| name | auto-coding-v3 |
| description | 智能自主编码系统 v3.7.11 — 全子代理架构 + 分阶段技能注入。支持 8 步循环、Reviewer 否决权、复杂度自动分级、Risk Scorecard 量化检测。触发词: /auto-coding, auto-coding, 自动编码, 自主编码 |
| license | MIT |
Auto-Coding v3.7.11 - 智能自主编码系统
设计理念
为什么需要 Auto-Coding
把"写代码"这件事交给 AI，最大的问题不是 AI 不会写，而是AI 写了就忘了：
- 写完不测试，或者测试只走 happy path
- 改 A 模块时顺手重构了 B 模块，引入新 bug
- 做了需求没说的"额外功能"，过度设计
- 没有 review 自己代码的习惯，低级错误反复出现
Auto-Coding 的本质是用结构化流程替代人类的代码纪律。不是"让 AI 写得更好"，而是"让 AI 像有经验的工程师一样工作"：先设计后编码、测试驱动、自己审查自己、迭代修改、验证交付。每一个阶段都是独立子 Agent，换模型、换人格、换思维方式，模拟代码评审的对抗效果。
核心设计原则
- 全子代理化 — 每个阶段独立 sessions_spawn，主会话只做监工：派活 → 检查文件 → 决定通过/打回
- 分阶段技能注入 — 每个阶段只注入 ≤2 个技能文件（Prompt Engineering），不撑爆上下文
- Pro→Flash 分层路由 — 推理/设计/审查用 Pro，编码/执行/验证用 Flash，成本节省 ~50%
- 量化防御 — Risk Scorecard 五元组 + 冷却窗口，自动检测"跳过测试""引入不必要文件"等反模式
- 自动推进不中断 — 只在需求不明确、多方案需选择、安全审批三种情况暂停
8 步循环流程
设计 → 分解 → 编码 → 测试 → 反思 → 优化 → 验证 → 输出
↑_______________________________________↓
迭代 (最多 3 次)
| 步骤 | 阶段 | 注入技能 | 默认模型 | 核心职责 |
|---|
| 1 | 设计 | grill-with-docs | Pro | 需求对齐、反推缺失上下文、技术方案选型 |
| 2 | 分解 | decomposition | Pro | 任务原子化、依赖排序、Done 标准定义 |
| 3 | 编码 | tdd | Flash | TDD 红-绿-重构循环、垂直切片 |
| 4 | 测试 | testing | Flash | 边界覆盖、回归检测、异常路径 |
| 5 | 反思 | zoom-out + code-review | Pro | 全局视角审查、🔴🟡💭 分级、否决权 |
| 6 | 优化 | optimize | Pro | 推理重构、性能优化、Karpathy 极简检查 |
| 7 | 验证 | verification | Flash | 交付验证清单、契约一致性自检 |
| 8 | 输出 | — | — | 交付物聚合、变更摘要 |
迭代规则
- 反思发现 🔴 阻塞项（安全漏洞、不符合需求、过度设计）→ 触发重写
- 重写后再次进入反思，最多 3 次迭代
- 第 3 次仍阻塞 → 标记失败，保留最后一次代码供人工介入
调试子流程
测试失败或 Reviewer 否决时，自动触发 6 阶段系统化调试：
反馈循环 → 复现 → 假设 → 插桩 → 修复 → 清理
每步都有独立技能文件约束（skills/diagnose.skill.md），防止"改改试试看"的随机调试。
架构设计
┌─────────────────────────────────────────────────────────────────┐
│ AutoCodingWorkflowEnhanced │
├─────────────────────────────────────────────────────────────────┤
│ Complexity │ Skill Injector │ Model Auto │ Task │
│ Analyzer │ (12 技能) │ Router │ Profiler │
│ (ABC 分级) │ │ (Pro→Flash) │ (窗口校准) │
├───────────────┼──────────────────┼────────────────┼──────────────┤
│ Scorecard │ Approval Rules │ State Manager │ Reviewer │
│ Engine │ (YAML 配置) │ (断点续传) │ Worker │
│ (五元组检测) │ │ │ (否决权) │
└─────────────────────────────────────────────────────────────────┘
1. 复杂度自动分级
根据需求内容自动判断任务复杂度，决定执行哪些阶段：
| 等级 | 特征 | 执行阶段 | 典型耗时 |
|---|
| A (Micro) | 单函数、Bug 修复、小于 50 行 | 编码→测试→验证 | <2 分钟 |
