use multiple apis
This commit is contained in:
622
app/agents.py
622
app/agents.py
@@ -15,6 +15,94 @@ logging.basicConfig(level=logging.INFO)
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
|
||||
def _parse_json(content: str, error_prefix: str) -> dict:
|
||||
"""解析 LLM 返回的 JSON，解析失败时尝试正则兜底。"""
|
||||
try:
|
||||
return json.loads(content)
|
||||
except json.JSONDecodeError:
|
||||
import re
|
||||
m = re.search(r'\{.*\}', content, re.DOTALL)
|
||||
if m:
|
||||
return json.loads(m.group())
|
||||
raise ValueError(f"{error_prefix}: {content}")
|
||||
|
||||
|
||||
class ClarifyAgent:
|
||||
"""需求澄清 Agent —— 判断需求是否完整，并追问用户补充信息"""
|
||||
|
||||
def __init__(self):
|
||||
self.settings = get_settings()
|
||||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||||
|
||||
def start(self, raw_requirement: str) -> dict:
|
||||
"""
|
||||
用户第一次提交需求时调用。
|
||||
返回 {"ready": bool, "question": str, "clarified_requirement": str}
|
||||
"""
|
||||
prompt = f"""你是一个资深的产品经理助手，负责在正式分析需求之前确认需求的完整性。
|
||||
|
||||
用户提交的需求：
|
||||
{raw_requirement}
|
||||
|
||||
请判断该需求是否足够清晰，可以直接开始产品分析。
|
||||
|
||||
返回 JSON：
|
||||
{{
|
||||
"ready": true 或 false,
|
||||
"question": "如果 ready=false，给用户一个简洁的追问；如果 ready=true，此字段为空字符串",
|
||||
"clarified_requirement": "整合后的完整需求描述（即使 ready=false 也要输出当前已有的描述）"
|
||||
}}
|
||||
|
||||
判断标准：
|
||||
- 需求描述清楚要做什么
|
||||
- 有基本的场景或目标
|
||||
- 不需要追问过多细节，够 PM 开始分析即可
|
||||
|
||||
返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个产品经理助手，负责判断需求完整性，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=500,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
return _parse_json(response.choices[0].message.content, "ClarifyAgent.start 解析失败")
|
||||
|
||||
def continue_clarify(self, clarify_history: list[dict], user_reply: str) -> dict:
|
||||
"""
|
||||
用户补充信息后继续澄清。
|
||||
clarify_history 格式：[{"role": "assistant"|"user", "content": str}, ...]
|
||||
返回同 start() 的格式。
|
||||
"""
|
||||
messages = [
|
||||
{"role": "system", "content": "你是一个产品经理助手，负责判断需求完整性，输出必须是严格的 JSON 格式。"}
|
||||
] + clarify_history + [
|
||||
{"role": "user", "content": user_reply}
|
||||
]
|
||||
|
||||
suffix = """\n\n根据以上对话，判断需求现在是否足够清晰。返回 JSON：
|
||||
{{
|
||||
"ready": true 或 false,
|
||||
"question": "如果 ready=false，继续追问；如果 ready=true，此字段为空字符串",
|
||||
"clarified_requirement": "整合所有对话后的完整需求描述"
|
||||
}}
|
||||
返回 ONLY JSON，不要有其他文字。"""
|
||||
messages.append({"role": "user", "content": suffix})
|
||||
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=messages,
|
||||
temperature=0.2,
|
||||
max_tokens=500,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
return _parse_json(response.choices[0].message.content, "ClarifyAgent.continue_clarify 解析失败")
|
||||
|
||||
|
||||
class PMAgent:
|
||||
"""产品经理Agent - 完善和扩展需求"""
|
||||
|
||||
@@ -22,20 +110,10 @@ class PMAgent:
|
||||
self.settings = get_settings()
|
||||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||||
