AI导哈

AI编程助手

一个基于纯AI智能的自主编程助手，无需硬编码模式即可理解自然语言请求并执行编码任务，适用于开发效率提升和代码分析场景。

  • by pranavkrishnadanda
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 21bq1a4232/Autonomous-AI-Coding-Assistant

使用说明

自主人工智能编码助手

一个实用的智能AI编程助手 就像克劳德·科德一样 - 使用纯人工智能，不包含任何硬编码模式。

哲学

“相信大脑，而非模式。”

这个代理使用 纯粹的人工智能 理解自然语言请求并自主执行编码任务。无需正则表达式模式，无需硬编码规则，无需预定义响应——全靠模型的智能。

特点/特性

🧠 纯粹的人工智能

  • 无硬编码模式 - 所有理解都来源于人工智能模型
  • 自然语言处理 - 天然地问任何问题，人工智能都能理解
  • 情境感知规划 - 利用会话内存进行智能决策
  • 自适应执行 - 与任何Ollama模型兼容，自动检测功能

🚀 自主执行

  • 只读操作自动执行 - 列出文件、阅读代码、搜索、分析时无需确认
  • 安全写入操作 - 请求批准文件创建、编辑、命令执行
  • 智能后处理 - 分析结果并提供自然语言解释

💾 会话内存

  • 文件追踪 - 记住会话期间读取的文件
  • 项目背景 - 了解项目类型和结构
  • 对话历史 - 在多个请求之间保持上下文
  • 智能优化 - 避免重复读取文件

建筑学

User Request
    ↓
🧠 AI Planning (Pure Intelligence)
    ├─ Understands intent naturally
    ├─ Checks session memory
    ├─ Chooses appropriate tools
    └─ Creates execution plan
    ↓
Execute Plan
    ├─ Read-only: Auto-execute
    └─ Write ops: Ask approval
    ↓
📊 Post-Processing
    └─ AI explains results naturally

快速入门

先决条件

  1. Ollama（注：这是一个专有名词或特定项目名，直接翻译可能无具体含义，故保留原样） 已安装至少一个型号：
# Recommended models
ollama pull qwen2.5-coder:32b-instruct-q4_K_M  # Best for coding (32B)
ollama pull qwen2.5:14b-instruct-q4_K_M        # Good balance (14B)
ollama pull llama3.2:7b-instruct-q4_K_M        # Smaller option (7B)
  1. Python 3.8及以上版本 带有依赖项：
pip install -r requirements.txt

运行代理程序

标准I/O模式（默认） - 客户端自动启动服务器：

./start_client.sh

HTTP 模式 - 服务器独立运行：

# Terminal 1: Start server
./start_server.sh

# Terminal 2: Connect client
./start_client_http.sh

使用示例

该代理能够完全理解自然语言。以下是一些示例：

只读操作（自动执行）

You: what directory am i in

🧠 Thinking...
📋 Plan: List files in current directory
🔓 All operations are read-only - executing automatically

⚙️  Step 1/1: List files in current directory
✅ Done
📁 Found 11 items...

💡 You're in the Autonomous-AI-Coding-Assistant project directory.

You: read client.py and explain what it does

🧠 Thinking...
📋 Plan: Read client.py and provide analysis
🔓 All operations are read-only - executing automatically

⚙️  Step 1/1: Read file client.py
✅ Done
📄 client.py content: [syntax highlighted preview]
📝 Added to session memory (35,234 chars)

💡 client.py implements the AutonomousCodingAgent class with pure AI
intelligence. It uses Ollama models to understand requests naturally,
plan tasks, and execute them autonomously...

You: search for the MCPClient class

🧠 Thinking...
📋 Plan: Search codebase for MCPClient
🔓 All operations are read-only - executing automatically

⚙️  Step 1/1: Search for 'MCPClient' in .
✅ Done
🔍 Found in mcp-client/client.py:61

写操作（请求审批）

You: generate a django project on movie recommendations

🧠 Thinking...

📋 Plan:
1. Create project directory structure 🔒
2. Write manage.py and settings.py 🔒
3. Create movies app with models 🔒
4. Write views and templates 🔒

🚀 Execute plan? [y/n]

它是如何工作的

1. 纯粹的人工智能规划

人工智能模型接收的不是硬编码的模式，而是：

  • 用户请求
  • 会话内存（读取的文件、项目上下文、对话历史）
  • 可用工具
  • 最简指令

人工智能大脑自然地理解了该做什么，并制定了一个计划。

2. 自主执行

只读操作 (安全):

  • list_files - 列出目录内容
  • read_file - 读取文件内容
  • search_code - 搜索模式
  • analyze_project - 分析项目结构
  • get_file_info - 获取文件信息

→ 无需询问，自动执行

写入操作 （待批准）：

  • write_file - 创建/编写文件
  • edit_file - 编辑现有文件
  • execute_command - 运行Shell命令
  • create_directory - 创建目录

→ 请求用户批准

3. 智能后处理

执行后，AI进行分析：

  • 用户的问题
  • 被执行的是什么
  • 会话内存中的文件
  • 项目背景

然后对结果进行自然语言解释。

模型要求

该代理与……合作 任何Ollama模型但智力各不相同：

模型大小 性能 推荐
32B+ 卓越 - 轻松应对复杂任务 ✅ 推荐
14-20B 良好 - 对于大多数任务来说可靠 ✅ 好选择
7-14B Decent（尚可）- 适用于简单任务 ⚠️ 基本使用
<7B 有限制 - 可能在规划方面遇到困难 ❌ 不建议

