code-optimizer（代码优化器）

🔧 Code Optimizer — 代码质量自动评估与优化

概述

基于机器学习的代码质量自动评估和优化系统。从 15 个标准测试案例、35 个特征维度出发，通过平衡随机森林模型自动评估代码质量并选择最优生成策略。

核心能力

性能指标

安装

前提条件

• Python 3.9+
• scikit-learn 1.0+
• numpy, pandas

通过 ClawHub 安装

clawhub install code-optimizer

手动安装

# 克隆或复制到 skills 目录
cd ~/.openclaw/workspace
pip install scikit-learn numpy pandas

# 安装技能
clawhub install code-optimizer

使用方法

评估代码质量

# 评估单个文件
code-eval evaluate --code-file my_code.py --task "实现功能"

# 评估代码字符串
code-eval evaluate --code "def hello(): pass" --task "Hello World"

# 批量评估
code-eval batch --dir ./code_samples

运行标准测试

# 运行所有 15 个标准测试
code-eval test-suite

# 运行指定测试
code-eval test --case CASE_001

选择生成策略

# 自动选择最优策略
code-eval select-strategy --code-file my_code.py
# 输出: balanced | emphasize_correctness | extreme_correctness

生成报告

# 生成 HTML 报告
code-eval report --format html --output report.html

配置

主配置

# config.yaml
evaluator:
  model_path: models/balanced_forest.pkl
  threshold: 0.5
  feature_count: 35

strategies:
  - balanced
  - emphasize_correctness
  - extreme_correctness

integration:
  auto_evaluate: true
  log_results: true
  feedback_loop: true

与 Hermes 集成

当与 Hermes 记忆系统配合使用时：

1. 自动评估每个代码生成任务
2. 评估结果存入记忆系统
3. ML 数据集持续扩充
4. 策略选择融入任务规划

版本历史

许可

MIT License