行测试确保代码工作
- 深度分析 - 根因分析、模式识别 (v2.0+)
- 自我反思 - 识别问题并改进（关键！）
- 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
- README.md - 详细文档
- USAGE.md - 使用指南
- DECOMPOSER_DESIGN.md - 需求拆解器设计