测试的最佳模型：

  • qwen2.5-coder:32b-instruct-q4_K_M - 最适合编程（16GB 显存）
  • qwen2.5:14b-instruct-q4_K_M - 良好的平衡性（8GB 显存）
  • llama3.2:7b-instruct-q4_K_M - 最低配置选项（4GB 显存）

命令

一旦运行起来，您可以使用这些斜杠命令：

  • /model - 切换AI模型
  • /clear - 清屏
  • /session - 显示会话内存（读取的文件、上下文）
  • /history - 显示命令历史
  • /context - 管理上下文长度
  • /help - 显示帮助
  • /quit - 退出助手

会话内存

代理保持智能会话记忆：

You: /session

📋 Session Memory

📄 Files Read
┌────────────┬──────────┬────────┬──────────────────────────┐
│ File       │ Size     │ Lines  │ Summary                  │
├────────────┼──────────┼────────┼──────────────────────────┤
│ client.py  │ 35,234   │ 992    │ Autonomous AI agent with │
│            │          │        │ Ollama integration       │
└────────────┴──────────┴────────┴──────────────────────────┘

💬 Recent Context:
  1. User asked about project structure
  2. Read client.py and explained architecture
  3. Analyzed MCP server tools

人工智能利用这种记忆来：

  • 避免重复读取文件
  • 了解项目背景
  • 回答关于已查看文件的问题
  • 根据情境做出决策

项目结构

Autonomous-AI-Coding-Assistant/
├── mcp-client/              # AI agent client
│   ├── client.py           # Main agent implementation
│   └── README.md           # Client documentation
├── mcp-server/              # MCP tool server
│   ├── server.py           # FastMCP server with 9 tools
│   └── README.md           # Server documentation
├── start_client.sh          # Start client (stdio mode)
├── start_server.sh          # Start server (HTTP mode)
├── start_client_http.sh     # Start client (HTTP mode)
├── requirements.txt         # Python dependencies
└── README.md               # This file

连接模式

标准I/O模式（默认）

  • 客户端自动启动服务器作为子进程
  • 简单的单命令启动
  • 通过标准输入/输出进行通信
./start_client.sh

HTTP/SSE 模式

  • 服务器独立运行
  • 多个客户端可以连接
  • 通过HTTP + 服务器发送事件进行通信
# Terminal 1
./start_server.sh

# Terminal 2
./start_client_http.sh

看 CONNECTION_MODES.md 翻译为中文是：“连接模式.md”（注：这里的“.md”通常表示Markdown文件格式，但在中文语境下，我们通常保留原扩展名，不直接翻译）。所以，完整的翻译可以是“连接模式说明文件（Markdown格式）”或简化为“连接模式.md” 详情请参阅。

文档

与基于模式的助手的关键区别

传统助手 本代理（纯AI）
250+ 行正则表达式模式 零硬编码模式
固定意图检测 AI自然理解
固定回复模板 AI生成回复
仅限预定义命令 可处理任何自然语言
需要持续维护 无需维护
仅支持特定短语 支持任何短语表述

自然语言理解的示例

人工智能能自然地理解这些（以及无限多的变化形式）：

✅ "what directory am i in"
✅ "list files"
✅ "read client.py"
✅ "search for the MCPClient class"
✅ "analyze this project"
✅ "what's the purpose of server.py"
✅ "generate a django project on X"
✅ "create a REST API for Y"
✅ "fix the bug in Z"
✅ "add error handling"
✅ "refactor the database models"

无需图案！ 人工智能大脑理解一切。

与Claude代码的比较

这个代理使用 与克劳德·科德（Claude Code）相同的哲学：

特性 本代理 Claude 代码
模式匹配 ❌ 无 ❌ 无
固定编码规则 ❌ 无 ❌ 无
自然语言 ✅ 完整 ✅ 完整
上下文感知 ✅ 是 ✅ 是
内存 ✅ 会话 ✅ 对话
方法 🧠 纯AI 🧠 纯AI

要求

  • Python 3.8或更高版本
  • 安装了至少一个模型的Ollama
  • 4GB+ 显存（越多越好）
  • Linux/macOS/带有WSL的Windows

故障排除

模型未能生成有效计划

  • 使用一个更大的模型（建议使用140亿参数及以上）
  • 尝试使用qwen2.5-coder模型（专为编码设计）
  • 检查模型是否正常工作： ollama run <model> "test"

“工具‘X’不可用”错误

  • 检查MCP服务器是否正在运行
  • 验证已加载的工具： /session 命令显示工具
  • 重启客户端： ./start_client.sh

反应迟钝

  • 使用较小的模型（7-140亿参数范围）
  • 使用量化模型（q4_K_M 或 q5_K_M）
  • 确保有足够的显存可用

贡献

这是一个纯AI代理——其改进来源于：

  1. 使用更好/更大的模型
  2. 增强会话记忆系统
  3. 增加更多MCP工具
  4. 优化最小AI提示（或：改进最基本的AI提示）

无需维护模式匹配！

许可证

MIT 许可证 - 请参阅 LICENSE 文件

功劳；学分；资历

构建于：

受……的启发 克劳德·科德 - 最棒的AI编程助手。

相关 MCP