AI Prompt Engineering Tool

智能代码生成系统：FSM + RAG + 动态执行 + 运行时反馈 + 自动模块管理

这是一个基于状态机的AI代码生成系统，使用大型语言模型（LLM）自动生成、执行和优化Python代码。该系统集成了动态执行验证、自动错误修复和智能依赖管理功能。

功能特性

• 有限状态机（FSM）架构：采用状态机设计，包括需求分析、接口设计、核心实现、动态验证、运行时修复等状态
• 动态代码执行：在安全沙箱环境中执行生成的代码，自动捕获输出和异常
• 智能依赖管理：自动检测和安装缺失的Python模块
• 运行时错误修复：基于执行结果自动修复代码错误
• 网络错误处理：增强的网络超时检测和错误处理机制
• 备用搜索引擎支持：当主要搜索引擎失败时，自动切换到备用搜索引擎
• RAG（检索增强生成）：结合上下文信息生成更准确的代码

系统架构

核心组件

1. PythonREPLExecutor: 动态代码执行器，在隔离命名空间中执行代码

   • 捕获标准输出/错误
   • 捕获异常和完整堆栈跟踪
   • 自动检测和安装缺失模块
   • 增强网络错误检测

2. EnhancedCodeGenerationStateMachine: 增强型代码生成状态机

   • 需求分析 (ANALYZE)
   • 接口设计 (DESIGN)
   • 核心实现 (IMPLEMENT)
   • 动态执行验证 (DYNAMIC_VALIDATE)
   • 运行时修复 (REFINE)
   • 人工介入 (ESCALATE)
   • 终止 (TERMINAL)

3. 状态管理:

   • 温度调度器：根据状态和错误类型动态调整生成参数
   • 错误分类器：对生成的错误进行分类和预算管理
   • 上下文压缩器：管理对话和执行历史

状态转换流程

ANALYZE → DESIGN → IMPLEMENT → DYNAMIC_VALIDATE → TERMINAL (成功)
                                      ↓
                                   REFINE ← → DYNAMIC_VALIDATE
                                      ↓
                                   ESCALATE (人工介入)

安装要求

Python环境

• Python 3.8+

依赖包

项目依赖于以下主要包（详见requirements.txt）：

pip install -r requirements.txt

使用方法

1. 环境设置：

   # 创建虚拟环境
   python -m venv venv
   source venv/bin/activate  # Linux/Mac
   # 或 venv\Scripts\activate  # Windows
   
   # 安装依赖
   pip install -r requirements.txt

2. 配置API密钥：

   # 设置环境变量(支持deepseek, kimi api)
   export DEEPSEEK_API_KEY=your_api_key_here
   export MOONSHOT_API_KEY=your_api_key_here
   $env:DEEPSEEK_API_KEY =your_api_key_here
   $env:MOONSHOT_API_KEY =your_api_key_here
   # 或在代码中直接配置

3. 运行系统：

   python Askquestion2.py

工作流程

1. 需求分析：系统分析用户输入的需求，生成结构化设计文档
2. 接口设计：基于设计文档生成Python接口定义
3. 核心实现：实现接口的具体逻辑
4. 动态验证：在沙箱环境中执行代码，验证功能正确性
5. 运行时修复：根据执行结果自动修复错误
6. 人工介入：当自动修复失败时提供人工编辑选项

网络错误处理

系统增强了网络错误检测机制：

• 检测超时、连接错误等网络异常
• 实现备用搜索引擎机制
• 为网络错误分配独立的错误预算
• 在API调用中实现重试机制

错误类型

• SYNTAX: 语法错误
• RUNTIME: 运行时错误
• EMPTY_CODE: 空代码错误
• OUTPUT_MISMATCH: 输出不匹配
• API_ERROR: API错误
• IMPORT_ERROR: 导入错误
• NETWORK_TIMEOUT: 网络超时错误

自动模块管理

系统能够：

• 静默安装缺失的Python包
• 缓存已安装的模块信息
• 自动处理依赖关系
• 在安装失败时提供用户选择

测试功能

• 自动生成基于函数签名的测试用例
• 执行正常和边界输入测试
• 验证输出匹配
• 性能监控

扩展性

该系统设计为高度可扩展：

• 支持多种LLM提供商（OpenAI, DeepSeek等）
• 插件化架构便于添加新功能
• 灵活的状态管理机制
• 可配置的错误预算系统

注意事项

• 代码在沙箱环境中执行，但仍需注意安全风险
• 网络依赖的代码需要API密钥和网络连接
• 某些代码可能需要特定的系统权限
• 建议在虚拟环境中运行以避免依赖冲突

许可证

请参阅项目中的LICENSE文件（如果存在）。

贡献

欢迎提交Issue和Pull Request来改进此工具。

作者

AI Prompt Engineering Tool 开发团队