|
||||
def analyze_requirement(self, simple_requirement: str) -> RequirementAnalysis:
|
||||
"""
|
||||
分析和完善简单的需求描述
|
||||
def _build_prompt(self, requirement: str) -> str:
|
||||
return f"""你是一个资深的产品经理。请根据以下简单的需求描述，进行深入分析和完善。
|
||||
|
||||
Args:
|
||||
simple_requirement: 用户提供的简单需求描述
|
||||
|
||||
Returns:
|
||||
RequirementAnalysis: 包含完善后的需求信息
|
||||
"""
|
||||
|
||||
prompt = f"""你是一个资深的产品经理。请根据以下简单的需求描述，进行深入分析和完善。
|
||||
|
||||
需求描述：{simple_requirement}
|
||||
需求描述：{requirement}
|
||||
|
||||
请按以下格式返回JSON结果（必须是有效的JSON格式）：
|
||||
{{
|
||||
@@ -55,6 +133,104 @@ class PMAgent:
|
||||
|
||||
返回ONLY JSON内容，不要有其他文字。"""
|
||||
|
||||
def analyze_requirement(self, simple_requirement: str) -> RequirementAnalysis:
|
||||
"""
|
||||
分析和完善简单的需求描述
|
||||
|
||||
Args:
|
||||
simple_requirement: 用户提供的简单需求描述
|
||||
|
||||
Returns:
|
||||
RequirementAnalysis: 包含完善后的需求信息
|
||||
"""
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的产品经理，擅长需求分析和拆解，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": self._build_prompt(simple_requirement)}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=2000,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
result = _parse_json(response.choices[0].message.content, "PMAgent 解析失败")
|
||||
return RequirementAnalysis(**result)
|
||||
|
||||
def stream_analyze(self, simple_requirement: str):
|
||||
"""
|
||||
流式版需求分析。yield 文本块(str)，最后 yield (None, RequirementAnalysis) 作为哨兵。
|
||||
"""
|
||||
stream = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的产品经理，擅长需求分析和拆解，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": self._build_prompt(simple_requirement)}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=2000,
|
||||
response_format={"type": "json_object"},
|
||||
stream=True,
|
||||
)
|
||||
full_text = ""
|
||||
for chunk in stream:
|
||||
delta = chunk.choices[0].delta.content or ""
|
||||
if delta:
|
||||
full_text += delta
|
||||
yield delta
|
||||
result = _parse_json(full_text, "PMAgent stream 解析失败")
|
||||
yield (None, RequirementAnalysis(**result))
|
||||
|
||||
def stream_refine(self, previous: RequirementAnalysis, feedback: str):
|
||||
"""
|
||||
流式版需求分析修改。yield 文本块(str)，最后 yield (None, RequirementAnalysis) 作为哨兵。
|
||||
"""
|
||||
prompt = f"""你是一个资深的产品经理。以下是你之前输出的需求分析结果，用户对此有修改意见，请根据意见调整输出。
|
||||
|
||||
之前的需求分析：
|
||||
{json.dumps(previous, ensure_ascii=False, indent=2)}
|
||||
|
||||
用户的修改意见：
|
||||
{feedback}
|
||||
|
||||
请在原有基础上修改，保持 JSON 格式不变，返回完整的修改后结果，返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
stream = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的产品经理，擅长需求分析和拆解，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=2000,
|
||||
response_format={"type": "json_object"},
|
||||
stream=True,
|
||||
)
|
||||
full_text = ""
|
||||
for chunk in stream:
|
||||
delta = chunk.choices[0].delta.content or ""
|
||||
if delta:
|
||||
