CodeForge 炼码
基于多Agent协作的代码智能分析与最佳实践挖掘平台
项目概述
CodeForge 是一个桌面端 AI Agent 平台,专注于代码领域的智能分析。它对代码仓库进行"数据挖掘"——挖掘代码模式、审查质量、推荐最佳实践、自动修复。
与课程"数据挖掘"的关联
| 数据挖掘概念 |
CodeForge 中的映射 |
| 数据采集 |
代码仓库扫描、文件解析、AST 提取 |
| 特征工程 |
代码复杂度、重复率、命名规范、依赖关系图 |
| 模式挖掘 |
代码异味检测、反模式识别、最佳实践匹配 |
| 分类/聚类 |
代码质量分级、代码风格分类 |
| 推荐系统 |
最佳实践推荐、重构建议推荐 |
| 知识图谱 |
代码依赖关系图、函数调用图(RAG) |
核心架构
用户 → 前端 UI (React 19 + TypeScript)
↓ Tauri IPC (invoke / event)
Agent 编排引擎 (Rust)
├── LLM Provider(OpenAI / Anthropic / DeepSeek / Ollama)
├── Tool Calling(12+ 内置工具 + MCP 外部工具)
├── Skill 技能系统(SKILL.md 驱动)
├── RAG 知识检索(代码 Embedding + 向量搜索)
├── Harness 执行约束(权限 + 沙箱 + Token 预算)
└── Session 会话管理(SQLite 持久化)
模块总览
graph TD
A[用户 / 前端 UI] --> B[Agent 编排引擎]
B --> C[Tool Calling 工具系统]
B --> D[MCP 协议层]
B --> E[Skill 技能系统]
B --> F[RAG 知识检索]
B --> G[Harness 执行约束]
C --> C1[代码审查工具]
C --> C2[AST 分析工具]
C --> C3[文件读写工具]
C --> C4[Shell 执行工具]
C --> C5[搜索工具]
D --> D1[MCP Server 管理]
D --> D2[MCP Tool 代理]
D --> D3[MCP Resource 访问]
E --> E1[内置技能]
E --> E2[用户自定义技能]
E --> E3[技能市场]
F --> F1[代码 Embedding]
F --> F2[向量存储]
F --> F3[语义检索]
G --> G1[代码执行沙箱]
G --> G2[结果收集]
G --> G3[安全边界]
Loading
Agent 系统
Agent 运行时内核
执行循环
user_message → LLM(messages, tools) → response
├─ has tool_calls? → execute_tools → append results → LOOP BACK
└─ no tool_calls? → emit(response) → END
生命周期钩子
on_agent_start → on_before_llm_call → on_after_llm_call
→ on_before_tool_exec → on_after_tool_exec → on_agent_end
Agent 定义
struct Agent {
name: String,
instructions: Option<String>,
tools: Vec<String>,
model: String,
hooks: Option<AgentHooks>,
}
指令注入
[base_instructions] ← Agent.instructions
+ [skill_instructions] ← 启用的 Skill 中的 instructions
+ [context_summary] ← 压缩后的上下文摘要
+ [tool_descriptions] ← 当前可用工具的描述
权限系统
ToolCall → check_permission(tool_name, args)
├─ AlwaysAllow → execute
├─ AskUser → emit("permission_request") → wait for frontend
└─ AlwaysDeny → return error
多 Agent 协作
| Agent 角色 |
职责 |
模型偏好 |
| Orchestrator (编排者) |
接收任务,拆解分发给专家 Agent |
claude-opus-4-6 / gpt-5.4 |
| Reviewer (审查者) |
代码审查、质量评分、问题定位 |
claude-opus-4-6 |
| Refactorer (重构者) |
重构建议、生成修改 patch |
claude-sonnet-4-6 |
| Researcher (研究者) |
查找最佳实践、搜索文档规范 |
gemini-3.1-pro / gpt-5.4 |
| Executor (执行者) |
沙箱中运行代码、测试 |
deepseek-v3.2 / 任意 |
工具系统
所有工具遵循统一 JSON Schema 定义,兼容 OpenAI Function Calling 格式。
| 工具名 |
描述 |
分类 |
read_file |
读取文件内容 |
文件 |
write_file |
写入文件 |
文件 |
list_directory |
列出目录结构 |
文件 |
search_code |
在代码库中搜索 |
搜索 |
grep_pattern |
正则匹配搜索 |
搜索 |
run_shell |
执行 shell 命令 |
执行 |
analyze_ast |
AST 语法树分析 |
分析 |
check_complexity |
圈复杂度检测 |
