""" CodebaseMaintainer 三天工作流演示 完整展示长程智能体在三天内的工作流程: - 第一天: 探索代码库 - 第二天: 分析代码质量 - 第三天: 规划重构任务 - 一周后: 检查进度 """ import os # 配置嵌入模型（三选一） # 方案一：TF-IDF（最简单，无需额外依赖） os.environ['EMBED_MODEL_TYPE'] = 'tfidf' os.environ['EMBED_MODEL_NAME'] = '' # 重要：必须清空，否则会传递不兼容的参数 # 方案二：本地Transformer（需要: pip install sentence-transformers 和 HF token） # os.environ['EMBED_MODEL_TYPE'] = 'local' # os.environ['EMBED_MODEL_NAME'] = 'sentence-transformers/all-MiniLM-L6-v2' # os.environ['HF_TOKEN'] = 'your_hf_token_here' # 或使用 huggingface-cli login # 方案三：通义千问（需要API key） # os.environ['EMBED_MODEL_TYPE'] = 'dashscope' # os.environ['EMBED_MODEL_NAME'] = 'text-embedding-v3' # os.environ['EMBED_API_KEY'] = 'your_api_key_here' from hello_agents import HelloAgentsLLM from datetime import datetime import json import time # 导入 CodebaseMaintainer import sys sys.path.append('.') from codebase_maintainer import CodebaseMaintainer def day_1_exploration(maintainer): """第一天: 探索代码库""" print("\n" + "=" * 80) print("第一天: 探索代码库") print("=" * 80 + "\n") # 1. 初步探索 print("### 1. 初步探索项目结构 ###") response = maintainer.explore() print(f"\n助手总结:\n{response[:500]}...\n") # 2. 深入分析某个模块 print("### 2. 分析数据处理模块 ###") response = maintainer.run("请查看 data_processor.py 文件，分析其代码设计") print(f"\n助手总结:\n{response[:500]}...\n") # 模拟时间流逝 time.sleep(1) def day_2_analysis(maintainer): """第二天: 分析代码质量""" print("\n" + "=" * 80) print("第二天: 分析代码质量") print("=" * 80 + "\n") # 1. 整体质量分析 print("### 1. 查找所有 TODO 注释 ###") response = maintainer.analyze() print(f"\n助手总结:\n{response[:500]}...\n") # 2. 查看具体问题 print("### 2. 分析 API 客户端代码 ###") response = maintainer.run( "请分析 api_client.py 的代码质量，特别是错误处理部分，给出改进建议" ) print(f"\n助手总结:\n{response[:500]}...\n") # 模拟时间流逝 time.sleep(1) def day_3_planning(maintainer): """第三天: 规划重构任务""" print("\n" + "=" * 80) print("第三天: 规划重构任务") print("=" * 80 + "\n") # 1. 回顾进度 print("### 1. 回顾当前进度 ###") response = maintainer.plan_next_steps() print(f"\n助手总结:\n{response[:500]}...\n") # 2. 手动创建详细的重构计划 print("### 2. 创建详细重构计划 ###") maintainer.create_note( title="本周重构计划 - Week 1", content="""## 目标 完成代码质量改进和 TODO 清理 ## 任务清单 - [ ] 实现 data_processor.py 中的数据验证逻辑 - [ ] 添加 api_client.py 的重试和错误处理机制 - [ ] 优化 utils.py 的格式化逻辑 - [ ] 补充 models.py 的用户验证方法 ## 时间安排 - 周一: 实现数据验证逻辑 - 周二: 完善错误处理 - 周三-周四: 优化工具函数 - 周五: Code Review 和测试 ## 风险 - 新增验证逻辑可能影响现有功能 - 需要充分的单元测试覆盖 """, note_type="task_state", tags=["refactoring", "week1", "high_priority"] ) print("✅ 已创建详细的重构计划\n") # 模拟时间流逝 time.sleep(1) def week_later_review(maintainer): """一周后: 检查进度""" print("\n" + "=" * 80) print("一周后: 检查进度") print("=" * 80 + "\n") # 1. 查看笔记摘要 print("### 1. 笔记摘要 ###") summary = maintainer.note_tool.run({"action": "summary"}) print("📊 笔记摘要:") print(json.dumps(summary, indent=2, ensure_ascii=False)) print() # 2. 生成完整报告 print("### 2. 