使用 ClientAI 和 Ollama 建立本地 AI 程式碼審查器

是否曾經想要擁有完全在本地電腦上運行的、由人工智慧驅動的程式碼審查器？在這個由兩部分組成的教程中，我們將使用 ClientAI 和 Ollama 來建構它。

我們的助理將分析 Python 程式碼結構，識別潛在問題並提出改進建議 - 同時保持您的程式碼的隱私和安全性。

有關 ClientAI 的文檔，請參閱此處；有關 Github Repo，請參閱此處。

系列索引

• 第 1 部分：簡介、設定、工具創建（你在這裡）
• 第 2 部分：建立助手和命令列介面

項目概況

我們的程式碼分析助理將能夠：

• 分析程式碼結構與複雜度
• 辨識風格問題與潛在問題
• 產生文件建議
• 提供可行的改進建議

所有這些都將在您的電腦上本地運行，為您提供人工智慧輔助程式碼審查的能力，同時保持程式碼的完全隱私。

設定我們的環境

首先，為您的專案建立一個新目錄：

mkdir local_task_planner
cd local_task_planner

在 Ollama 支援下安裝 ClientAI：

pip install clientai[ollama]

確保您的系統上安裝了 Ollama。您可以從 Ollama 的網站取得。

現在讓我們建立將程式碼寫入其中的檔案：

touch code_analyzer.py

從我們的核心導入開始：

import ast
import json
import logging
import re
from dataclasses import dataclass
from typing import List
from clientai import ClientAI
from clientai.agent import (
    Agent,
    ToolConfig,
    act,
    observe,
    run,
    synthesize,
    think,
)
from clientai.ollama import OllamaManager, OllamaServerConfig

每個組件都扮演著至關重要的角色：

• ast：透過將Python程式碼解析為樹狀結構來幫助我們理解Python程式碼
• ClientAI：提供我們的人工智慧架構
• 用於資料處理和模式匹配的各種實用模組

建構我們的分析結果

分析程式碼時，我們需要一種乾淨的方式來組織我們的發現。以下是我們建構結果的方式：

@dataclass
class CodeAnalysisResult:
    """Results from code analysis."""
    complexity: int
    functions: List[str]
    classes: List[str]
    imports: List[str]
    issues: List[str]

將此視為我們的程式分析成績單：

• 複雜度分數表示代碼的複雜程度
• 函數和類別列表幫助我們理解程式碼結構
• 匯入顯示外部相依性
• 問題追蹤我們發現的任何問題

建構核心分析引擎

現在進入實際的核心 - 讓我們建立我們的程式碼分析引擎：

def analyze_python_code_original(code: str) -> CodeAnalysisResult:
    """Analyze Python code structure and complexity."""
    try:
        tree = ast.parse(code)
        functions = []
        classes = []
        imports = []
        complexity = 0
        for node in ast.walk(tree):
            if isinstance(node, ast.FunctionDef):
                functions.append(node.name)
                complexity += sum(
                    1
                    for _ in ast.walk(node)
                    if isinstance(_, (ast.If, ast.For, ast.While))
                )
            elif isinstance(node, ast.ClassDef):
                classes.append(node.name)
            elif isinstance(node, (ast.Import, ast.ImportFrom)):
                for name in node.names:
                    imports.append(name.name)
        return CodeAnalysisResult(
            complexity=complexity,
            functions=functions,
            classes=classes,
            imports=imports,
            issues=[],
        )
    except Exception as e:
        return CodeAnalysisResult(
            complexity=0, functions=[], classes=[], imports=[], issues=[str(e)]
        )

這個函數就像我們的程式碼偵探。它：

• 將程式碼解析為樹結構
• 遍歷樹查找函數、類別和導入
• 透過計算控制結構來計算複雜度
• 回傳綜合分析結果

實施風格檢查

好的程式碼不僅僅是正確工作——它應該具有可讀性和可維護性。這是我們的樣式檢查器：

mkdir local_task_planner
cd local_task_planner

我們的風格檢查器專注於兩個關鍵方面：

• 行長－確保程式碼保持可讀
• 函數命名約定－強制執行Python首選的snake_case風格

文件助理

文件對於可維護的程式碼至關重要。這是我們的文檔產生器：

pip install clientai[ollama]

這個幫手：

• 辨識函數與類別
• 擷取參數資訊
• 產生文件範本
• 包含範例佔位符

讓我們的工具為人工智慧做好準備

為了準備與人工智慧系統整合的工具，我們需要將它們包裝為 JSON 友善的格式：

touch code_analyzer.py

這些包裝器增加了輸入驗證、JSON 序列化和錯誤處理，使我們的助手更加防錯。

第 2 部分即將推出

在這篇文章中，我們設定了環境，建立了我們的結果，並建立了我們將用作代理工具的函數。在下一部分中，我們將實際建立 AI 助理、註冊這些工具、建立命令列介面並查看該助理的實際操作。

下一步是第 2 部分：建立助手和命令列介面。

要了解有關 ClientAI 的更多信息，請訪問文件。

與我聯繫

如果您有任何疑問，想要討論科技相關主題或分享您的回饋，請隨時在社群媒體上與我聯繫：

• GitHub：igorbenav
• X/Twitter：@igorbenav
• 領英：伊戈爾

以上是使用 ClientAI 和 Ollama 建立本地 AI 程式碼審查器的詳細內容。更多資訊請關注PHP中文網其他相關文章！