分析 |
find_code_smells |
代码异味检测 |
审查 |
suggest_refactor |
重构建议生成 |
审查 |
apply_patch |
应用代码修改 |
修改 |
run_tests |
运行测试套件 |
执行 |
MCP 协议层
Model Context Protocol — 让 Agent 连接外部服务(Linter、CI/CD、Git 等)。
CodeForge App
└── MCP Client (Rust)
├── stdio transport → Local MCP Server (e.g. eslint-mcp)
└── SSE transport → Remote MCP Server (e.g. GitHub MCP)
Skill 技能系统
Skill = Prompt 模板 + 工具子集 + 可选 MCP Server。
skills/
├── code-review/SKILL.md
├── best-practices/SKILL.md
├── security-audit/SKILL.md
├── refactoring/SKILL.md
└── documentation/SKILL.md
SKILL.md 定义:name、description、instructions(注入 prompt)、tools(可用工具列表)、mcp_servers。
RAG 知识检索
对代码仓库建立向量索引,让 Agent 能语义理解代码结构。
- 代码切分 — 按函数/类/文件切分为 chunk
- Embedding — 调用 Embedding API 生成向量
- 向量存储 — 本地 SQLite + 余弦相似度
- 检索 — 用户/Agent 查询时返回相关代码
Harness 执行约束框架
Harness = Agent 运行时的执行纪律框架(概念来自 oh-my-openagent),对 Agent 行为的全面约束:
- 执行规则强制 — Agent 必须按特定工作流执行
- 权限控制 — AlwaysAllow / AskUser / AlwaysDeny
- 执行沙箱 — Shell 命令在隔离进程/临时目录中执行
- Token 预算 — 单次/全局 token 用量控制(默认 10M)
- 输出格式强制 — Hash-Anchored Editing
- 重试/恢复 — 工具调用失败自动重试
- 上下文压缩 — 超出预算时自动裁剪历史消息
前端页面
| 页面 |
路由 |
功能 |
| 仪表盘 |
/ |
项目概览、Agent 活动、token 用量、快速操作 |
| 对话 |
/chat |
流式 AI 对话、Markdown 渲染、代码高亮 |
| 代码审查 |
/review |
一键审查本地/远端仓库,问题列表和修复建议 |
| Agent 管理 |
/agents |
查看/配置/启停 Agent 角色 |
| 工具注册 |
/tools |
查看已注册工具,测试工具调用 |
| MCP 服务 |
/mcp |
添加/管理 MCP Server |
| 技能市场 |
/skills |
浏览/启用/禁用 Skill |
| 知识库 |
/knowledge |
代码仓库索引,语义搜索 |
| 模型配置 |
/providers |
添加 LLM Provider |
| 执行日志 |
/logs |
Agent 执行 trace、token 消耗 |
| 设置 |
/settings |
全局配置、主题、项目路径 |
项目结构
codeforge/
├── src/ # React 前端
│ ├── components/ # Sidebar, TopBar, Layout, PermissionDialog
│ ├── pages/ # 11 个功能页面
│ ├── styles/ # CSS 变量系统 (暗色/亮色主题)
│ └── lib/backend.ts # Tauri IPC 桥接层
├── src-tauri/src/ # Rust 后端
│ ├── llm/ # LLM Provider (OpenAI/Anthropic)
│ ├── agent/ # Agent Runtime (Loop/Hooks/Prompt)
│ ├── tools/ # 工具系统 (12+ 内置工具)
│ ├── mcp/ # MCP Client (stdio/SSE)
│ ├── skill/ # SKILL.md 解析加载
│ ├── knowledge/ # RAG (Embedding/向量存储/检索)
│ ├── harness/ # 权限/沙箱/Token预算/压缩
│ ├── session/ # 会话持久化 (SQLite)
│ ├── commands/ # Tauri IPC 命令入口
│ └── db/ # SQLite 数据层
└── skills/ # 技能定义
快速开始
git clone https://github.com/Mag1cFall/CodeForge.git
cd CodeForge
npm install
# 仅前端预览
npm run dev
# 完整桌面应用
cargo tauri dev
# 构建发布包
cargo tauri build
环境要求
- Node.js >= 18
- Rust >= 1.77
- Windows: 系统自带 WebView2
技术栈
| 层级 |
技术 |
| 前端 |
React 19, TypeScript, Vanilla CSS, lucide-react, react-markdown |
| 桌面框架 |
Tauri v2 |
| 后端 |
Rust, tokio, reqwest, rusqlite |
| AST 分析 |
tree-sitter |
参考项目