| B (Feature) | 模块开发、单 API、涉及 3 个以下文件 | 设计→编码→测试→验证 | 2-5 分钟 |
| C (System) | 完整系统、多文件重构、架构调整 | 完整 7 阶段 | 5-15 分钟 |
自动升级机制: 连续 2 次 Reviewer 阻止通过 → 自动升一级（A→B, B→C），确保充分的设计和审查。
2. Model Auto Router — Pro→Flash 双层路由
┌─ Phase Routing Table ─┐ ┌─ Category Override ─┐ ┌─ Context Gate ─┐
│ design → Pro │ │ integration → Pro │ │ >50k token │
│ reflection → Pro │ │ text-critique → Pro │ │ → force Pro │
│ optimize → Pro │ │ │ │ (1M 窗口优势) │
│ coding → Flash │ │ │ │ │
│ testing → Flash │ │ │ │ │
│ verification → Flash │ │ │ │ │
└────────────────────────┘ └───────────────────────┘ └────────────────┘
↓ ↓ ↓
三层决策 → 最终 (model, thinking_level)
- Pro 做"大脑"：设计、分解、反思（审查）、优化（重构）
- Flash 做"手"：编码、测试、验证（执行写入）
- 例外覆盖：集成修改（非独立创建）→ 升回 Pro；大上下文 >50k token → Pro 的 1M 窗口优势
- 预估成本节省：~50%（vs 全 Pro）
3. Skill Injector — 分阶段技能注入
12 个独立技能文件，按阶段精确注入，每阶段 ≤2 个，避免上下文溢出：
Phase Skill Map:
design → grill-with-docs
decomposition → decomposition
coding → tdd
testing → testing
reflection → zoom-out + code-review (≤2)
optimize → optimize
verification → verification
diagnose → diagnose
architecture → improve-architecture
───────────────────────────────────────
global → risk-scorecard + discipline-meta
(首次注入时自动附带)
降级策略: 技能文件缺失或解析失败 → 跳过该技能、记录警告、不阻塞流程。
4. Risk Scorecard 引擎 — 量化防御
五元组检测模型，每阶段执行后自动扫描：
| 维度 | 信号示例 | 默认阈值 |
|---|
| 完整性 | testing_phase_executed == false | 🔴 阻塞 |
| 一致性 | modified_file_count > expected_file_count | 🟡 警告 |
| 安全性 | hardcoded_secret_detected | 🔴 阻塞 |
| 简洁性 | extra_features_added > 0 | 🟡 警告（Karpathy 铁律） |
| 流程纪律 | zoom_out_executed == false and modified_file_count > 3 | 🟡 警告 |
冷却窗口: 同一类失败 24h 内第 3 次触发 → 静默，防告警疲劳。
表达式引擎: AST 安全求值，支持 and/or/not + 比较运算符，零 eval() 调用。
5. Task Profiler — 动态窗口校准
记录每次子 Agent 实际耗时，按 category/model/phase 计算校准系数：
窗口 = 静态预估 × adjust_factor × model_factor × risk_buffer
- adjust_factor: 该 category 的历史实际/预估比值滑动平均
- model_factor: 模型基准耗时比（Flash ~0.3 vs Pro ~1.0）
- risk_buffer: phase 中断风险指数（设计低风险、反思中风险）
6. Reviewer 否决权
审查阶段由独立 Reviewer Worker 执行，拥有否决权：
- 🔴 阻塞项: 安全漏洞、不符合需求、过度设计 → 必须重写
- 🟡 警告项: 缺少测试、命名不规范、潜力冗余 → 建议修改
- 💭 观察项: 风格偏好、可优化点 → 记录不阻塞
7. 状态持久化 — 断点续传
.auto-coding/
├── state.json # 当前阶段、已完成步骤、信号值快照
├── workflow.yaml # 流程配置（模型覆盖、超时、迭代次数）
├── rules.yaml # 审批策略（auto_approve / require_approval）
├── .profile.json # Task Profiler 历史数据
└── logs/ # 每阶段独立日志
├── 01-design.log
└── ...