full_text += delta
|
||||
yield delta
|
||||
result = _parse_json(full_text, "PMAgent stream_refine 解析失败")
|
||||
yield (None, RequirementAnalysis(**result))
|
||||
|
||||
def refine(self, previous: RequirementAnalysis, feedback: str) -> RequirementAnalysis:
|
||||
"""
|
||||
根据用户反馈修改已有的需求分析结果。
|
||||
|
||||
Returns:
|
||||
RequirementAnalysis: 修改后的需求分析结果
|
||||
"""
|
||||
prompt = f"""你是一个资深的产品经理。以下是你之前输出的需求分析结果，用户对此有修改意见，请根据意见调整输出。
|
||||
|
||||
之前的需求分析：
|
||||
{json.dumps(previous, ensure_ascii=False, indent=2)}
|
||||
|
||||
用户的修改意见：
|
||||
{feedback}
|
||||
|
||||
请在原有基础上修改，保持 JSON 格式不变，返回完整的修改后结果，返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
@@ -65,22 +241,8 @@ class PMAgent:
|
||||
max_tokens=2000,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
|
||||
# 提取响应内容
|
||||
content = response.choices[0].message.content
|
||||
|
||||
# 解析JSON
|
||||
try:
|
||||
result = json.loads(content)
|
||||
return RequirementAnalysis(**result)
|
||||
except json.JSONDecodeError:
|
||||
# 如果JSON解析失败，尝试提取JSON部分
|
||||
import re
|
||||
json_match = re.search(r'\{.*\}', content, re.DOTALL)
|
||||
if json_match:
|
||||
result = json.loads(json_match.group())
|
||||
return RequirementAnalysis(**result)
|
||||
raise ValueError(f"无法解析Agent响应: {content}")
|
||||
result = _parse_json(response.choices[0].message.content, "PMAgent.refine 解析失败")
|
||||
return RequirementAnalysis(**result)
|
||||
|
||||
|
||||
class QAAgent:
|
||||
@@ -90,18 +252,7 @@ class QAAgent:
|
||||
self.settings = get_settings()
|
||||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||||
|
||||
def generate_test_cases(self, requirement_analysis: RequirementAnalysis) -> TestCaseResult:
|
||||
"""
|
||||
基于需求分析生成测试用例
|
||||
|
||||
Args:
|
||||
requirement_analysis: PM Agent的分析结果
|
||||
|
||||
Returns:
|
||||
TestCaseResult: 包含测试用例的结果
|
||||
"""
|
||||
|
||||
# 构建需求信息
|
||||
def _build_prompt(self, requirement_analysis: RequirementAnalysis) -> str:
|
||||
requirement_text = f"""
|
||||
功能需求：
|
||||
{chr(10).join(f"- {req}" for req in requirement_analysis["functional_requirements"])}
|
||||
@@ -118,8 +269,7 @@ class QAAgent:
|
||||
需求总结：
|
||||
{requirement_analysis["summary"]}
|
||||
"""
|
||||
|
||||
prompt = f"""你是一个资深的Java QA工程师。根据以下需求信息，生成全面的Java测试用例和测试策略。所有测试用例必须基于Java语言，步骤和预期结果要符合Java的类型系统、异常机制和JUnit测试框架。
|
||||
return f"""你是一个资深的Python QA工程师。根据以下需求信息，生成全面的Python测试用例和测试策略。所有测试用例必须基于Python语言，步骤和预期结果要符合Python的类型系统、异常机制和pytest测试框架。
|
||||
|
||||
{requirement_text}
|
||||
|
||||
@@ -145,61 +295,140 @@ class QAAgent:
|
||||
2. 为每个边缘情况生成1个测试用例
|
||||
3. 生成至少1个性能测试用例
|
||||
4. 生成至少1个安全测试用例
|
||||
5. 测试用例要包含明确的步骤和预期结果，步骤和预期结果必须符合Java语言特性（不要出现Python或其他语言的描述）
|
||||
5. 测试用例要包含明确的步骤和预期结果，步骤和预期结果必须符合Python语言特性（不要出现Java或其他语言的描述）
|
||||
6. 步骤和预期结果必须用自然语言描述，不得包含任何代码片段或代码块，不要出现 ```、assert、assertEquals 等代码语法
|
||||
7. 测试策略不要出现JUnit或者Java这种字眼，应该是针对需求的测试方法论和思路描述，覆盖计划要说明如何确保测试覆盖所有功能和边界情况
