AutoCodeGenTestFix 是一个基于大模型的自动代码生成、测试和修复工具

可以说，当下几乎所有程序员都在用GPT写代码。但有个问题很普遍，也让人头疼：GPT生成的代码，不一定能用。它可能漏掉某个分支逻辑，导致代码根本跑不通，或者运行结果和预期不符。这样一来，用完之后还得自己人肉检查一遍质量，而这个环节恰恰非常耗时。 怎么解决？想了个挺直接的办法——让GPT自己验证自己生成的代码。如果发现错误，就让GPT自己动手修复。一个闭环，彻底把人工审查的环节给解放出来。用魔法打败魔法，不是很典吗？ 整个实现的核心代码在： https://github.com/brhoollynodeStudy/AutoCodeGenTestFix/blob/main/main.py 我们把这个项目叫作 `AutoCodeGenTestFix`。 ## 项目介绍 `AutoCodeGenTestFix` 是一个基于大语言模型的自动代码生成、测试和修复工具。它的核心目标只有一个：通过自动化流程，帮开发者快速生成代码、自动写好测试用例、执行测试，再根据测试结果自动修复代码。整个项目基于 `langchain` 构建，简化了大量工程化操作，让思路本身更清晰地暴露出来。 ## 解决的问题 前面说了，就是让AI自我校验：生成代码 → 自动写测试 → 跑测试 → 分析结果 → 修代码。保证代码质量这件事，不再靠人工死磕，而是变成一个自动化循环。 ## 项目架构 整个系统由五个主要的Agent组成，各司其职： - **CodeGenerationAgent**：根据需求生成初始代码。 - **TestGenerationAgent**：为生成的代码自动编写单元测试。 - **TestExecutionAgent**：执行测试用例，拿到测试结果。 - **TestResultAgent**：分析测试结果，判断代码是否存在问题。 - **CodeFixAgent**：一旦发现问题，就根据测试结果进行修复。 架构图如下： ``` +----------------------+ +----------------------+ +----------------------+ +----------------------+ +----------------------+ | | | | | | | | | | | CodeGenerationAgent | ---> | TestGenerationAgent | ---> | TestExecutionAgent | ---> | TestResultAgent | ---> | CodeFixAgent | | | | | | | | | | | +----------------------+ +----------------------+ +----------------------+ +----------------------+ +----------------------+ ``` 这里面最核心的是 `TestResultAgent`。它的职责是判断代码质量，一旦发现错误，就触发 `CodeFixAgent` 进行修复。整条链路闭环运转，保证了最终输出的代码是可靠的。 ### 核心部分 实现“左右互搏”的关键逻辑在Prompt定义里。这里直接看代码：两个Agent的Prompt都很干净，一个负责生成代码，一个负责生成对应的测试用例。 ```python # 定义 CodeGenerationAgent，用于生成初始代码 code_generation_template = PromptTemplate( input_variables=["requirement"], template="根据以下需求生成 Python 代码，只返回代码部分，不包含任何说明或解释：nn需求：{requirement}nn代码：" ) code_generation_chain = code_generation_template | llm # 定义 TestGenerationAgent，用于生成测试用例 test_generation_template = PromptTemplate( input_variables=["code"], template="根据以下代码生成 Python 的单元测试用例，只返回测试代码，不包含任何说明或解释：nn{code}nn测试代码：" ) test_generation_chain = test_generation_template | llm ``` 通过这两个核心Prompt，整个“代码生成→测试→修复”的循环得以打通。 ## 使用方式 ### 1. 安装必要的库 确保环境中安装了必要的依赖： ``` pip install langchain langchain_openai pytest ``` ### 2. 设置 OpenAI API 密钥 将你的 OpenAI API 密钥配置为环境变量，或者在代码中直接设置： ```python import openai openai.api_key = 'your-openai-api-key' # 替换为你的 OpenAI API 密钥 ``` ### 4. 示例 用一个LeetCode经典题来演示：求最长公共子串的长度。执行下面这一条命令即可： ``` python main.py "实现一个函数，输入两个字符串 s1 和 s2，返回它们的最长公共子串的长度。" ``` ## 展望 这个项目目前还远未成熟，后续会持续迭代，补充更多功能。当前写一个具体的功能函数已经可以胜任，但如果是前端组件呢？自动化测试变得非常棘手。这是一个很大的挑战，也是接下来要啃的硬骨头。 一些值得探索的方向： - **更多大模型支持**：接入更多模型，给用户更多选择。 - **前端组件生成**：打通前端代码生成和自动测试的链路，让AI不仅能写后端逻辑，也能生成带UI的组件，并自己完成测试验证。