session 中断后重新启动自动从 state.json 恢复，跳过已完成阶段。
Karpathy 铁律
代码层面的行为约束，所有编码子 Agent 必须遵守：
- 思考优先: 不假设，模糊需求列出假设或直接提问
- 极简主义: 最少代码解决，自检"200 行能否缩到 50 行"
- 手术刀修改: 只改必须改的，不顺手重构，遵循现有风格
- 目标导向: 先定义 Done 标准再编码，验证通过才算完成
- TDD 纪律: 先写测试（红）→ 实现（绿）→ 重构，不跳过
12 技能文件体系
| 技能文件 | 注入阶段 | 职责 |
|---|
grill-with-docs | 设计 | 需求对齐、结构化追问、CONTEXT.md 维护 |
decomposition | 分解 | 任务原子化、依赖分析、粒度检查 |
tdd | 编码 | TDD 红-绿-重构循环、垂直切片规则 |
testing | 测试 | 测试策略、边界覆盖、回归检测 |
zoom-out | 反思 | 全局视角、跨模块依赖分析 |
code-review | 反思 | 🔴🟡💭 分级审查、否决权 |
optimize | 优化 | 重构纪律、性能优化检查清单 |
verification | 验证 | 交付验证清单、契约一致性自检 |
diagnose | 调试子流程 | 6 阶段系统化调试 |
improve-architecture | 架构检查 | 架构健康检查、深层耦合发现 |
risk-scorecard | 全局 | 五元组检测、信号定义、阈值规则 |
discipline-meta | 全局 | 元规则、量化上限、override 流程 |
容错与降级
| 场景 | 策略 |
|---|
| 技能文件缺失 | 跳过该技能、记录警告、继续执行 |
| 模型不可用 | 同层降级（Pro→Pro 备选, Flash→Flash 备选）→ 跨层降级 |
| 子 Agent 超时 | 记录 failure + 重试 2 次 |
| 审查连续 2 次阻塞 | 自动升级复杂度 → 回到设计重新来 |
| 第 3 次迭代仍阻塞 | 标记失败、保留最后代码、报告给用户 |
| session 中断 | 重启时从 state.json 恢复、跳过已完成阶段 |
v3.7 vs v3.6
| 维度 | v3.6 | v3.7 |
|---|
| 架构 | 单进程串行、多角色 Prompt | 全子代理架构、每阶段独立 Agent |
| 模型路由 | 阶段硬编码 | Pro→Flash 双层自动路由（成本节省 ~50%） |
| 防御机制 | 三重防错自检 | Risk Scorecard 五元组 + 冷却窗口 |
| 技能注入 | 内嵌 8 个 Agent Soul | 12 独立技能文件、按阶段注入 |
| 超时控制 | 固定超时 | Task Profiler 动态校准 |
| 断点续传 | 基础 state.json | 完整恢复 + 日志追踪 |
| Reviewer | 审查无否决权 | 独立 Worker + 🔴阻塞 → 强制重写 |
使用策略
本地（完整能力）
from workflow_enhanced import AutoCodingWorkflowEnhanced
wf = AutoCodingWorkflowEnhanced(
requirements="实现用户登录功能",
project_dir="./my-project"
)
await wf.run()
触发词
/auto-coding | auto-coding | 自动编码 | 自主编码
v3.7.11 · 2026-05-24