|
||||
7. 测试策略不要出现pytest或者Python这种字眼，应该是针对需求的测试方法论和思路描述，覆盖计划要说明如何确保测试覆盖所有功能和边界情况
|
||||
|
||||
返回ONLY JSON内容，不要有其他文字。"""
|
||||
|
||||
def generate_test_cases(self, requirement_analysis: RequirementAnalysis) -> TestCaseResult:
|
||||
"""
|
||||
基于需求分析生成测试用例
|
||||
|
||||
Args:
|
||||
requirement_analysis: PM Agent的分析结果
|
||||
|
||||
Returns:
|
||||
TestCaseResult: 包含测试用例的结果
|
||||
"""
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Python QA 工程师，擅长为 Python 应用程序设计测试用例，所有测试步骤和预期结果必须基于 Python 语言特性（如 pytest、动态类型、异常机制等），输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": self._build_prompt(requirement_analysis)}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=3000,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
result = _parse_json(response.choices[0].message.content, "QAAgent 解析失败")
|
||||
return TestCaseResult(**result)
|
||||
|
||||
def stream_generate_test_cases(self, requirement_analysis: RequirementAnalysis):
|
||||
"""
|
||||
流式版测试用例生成。yield 文本块(str)，最后 yield (None, TestCaseResult) 作为哨兵。
|
||||
"""
|
||||
stream = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Python QA 工程师，擅长为 Python 应用程序设计测试用例，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": self._build_prompt(requirement_analysis)}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=3000,
|
||||
response_format={"type": "json_object"},
|
||||
stream=True,
|
||||
)
|
||||
full_text = ""
|
||||
for chunk in stream:
|
||||
delta = chunk.choices[0].delta.content or ""
|
||||
if delta:
|
||||
full_text += delta
|
||||
yield delta
|
||||
result = _parse_json(full_text, "QAAgent stream 解析失败")
|
||||
yield (None, TestCaseResult(**result))
|
||||
|
||||
def stream_refine(self, previous: TestCaseResult, feedback: str):
|
||||
"""
|
||||
流式版测试用例修改。yield 文本块(str)，最后 yield (None, TestCaseResult) 作为哨兵。
|
||||
"""
|
||||
prompt = f"""你是一个资深的Python QA工程师。以下是你之前输出的测试用例，用户对此有修改意见，请根据意见调整输出。
|
||||
|
||||
之前的测试用例：
|
||||
{json.dumps(previous, ensure_ascii=False, indent=2)}
|
||||
|
||||
用户的修改意见：
|
||||
{feedback}
|
||||
|
||||
请在原有基础上修改，保持 JSON 格式不变，返回完整的修改后结果。
|
||||
步骤和预期结果必须用自然语言描述，不得包含代码片段。
|
||||
返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
stream = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Python QA 工程师，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=3000,
|
||||
response_format={"type": "json_object"},
|
||||
stream=True,
|
||||
)
|
||||
full_text = ""
|
||||
for chunk in stream:
|
||||
delta = chunk.choices[0].delta.content or ""
|
||||
if delta:
|
||||
full_text += delta
|
||||
yield delta
|
||||
result = _parse_json(full_text, "QAAgent stream_refine 解析失败")
|
||||
yield (None, TestCaseResult(**result))
|
||||
|
||||
def refine(self, previous: TestCaseResult, feedback: str) -> TestCaseResult:
|
||||
"""
|
||||
根据用户反馈修改已有的测试用例结果。
|
||||
|
||||
Args:
|
||||
previous: 上一次的测试用例结果
|
||||
feedback: 用户的修改意见
|
||||
|
||||
Returns:
|
