Smart Coding Assistant_开发编程 skill-PHP中文网

Smart Coding Assistant

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

智能多模型编程助手，自动选择最优模型，覆盖代码生成、审查、调试、重构、测试等场景。适用于编写代码、代码审查、Bug调试、性能优化、技术栈迁移、单元测试等编程任务。

智能编程助手

功能概述

智能编程助手是一项面向实际任务的技能，主要用于🧠 智能模型路由；根据编程任务类型自动选择最优模型：；

核心要点

qwen-coder-plus / deepseek-coder；
代码生成能力强，上下文理解好；
qwen-max / claude-sonnet；

使用与执行

逻辑严谨，善于发现问题；Bug 调试；qwen-plus / glm-4；推理能力强，定位准确；qwen-coder-plus；熟悉算法优化。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。

结果检查与注意事项

从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。该技能适合用于一次性任务，也可以接入自动化工作流，与其他技能或上层代理配合完成更完整的业务链路；在组合使用时，应明确每一步的输入输出关系，并避免不同步骤之间出现参数冲突。

智能编程助手

核心能力

🧠 智能模型路由

根据编程任务类型自动选择最优模型：

任务类型	推荐模型	理由
代码生成	qwen-coder-plus / deepseek-coder	代码生成能力强，上下文理解好
代码审查	qwen-max / claude-sonnet	逻辑严谨，善于发现问题
Bug 调试	qwen-plus / glm-4	推理能力强，定位准确
性能优化	qwen-coder-plus	熟悉算法优化和最佳实践
重构	claude-sonnet / qwen-max	代码结构理解深刻
单元测试	qwen-coder / deepseek-coder	测试用例生成质量高
技术问答	qwen-plus / glm-4	知识覆盖面广
文档生成	qwen-turbo / qwen-plus	速度快，表达清晰

🔄 多模型协作模式

复杂任务拆分流程：

1. 任务分析 → qwen-plus（理解需求）
2. 架构设计 → qwen-max（系统设计）
3. 核心代码 → qwen-coder-plus（实现）
4. 代码审查 → claude-sonnet（质量检查）
5. 测试生成 → deepseek-coder（单元测试）
6. 文档编写 → qwen-turbo（快速生成）

📊 模型能力画像

详见 references/model-profiles.md

快速开始

基础用法

# 单模型模式 - 直接指定
smart-coding-assistant --model qwen-coder-plus "生成一个快速排序"

# 自动路由模式 - 让技能选择最优模型
smart-coding-assistant "帮我优化这个算法的性能"

# 多模型协作模式 - 复杂任务
smart-coding-assistant --collab "重构这个模块并添加测试"

编程任务分类

代码生成类：

"写一个 XX 功能的函数/类"
"实现 XX 算法"
"创建 XX 组件"

代码审查类：

"审查这段代码的问题"
"这段代码有什么安全隐患"
"代码质量如何，怎么改进"

调试类：

"这个 Bug 怎么修复"
"为什么这段代码报错"
"定位性能瓶颈"

优化类：

"优化这段代码的性能"
"重构这个模块"
"提高代码可维护性"

测试类：

"为这个函数写单元测试"
"生成测试用例"
"测试覆盖率分析"

工作流程

1. 任务接收与分析

# 使用 model_router.py 分析任务类型
python scripts/model_router.py --task "你的编程任务"

2. 模型选择

根据任务类型查询 references/model-profiles.md 选择最优模型。

3. 代码生成/处理

调用选定的模型执行任务。

4. 质量检查（可选）

对于重要代码，使用第二模型进行审查。

5. 输出与反馈

输出结果并记录模型表现，更新能力画像。

模型选择策略

优先级规则

代码密集型任务 → 优先选择代码专用模型（qwen-coder, deepseek-coder）
逻辑推理任务 → 优先选择推理强的模型（qwen-max, glm-4）
速度敏感任务 → 优先选择快速模型（qwen-turbo）
质量敏感任务 → 优先选择高质量模型（claude-sonnet, qwen-max）
复杂多步骤任务 → 启用多模型协作模式

成本优化

简单任务使用经济型模型（qwen-turbo, qwen-plus）
复杂任务使用高性能模型（qwen-max, claude-sonnet）
批量任务考虑使用缓存避免重复调用

最佳实践

✅ 推荐做法

明确任务类型，让技能选择合适模型
复杂任务启用协作模式
重要代码进行双模型审查
记录模型表现，持续优化路由策略

❌ 避免做法

所有任务都用同一个模型
忽略任务特点盲目使用最强模型
不进行代码审查直接上线
不记录反馈无法优化

配置说明

环境变量

# 模型 API 配置
export QWEN_API_KEY="your-key"
export DEEPSEEK_API_KEY="your-key"
export GLM_API_KEY="your-key"

# 路由策略
export CODING_MODEL_STRATEGY="auto"  # auto | manual
export ENABLE_COLLAB="true"  # 启用多模型协作

配置文件

编辑 ~/.smart_coding_config.json：

{
  "default_model": "qwen-coder-plus",
  "review_model": "claude-sonnet",
  "enable_caching": true,
  "max_collab_models": 3,
  "cost_limit_per_task": 5.0
}