会话报告 ###") report = maintainer.generate_report() print("\n📄 会话报告:") print(json.dumps(report, indent=2, ensure_ascii=False)) def demonstrate_cross_session_continuity(): """演示跨会话的连贯性""" print("\n" + "=" * 80) print("演示跨会话的连贯性") print("=" * 80 + "\n") # 第一次会话 print("### 第一次会话 (session_1) ###") maintainer_1 = CodebaseMaintainer( project_name="demo_codebase", codebase_path="./codebase", llm=HelloAgentsLLM() ) # 创建一些笔记 maintainer_1.create_note( title="代码质量问题", content="发现多处 TODO 注释需要实现，特别是数据验证和错误处理部分", note_type="blocker", tags=["quality", "urgent"] ) stats_1 = maintainer_1.get_stats() print(f"会话1统计: {stats_1['activity']}\n") # 模拟会话结束 time.sleep(1) # 第二次会话 (新的会话ID,但笔记被保留) print("### 第二次会话 (session_2) ###") maintainer_2 = CodebaseMaintainer( project_name="demo_codebase", # 同一个项目 codebase_path="./codebase", llm=HelloAgentsLLM() ) # 检索之前的笔记 response = maintainer_2.run( "我们之前发现了什么代码质量问题？现在应该优先处理哪些？" ) print(f"\n助手回答:\n{response[:300]}...\n") stats_2 = maintainer_2.get_stats() print(f"会话2统计: {stats_2['activity']}\n") # 展示笔记摘要 summary = maintainer_2.note_tool.run({"action": "summary"}) print("📊 跨会话笔记摘要:") print(json.dumps(summary, indent=2, ensure_ascii=False)) def demonstrate_tool_synergy(): """演示三大工具的协同""" print("\n" + "=" * 80) print("演示三大工具的协同") print("=" * 80 + "\n") maintainer = CodebaseMaintainer( project_name="synergy_demo", codebase_path="./codebase", llm=HelloAgentsLLM() ) # 1. TerminalTool 发现问题 print("### 1. TerminalTool 查找 TODO 注释 ###") todos = maintainer.execute_command("grep -rn 'TODO' --include='*.py' .") print(f"发现的 TODO:\n{todos[:300]}...\n") # 2. NoteTool 记录发现 print("### 2. NoteTool 记录发现 ###") maintainer.create_note( title="待实现功能清单", content=f"通过代码扫描发现以下待实现功能:\n{todos[:500]}", note_type="conclusion", tags=["todo", "analysis"] ) print("✅ 已记录到笔记\n") # 3. MemoryTool 存储关键信息 (通过对话) print("### 3. MemoryTool 存储关键信息 ###") response = maintainer.run("代码库中有哪些待实现的功能？") print(f"助手回答:\n{response[:200]}...\n") # 4. ContextBuilder 整合所有信息 print("### 4. ContextBuilder 整合所有信息 ###") response = maintainer.run( "基于我们的代码分析，应该优先实现哪些 TODO 功能？" ) print(f"助手回答:\n{response[:300]}...\n") # 展示统计信息 stats = maintainer.get_stats() print("📊 工具使用统计:") print(f" - 执行的命令: {stats['activity']['commands_executed']}") print(f" - 创建的笔记: {stats['activity']['notes_created']}") print(f" - 发现的问题: {stats['activity']['issues_found']}") def main(): """主函数""" print("=" * 80) print("CodebaseMaintainer 三天工作流演示") print("=" * 80) print("\n💡 使用我们在 chapter9 创建的示例代码库") print("📁 代码库路径: ./codebase") print("📦 包含文件: data_processor.py, api_client.py, utils.py, models.py\n") # 初始化助手 maintainer = CodebaseMaintainer( project_name="demo_codebase", codebase_path="./codebase", llm=HelloAgentsLLM() ) # 执行三天工作流 day_1_exploration(maintainer) day_2_analysis(maintainer) day_3_planning(maintainer) week_later_review(maintainer) # 额外演示 print("\n\n" + "=" * 80) print("额外演示") print("=" * 80) demonstrate_cross_session_continuity() demonstrate_tool_synergy() print("\n" + "=" * 80) print("完整演示结束!") print("=" * 80) if __name__ == "__main__": main()