||||
TestCaseResult: 修改后的测试用例结果
|
||||
"""
|
||||
prompt = f"""你是一个资深的Python QA工程师。以下是你之前输出的测试用例，用户对此有修改意见，请根据意见调整输出。
|
||||
|
||||
之前的测试用例：
|
||||
{json.dumps(previous, ensure_ascii=False, indent=2)}
|
||||
|
||||
用户的修改意见：
|
||||
{feedback}
|
||||
|
||||
请在原有基础上修改，保持 JSON 格式不变，返回完整的修改后结果。
|
||||
步骤和预期结果必须用自然语言描述，不得包含代码片段。
|
||||
返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Java QA 工程师，擅长为 Java 应用程序设计测试用例，所有测试步骤和预期结果必须基于 Java 语言特性（如 JUnit、强类型系统、异常机制等），输出必须是严格的 JSON 格式。"},
|
||||
{"role": "system", "content": "你是一个资深的 Python QA 工程师，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=3000,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
|
||||
content = response.choices[0].message.content
|
||||
|
||||
try:
|
||||
result = json.loads(content)
|
||||
return TestCaseResult(**result)
|
||||
except json.JSONDecodeError:
|
||||
import re
|
||||
json_match = re.search(r'\{.*\}', content, re.DOTALL)
|
||||
if json_match:
|
||||
result = json.loads(json_match.group())
|
||||
return TestCaseResult(**result)
|
||||
raise ValueError(f"无法解析QA Agent响应: {content}")
|
||||
result = _parse_json(response.choices[0].message.content, "QAAgent.refine 解析失败")
|
||||
return TestCaseResult(**result)
|
||||
|
||||
|
||||
class DevAgent:
|
||||
"""开发Agent - 生成Java代码和单元测试"""
|
||||
"""开发Agent - 生成Python代码和单元测试"""
|
||||
|
||||
def __init__(self):
|
||||
self.settings = get_settings()
|
||||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||||
|
||||
def generate_code(
|
||||
self,
|
||||
requirement_analysis: RequirementAnalysis,
|
||||
test_cases: TestCaseResult
|
||||
) -> CodeGenerationResult:
|
||||
"""
|
||||
生成Java实现代码和单元测试代码
|
||||
|
||||
Args:
|
||||
requirement_analysis: PM Agent的分析结果
|
||||
test_cases: QA Agent的测试用例
|
||||
|
||||
Returns:
|
||||
CodeGenerationResult: 包含Java代码和单元测试代码
|
||||
"""
|
||||
|
||||
# 构建上下文
|
||||
def _build_prompt(self, requirement_analysis: RequirementAnalysis, test_cases: TestCaseResult) -> str:
|
||||
requirement_text = f"""
|
||||
功能需求：
|
||||
{chr(10).join(f"- {req}" for req in requirement_analysis["functional_requirements"])}
|
||||
@@ -213,7 +442,6 @@ class DevAgent:
|
||||
需求总结：
|
||||
{requirement_analysis["summary"]}
|
||||
"""
|
||||
|
||||
test_cases_text = chr(10).join(
|
||||
f"- [{c['test_id']}] {c['test_name']}（类型：{c.get('test_type', '未分类')}）｜预期结果：{c['expected_result']}"
|
||||
for c in test_cases["test_cases"]
|
||||
@@ -226,8 +454,7 @@ class DevAgent:
|
||||
关键测试用例列表：
|
||||
{test_cases_text}
|
||||
"""
|
||||
|
||||
prompt = f"""你是一个资深的Java开发工程师。根据以下需求和测试用例，生成高质量的Java实现代码和单元测试代码。
|
||||
return f"""你是一个资深的Python开发工程师。根据以下需求和测试用例，生成高质量的Python实现代码和单元测试代码。
|
||||
|
||||
{requirement_text}
|
||||
|
||||
@@ -235,61 +462,246 @@ class DevAgent:
|
||||
|
||||
请返回JSON格式的结果（必须是有效的JSON格式）：
|
||||
{{
|
||||
"java_code": "完整的Java实现代码（包含主类和必要的辅助类）",
|
||||
"unit_tests": "使用JUnit的单元测试代码",
|
||||
