一個自主程式設計系統，透過拆解需求、進行深度分析並經過自我反思迭代，交付生產就緒的程式碼。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install auto-coding-correctversion
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 auto-coding-correctversion。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 Auto-Coding？
Auto-Coding 技能是一個複雜的自主程式設計系統，旨在將高層級需求轉化為高品質程式碼。作為為 Openclaw Skills 構建的代理，它超越了簡單的程式碼生成，整合了一個處理根本原因分析和模式識別的深度分析模組。它按照結構化的生命週期運行，包括需求拆解、迭代自我反思以及嚴格的交付標準檢查，以確保所有輸出都是安全、有文件記錄且功能完備的。
透過利用高級推理，Auto-Coding 系統可以根據任務複雜度智慧調整其工作流。無論您是生成簡單的文件重新命名指令碼，還是開發複雜的 Flask API，Openclaw Skills 生態系統中的這項技能都能透過其集成的測試和驗證協定，確保最終交付符合專業工程標準。
Auto-Coding 應用場景
- 自動生成用於批次文件處理或資料操作的 Python 指令碼。
- 開發全疊應用組件，如 React UI 組件或後端 API 服務。
- 重構現有程式碼庫以實現日誌記錄或增強錯誤處理等新功能。
- 在部署前對生成的程式碼塊執行自主安全和語法稽核。
Auto-Coding 運作原理
- 需求拆解：系統分析任務複雜度（1-10）並創建定制的執行計劃。
- 邏輯分析：識別必要的領域知識、工具和潛在的技術挑戰。
- 研究與搜索：代理使用集成搜索工具搜索文件和最佳實踐。
- 實施：生成程式碼並寫入本地工作區。
- 自動化測試：系統執行程式碼以驗證基本功能並識別執行階段錯誤。
- 深度分析與反思：使用深度分析模組，識別模式並對任何失敗進行根本原因分析。
- 迭代優化：代理根據自身的反思改進程式碼，直到達到要求標準。
- 最終交付檢查：輸出經過涵蓋語法、安全和文件的嚴格 8 點檢查。
Auto-Coding 設定指南
要在 Openclaw Skills 中使用此技能，請確保已安裝 Python 3.10 或更高版本。您需要安裝所需的依賴項：
pip install dashscope duckduckgo-search
系統會自動從 ~\/.nanobot\/config.json 讀取您的 LLM 配置。然後，您可以使用 CLI 命令執行該技能：
\/auto-coding "your requirement here"
Auto-Coding 資料結構與分類體系
Auto-Coding 技能在 ~\/.nanobot\/workspace 目錄內組織其操作。它的內部邏輯利用了模組化文件結構：
| File | Purpose |
|---|---|
| worker.py | 管理代理生命週期的核心工作流引擎。 |
| decomposer.py | 分析任務並根據複雜度調整執行流程。 |
| self_reflect.py | 處理程式碼改進的迭代回饋循環。 |
| delivery_check.py | 執行 8 點標準驗證清單。 |
| deep_analysis.py | 提供根本原因分析和模式識別能力。 |
Auto-Coding 進階特性
- 多模式執行：支援快速（指令碼）、標準（通用任務）和深度（複雜優化）工作模式。
- 智慧任務縮放：根據計算出的複雜度分數動態縮放執行時間和深度。
- 8 點交付標準：內置語法、安全、文件、錯誤處理、測試、功能完整性、TODO 移除和程式碼風格驗證。
- 根本原因分析：高級除錯模組，調查程式碼失敗的原因並在迭代期間實施結構化修復。
SKILL.md
加載中
Openclaw 相關技能
Prompt Crafter
一個專業級框架，使用 RACE 和 Chain-of-Thought 等經過驗證的結構化方法論來設計高性能 AI 提示詞。
Propel Code Review
一種非同步程式碼審查技能，使用 Propel Review API 分析 Git diff 並為 AI 代理提供可操作的回饋。
精選*
