🎻 CodeActor — 自进化的多智能体 AI 编程引擎

不是 Copilot，而是一支能理解、导航、演进你代码库的自主智能体团队。

▶️ 点击上方图片观看演示视频（YouTube）

💡 为什么是 CodeActor？

现有 AI 编程工具共享一个根本缺陷：它们把代码当作文本，而非结构。

传统工具	CodeActor
基于文本模式匹配	🧠 基于 AST + 调用图 + 语义向量的结构化代码理解
单智能体，单打独斗	🤖 中枢-辐条多智能体：Director 统一指挥，六大脑各司其职
能力固定，无法进化	🧬 Meta-Agent：运行时自动设计并注册新 Agent，越用越强
只能搜关键词	🔍 自然语言语义搜索——「找到认证逻辑的实现」
不了解项目历史	📚 Git Commit Learning：自动学习提交历史，注入上下文

🤖 智能体团队

Agent	角色	核心能力
🎼 Director	指挥家	任务分解、动态规划、代理委派、结果评审
🔬 Repo-Agent	代码考古学家	AST 解析、语义搜索、调用图、代码骨架
✏️ Coding-Agent	主程工程师	22+ 工具、自主编码、自我修正
🌐 Browser-Agent	网络研究员	无头 Chrome、网页导航、数据提取
🔧 DevOps-Agent	运维工程师	Shell 执行、环境诊断、进程管理
💬 Chat-Agent	技术顾问	通用问答、技术解释
🧬 Meta-Agent	Agent 工厂	运行时设计并注册新 Agent

🏗️ 核心架构

用户交互层 (TUI / HTTP+WebSocket)
            │
     🎼 Director（指挥家）
       任务分解 · 动态规划 · 结果评审
            │
   ┌────────┼────────┬────────┬────────┬────────┐
   │        │        │        │        │        │
🔬Repo   ✏️Coding  💬Chat   🔧DevOps 🌐Browser 🧬Meta
代码智能  代码编辑  通用对话  运维执行  网页调研  自进化
(Rust)   (22工具)          (Shell)  (无头Chrome) (Agent工厂)

完整架构文档 →

⚡ 四大核心差异

🧠 1. Rust 驱动的深度代码智能

不是简单的正则搜索。CodeActor 的 Repo-Agent 由 Rust 引擎驱动，集成 Tree-sitter AST 解析、LanceDB 向量嵌入和 Petgraph 调用图分析。它能像资深工程师一样理解代码——跨文件影响分析、环路检测、语义搜索。

7 种语言 AST：Rust · Python · JavaScript · TypeScript · Java · C++ · Go
语义搜索：按代码含义搜索，而非关键词
调用图分析：实时追踪「谁调用了这个函数」「改动会影响哪些模块」
自动索引：文件变更自动感知，20 秒增量更新

🧬 2. Meta-Agent：运行时的自我进化

这是 CodeActor 最独特的能力。当 Director 遇到内置 Agent 无法胜任的任务时，Meta-Agent 会：

🎨 设计——自动生成新 Agent 的系统提示词和工具组合
⚡ 执行——立即运行新 Agent 完成任务
🔧 注册——将其永久注册为可用工具，供后续调用

例如：自动创建 delegate_security_auditor 进行全代码库安全审计，或 delegate_performance_profiler 分析性能瓶颈。

🌐 3. Browser-Agent：让 AI 替你上网

内置无头 Chrome 浏览器（go-rod），自主导航网页、提取文档、填写表单。当本地上下文不足时，Director 自动委派网络调研任务。

「查找最新的 FastAPI 中间件文档，总结 CORS 配置」——全程无需离开终端。

📚 4. Git Commit Learning：项目记忆

自动拉取最近的 Git 提交 → LLM 生成结构化摘要 → LanceDB 向量存储 → 用户提问时语义匹配，自动注入相关历史上下文。AI 始终了解项目的最新演进。

🔬 5. 混合检索 + 代码图扩展：从"搜到"到"理解上下文"

传统代码搜索只告诉你「哪里匹配了关键词」。CodeActor 不仅找到代码，还自动分析它周围的结构世界。

🎯 三阶段级联检索 Pipeline

用户查询
    │
    ├─→ Stage 1: 混合检索（双通道高召回）
    │   ├── 🧠 稠密通道：LanceDB 向量搜索（Qwen3-Embedding-4B，2560维语义嵌入）
    │   └── 🔤 稀疏通道：Tantivy BM25 全文搜索（自定义 CodeTokenizer 识别 snake_case/CamelCase）
    │   └── 🔗 RRF 融合：Reciprocal Rank Fusion 合并双通道排名
    │
    ├─→ Stage 2: 代码图扩展（结构上下文注入）
    │   └── PetCodeGraph BFS 遍历：从种子函数出发，自动获取调用者/被调者链
    │   └── 跨文件上下文：将孤立代码块还原到其架构位置
    │
    └─→ Stage 3: Cross-Encoder 重排（精排提纯）
        └── 可选 Reranker API 对候选结果做 Query-Document 交叉编码精排

为什么这很重要？

传统向量搜索的局限：纯向量搜索把代码块当孤岛，只计算语义相似度，却不理解它和谁一起工作、被谁调用、调用了什么。

CodeActor 的突破：混合检索 + 代码图扩展 = 从「搜到」到「理解」的质变。

维度	纯向量搜索	CodeActor 混合检索 + 图扩展
查全率	❌ 语义近但关键词不同 → 可能漏掉	✅ BM25 + Vector 双通道互补，覆盖语义 + 精确匹配
精确度	❌ 短文本/噪音常误中	✅ RRF 融合 + 短文本惩罚 + Cross-Encoder 精排三重过滤
上下文	❌ 返回孤立代码块，看不到调用关系	✅ PetCodeGraph 自动展开调用链，还原架构上下文
代码感知	❌ 通用 Tokenizer 不懂代码命名	✅ 自定义 CodeTokenizer 专为 snake_case/CamelCase 设计
鲁棒性	❌ 单点故障	✅ 三重降级：BM25 失败→纯向量，Reranker 失败→RRF，单通道→另一通道

🚀 快速开始

下载预编译包（推荐）

从 GitHub Releases 页面下载最新的 all-in-one 二进制包。包内已集成 codeseek 代码智能引擎（Rust）、fzf（模糊搜索）和 ripgrep（正则搜索）——所有依赖一应俱全。解压后直接运行 ./codeactor，零依赖、零配置，开箱即用。

前置要求（从源码编译）

Go 1.24+
ripgrep（全文正则搜索）

从源码编译

git clone https://github.com/iohub/codeactor-agent.git
cd codeactor-agent
go build -o codeactor .

配置

创建 ~/.codeactor/config/config.toml：

[global.llm]
use_provider = "siliconflow"

[global.llm.providers.siliconflow]
model = "deepseek-ai/DeepSeek-V3.2"
api_base_url = "https://api.siliconflow.cn/v1"
api_key = "your-api-key"
temperature = 0.0
max_tokens = 23000

运行

# TUI 模式
./codeactor tui

# 指定任务文件
./codeactor tui --taskfile TASK.md

# HTTP 服务器模式（默认 :9080）
./codeactor http

📖 文档

文档	说明
ARCHITECTURE.md	系统架构、模块设计、数据流
Agent_Design.md	多智能体设计理念
Agent_Reference.md	API 参考与配置指南
Browser_Agent_Design.md	浏览器智能体架构

🤝 社区与贡献

我们欢迎任何形式的贡献——Bug 报告、功能建议、文档完善、代码贡献。

📄 许可证

Apache License 2.0

FilesExpand file tree

README_zh.md

Latest commit

History