"implementation_notes": "实现说明和注意事项",
|
||||
"unit_tests_count": "生成的单元测试总数量（整数）",
|
||||
"passed_tests_count": "基于代码逻辑分析，预期可通过的单元测试数量（整数）"
|
||||
"java_code": "完整的Python实现代码（包含主模块和必要的辅助类/函数）",
|
||||
"unit_tests": "使用pytest的单元测试代码",
|
||||
"implementation_notes": "实现说明和注意事项"
|
||||
}}
|
||||
|
||||
Java代码要求：
|
||||
1. 使用 Java 11 语法和特性（如 var 局部变量类型推断、String::isBlank/strip/lines、Optional、Stream API、List.of/Map.of 等不可变集合工厂方法），不要使用 Java 8 以前的写法
|
||||
2. 包含详细的中文代码注释，所有注释内容必须用中文撰写，所有多行注释必须以 /* 开头、以 */ 结尾，Javadoc注释以 /** 开头、以 */ 结尾，绝对不能用单独的 / 作为注释结尾
|
||||
Python代码要求：
|
||||
1. 使用 Python 3.10+ 语法和特性（如 match/case、类型注解、dataclass、pathlib、f-string、列表推导等），代码风格遵循 PEP 8
|
||||
2. 包含详细的中文代码注释，类和函数必须有中文 docstring
|
||||
3. 包含异常处理
|
||||
4. 支持所有的功能需求
|
||||
5. 考虑非功能需求（性能、安全等）
|
||||
|
||||
单元测试要求：
|
||||
1. 使用 JUnit 5（jupiter），充分利用 @DisplayName、@ParameterizedTest、assertThrows 等特性
|
||||
2. 为每个公共方法生成测试
|
||||
1. 使用 pytest，充分利用 @pytest.mark.parametrize、pytest.raises、fixture 等特性
|
||||
2. 为每个公共函数/方法生成测试
|
||||
3. 包含正常情况、边缘情况和异常情况的测试
|
||||
4. 使用有意义的测试方法名称
|
||||
5. 每个测试类顶部加中文类级注释说明该类的测试范围
|
||||
4. 使用有意义的测试函数名称（如 test_xxx_when_xxx_should_xxx）
|
||||
5. 每个测试函数内用中文注释标注 Given / When / Then 三个阶段
|
||||
6. 测试代码要清晰易读
|
||||
7. 重要：业务代码文件保存名为 implementation.py，测试代码文件保存名为 test_implementation.py，测试文件必须使用 `from implementation import ...` 或 `import implementation` 导入业务代码
|
||||
|
||||
implementation_notes要求返回中文实现说明，内容要具体且有指导意义，不能只是简单的总结性描述，要包含对关键设计决策的解释和对复杂逻辑的说明。
|
||||
|
||||
返回ONLY JSON内容，不要有其他文字。"""
|
||||
|
||||
def generate_code(
|
||||
self,
|
||||
requirement_analysis: RequirementAnalysis,
|
||||
test_cases: TestCaseResult
|
||||
) -> CodeGenerationResult:
|
||||
"""
|
||||
生成Python实现代码和单元测试代码
|
||||
|
||||
Args:
|
||||
requirement_analysis: PM Agent的分析结果
|
||||
test_cases: QA Agent的测试用例
|
||||
|
||||
Returns:
|
||||
CodeGenerationResult: 包含Python代码和单元测试代码
|
||||
"""
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Java 11 开发工程师，擅长使用 Java 11 特性（var、Stream API、Optional、HttpClient、String 新方法等）编写高质量代码和单元测试，所有代码注释用中文，类名和方法名保持英文命名规范，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "system", "content": "你是一个资深的 Python 3.10+ 开发工程师，擅长使用 Python 类型注解、dataclass、pytest 等特性编写高质量代码和单元测试，所有代码注释用中文，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": self._build_prompt(requirement_analysis, test_cases)}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=8192,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
result = _parse_json(response.choices[0].message.content, "DevAgent 解析失败")
|
||||
return CodeGenerationResult(**result)
|
||||
|
||||
def stream_generate_code(
|
||||
self,
|
||||
requirement_analysis: RequirementAnalysis,
|
||||
test_cases: TestCaseResult,
|
||||
):
|
||||
"""
|
||||
流式版代码生成。yield 文本块(str)，最后 yield (None, CodeGenerationResult) 作为哨兵。
|
||||
"""
|
||||
