一个自主编程系统，通过拆解需求、进行深度分析并经过自我反思迭代，交付生产就绪的代码。
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install auto-coding-correctversion
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级：工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 auto-coding-correctversion。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
更倾向于下载？
获取包含原生技能文件的ZIP压缩包。
什么是 Auto-Coding？
Auto-Coding 技能是一个复杂的自主编程系统，旨在将高层级需求转化为高质量代码。作为为 Openclaw Skills 构建的智能体，它超越了简单的代码生成，整合了一个处理根本原因分析和模式识别的深度分析模块。它按照结构化的生命周期运行，包括需求拆解、迭代自我反思以及严格的交付标准检查，以确保所有输出都是安全、有文档记录且功能完备的。
通过利用高级推理，Auto-Coding 系统可以根据任务复杂度智能调整其工作流。无论您是生成简单的文件重命名脚本，还是开发复杂的 Flask API，Openclaw Skills 生态系统中的这项技能都能通过其集成的测试和验证协议，确保最终交付符合专业工程标准。
Auto-Coding 应用场景
- 自动生成用于批量文件处理或数据操作的 Python 脚本。
- 开发全栈应用组件，如 React UI 组件或后端 API 服务。
- 重构现有代码库以实现日志记录或增强错误处理等新功能。
- 在部署前对生成的代码块执行自主安全和语法审计。
Auto-Coding 工作原理
- 需求拆解：系统分析任务复杂度（1-10）并创建定制的执行计划。
- 逻辑分析：识别必要的领域知识、工具和潜在的技术挑战。
- 研究与搜索：智能体使用集成搜索工具搜索文档和最佳实践。
- 实施：生成代码并写入本地工作区。
- 自动化测试：系统运行代码以验证基本功能并识别运行时错误。
- 深度分析与反思：使用深度分析模块，识别模式并对任何失败进行根本原因分析。
- 迭代优化：智能体根据自身的反思改进代码，直到达到要求标准。
- 最终交付检查：输出经过涵盖语法、安全和文档的严格 8 点检查。
Auto-Coding 配置指南
要在 Openclaw Skills 中使用此技能，请确保已安装 Python 3.10 或更高版本。您需要安装所需的依赖项：
pip install dashscope duckduckgo-search
系统会自动从 ~\/.nanobot\/config.json 读取您的 LLM 配置。然后，您可以使用 CLI 命令运行该技能：
\/auto-coding "your requirement here"
Auto-Coding 数据架构与分类体系
Auto-Coding 技能在 ~\/.nanobot\/workspace 目录内组织其操作。它的内部逻辑利用了模块化文件结构：
| File | Purpose |
|---|---|
| worker.py | 管理智能体生命周期的核心工作流引擎。 |
| decomposer.py | 分析任务并根据复杂度调整执行流程。 |
| self_reflect.py | 处理代码改进的迭代反馈循环。 |
| delivery_check.py | 执行 8 点标准验证清单。 |
| deep_analysis.py | 提供根本原因分析和模式识别能力。 |
Auto-Coding 高级特性
- 多模式执行：支持快速（脚本）、标准（通用任务）和深度（复杂优化）工作模式。
- 智能任务缩放：根据计算出的复杂度分数动态缩放执行时间和深度。
- 8 点交付标准：内置语法、安全、文档、错误处理、测试、功能完整性、TODO 移除和代码风格验证。
- 根本原因分析：高级调试模块，调查代码失败的原因并在迭代期间实施结构化修复。
SKILL.md
加载中
Openclaw 相关技能
Prompt Crafter
一个专业级框架，使用 RACE 和 Chain-of-Thought 等经过验证的结构化方法论来设计高性能 AI 提示词。
Propel Code Review
一种异步代码审查技能，使用 Propel Review API 分析 Git diff 并为 AI 智能体提供可操作的反馈。
精选*