stream = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Python 3.10+ 开发工程师，擅长使用 Python 类型注解、dataclass、pytest 等特性编写高质量代码，所有代码注释用中文，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": self._build_prompt(requirement_analysis, test_cases)}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=8192,
|
||||
response_format={"type": "json_object"},
|
||||
stream=True,
|
||||
)
|
||||
full_text = ""
|
||||
for chunk in stream:
|
||||
delta = chunk.choices[0].delta.content or ""
|
||||
if delta:
|
||||
full_text += delta
|
||||
yield delta
|
||||
result = _parse_json(full_text, "DevAgent stream 解析失败")
|
||||
yield (None, CodeGenerationResult(**result))
|
||||
|
||||
def refine(
|
||||
self,
|
||||
previous: CodeGenerationResult,
|
||||
requirement_analysis: RequirementAnalysis,
|
||||
test_cases: TestCaseResult,
|
||||
feedback: str
|
||||
) -> CodeGenerationResult:
|
||||
"""
|
||||
根据用户反馈修改已有的代码生成结果。
|
||||
|
||||
Args:
|
||||
previous: 上一次的代码生成结果
|
||||
requirement_analysis: PM Agent的分析结果（供参考）
|
||||
test_cases: QA Agent的测试用例（供参考）
|
||||
feedback: 用户的修改意见
|
||||
|
||||
Returns:
|
||||
CodeGenerationResult: 修改后的代码生成结果
|
||||
"""
|
||||
refine_prompt = f"""以下是你之前生成的代码结果，用户对此有修改意见，请根据意见调整输出。
|
||||
|
||||
用户的修改意见：
|
||||
{feedback}
|
||||
|
||||
请在原有代码基础上修改，保持 JSON 格式不变，返回完整的修改后结果。
|
||||
继续遵守原有的 Python 3.10+、中文注释、pytest 等所有要求。
|
||||
返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Python 3.10+ 开发工程师，所有代码注释用中文，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": self._build_prompt(requirement_analysis, test_cases)},
|
||||
{"role": "assistant", "content": json.dumps(previous, ensure_ascii=False)},
|
||||
{"role": "user", "content": refine_prompt}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=8192,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
result = _parse_json(response.choices[0].message.content, "DevAgent.refine 解析失败")
|
||||
return CodeGenerationResult(**result)
|
||||
|
||||
|
||||
class FixAgent:
|
||||
"""自动修复Agent - 根据pytest失败信息修复Python代码"""
|
||||
|
||||
def __init__(self):
|
||||
self.settings = get_settings()
|
||||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||||
|
||||
def fix(self, code_generation: CodeGenerationResult, test_output: str) -> CodeGenerationResult:
|
||||
"""
|
||||
根据pytest输出自动修复业务代码和/或测试代码。
|
||||
|
||||
Args:
|
||||
code_generation: 之前 DevAgent 的产出
|
||||
test_output: pytest 执行的完整输出
|
||||
|
||||
Returns:
|
||||
CodeGenerationResult: 修复后的完整代码
|
||||
"""
|
||||
prompt = f"""以下Python代码在运行单元测试时出现了失败，请根据pytest失败信息修复代码。
|
||||
|
||||
当前业务代码（implementation.py）：
|
||||
```python
|
||||
{code_generation["java_code"]}
|
||||
```
|
||||
|
||||
当前测试代码（test_implementation.py）：
|
||||
```python
|
||||
{code_generation["unit_tests"]}
|
||||
```
|
||||
|
||||
pytest 执行输出：
|
||||
{test_output[:4000]}
|
||||
|
||||
请分析失败原因并修复（业务代码和/或测试代码中的问题 都可以修复）。
|
||||
层层修复要径直至递推所有测试权都能通过。
|
||||
业务代码文件名为 implementation.py，测试文件名为 test_implementation.py，测试文件导入必须用 from implementation import ...。
|
||||
|
||||
返回 JSON 格式：
|
||||
{{
|
||||
"java_code": "修复后的完整Python业务代码",
|
||||
"unit_tests": "修复后的完整Python测试代码",
|
||||
"implementation_notes": "修复说明：具体说明了哪些问题，如何修复的"
|
||||
}}
|
||||
|
||||
返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
response = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Python 3.10+ 开发工程师，擅长根据测试错误信息定位并修复 Bug，所有代码注释用中文，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=8192,
|
||||
response_format={"type": "json_object"}
|
||||
)
|
||||
result = _parse_json(response.choices[0].message.content, "FixAgent 解析失败")
|
||||
return CodeGenerationResult(**result)
|
||||
|
||||
content = response.choices[0].message.content
|
||||
def stream_fix(self, code_generation: CodeGenerationResult, test_output: str):
|
||||
"""
|
||||
流式修复。yield 文本块(str)，最后 yield (None, CodeGenerationResult) 作为哨兵。
|
||||
"""
|
||||
prompt = f"""以下Python代码在运行单元测试时出现了失败，请根据pytest失败信息修复代码。
|
||||
|
||||
当前业务代码（implementation.py）：
|
||||
```python
|
||||
{code_generation["java_code"]}
|
||||
```
|
||||
|
||||
try:
|
||||
result = json.loads(content)
|
||||
return CodeGenerationResult(**result)
|
||||
except json.JSONDecodeError:
|
||||
import re
|
||||
json_match = re.search(r'\{.*\}', content, re.DOTALL)
|
||||
if json_match:
|
||||
result = json.loads(json_match.group())
|
||||
return CodeGenerationResult(**result)
|
||||
raise ValueError(f"无法解析Dev Agent响应: {content}")
|
||||
当前测试代码（test_implementation.py）：
|
||||
```python
|
||||
{code_generation["unit_tests"]}
|
||||
```
|
||||
|
||||
pytest 执行输出：
|
||||
{test_output[:4000]}
|
||||
|
||||
请分析失败原因并修复（业务代码和/或测试代码中的问题 都可以修复）。
|
||||
层层修复要径直至递推所有测试权都能通过。
|
||||
业务代码文件名为 implementation.py，测试文件名为 test_implementation.py，测试文件导入必须用 from implementation import ...。
|
||||
|
||||
返回 JSON 格式：
|
||||
{{
|
||||
"java_code": "修复后的完整Python业务代码",
|
||||
"unit_tests": "修复后的完整Python测试代码",
|
||||
"implementation_notes": "修复说明：具体说明了哪些问题，如何修复的"
|
||||
}}
|
||||
|
||||
返回 ONLY JSON，不要有其他文字。"""
|
||||
|
||||
stream = self.client.chat.completions.create(
|
||||
model=self.settings.model,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个资深的 Python 3.10+ 开发工程师，擅长根据测试错误信息定位并修复 Bug，所有代码注释用中文，输出必须是严格的 JSON 格式。"},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=0.2,
|
||||
max_tokens=8192,
|
||||
response_format={"type": "json_object"},
|
||||
stream=True,
|
||||
)
|
||||
full_text = ""
|
||||
for chunk in stream:
|
||||
delta = chunk.choices[0].delta.content or ""
|
||||
if delta:
|
||||
full_text += delta
|
||||
yield delta
|
||||
result = _parse_json(full_text, "FixAgent stream 解析失败")
|
||||
yield (None, CodeGenerationResult(**result))
|
||||
|
||||
|
||||
async def orchestrate_agents(simple_requirement: str) -> dict:
|
||||
"""
|
||||
编排三个Agent的工作流程
|
||||
编排三个Agent的工作流程（保留原有全量接口）
|
||||
|
||||
Args:
|
||||
simple_requirement: 用户的简单需求描述
|
||||
|
||||
Reference in New Issue
Block a user