Auto-coder nano 源码:GitHub - w4n9H/autocoder-nano: Supa Nano(autocoder family):a cli ai coding agent
AutoCoder Nano 是一款轻量级的编码助手, 利用大型语言模型(LLMs)帮助开发者编写, 理解和修改代码。
它提供了一个交互式命令行界面,支持在软件开发场景中与LLMs互动,具备代码生成, 文件管理和上下文代码理解等功能。
本概述介绍了 AutoCoder Nano 的用途, 架构和核心组件。如需了解更多子系统的详细信息,请参阅相关页面,例如
- 命令行界面
- LLM集成
- RAG系统
1.什么是 AutoCoder Nano?
AutoCoder Nano 是 Auto-Coder 生态系统的简化版本,设计轻量且依赖极少。它旨在通过提供增强AI功能的命令行界面,弥合自然语言指令与代码修改之间的鸿沟。
Auto-Coder 主社区点击跳转
AutoCoder Nano 的主要特点:
- 轻量级:依赖极少,代码库精简
- 交互式:支持丰富补全和建议的命令行界面
- AI驱动:集成多种大型语言模型
- 上下文感知:利用文件索引和检索实现上下文理解
- 多功能:支持多种项目类型和编程语言
nano/lite/pro 有什么区别?
- Pro:分布式架构,支持分布式部署模型,支持开源/SaaS模型管理,独特的 human_as_model模式,RAG 支持,Design 设计支持,MCP支持,联网搜索支持,全局记忆支持,适合深度使用各种大模型的用户。
- Lite:放弃分布式架构,部分功能无法使用,主要针对 Windows 用户(第三方库兼容问题),以及需要快速启动并使用 auto-coder.chat 的用户。
- Nano:同样放弃分布式架构,为 auto-coder.chat 的移植版本,支持 /chat,/coding,/文件管理,/索引管理等功能,依赖及代码极致精简,适合想要了解大模型辅助编程原理,以及想要实现自己辅助编程框架的用户
autocoder-nano 的迭代方向:
- 代码结构优化,便于后续维护及其他开发者魔改
- 并发支持,开发更大的项目
- 多语言优化,深度优化 Python 外的其他语言
- 候选模型支持,首选模型异常时进行切换
- RAG能力,支持一个简化的知识库,增强代码能力
2.系统架构
AutoCoder Nano 采用模块化架构,以命令行界面为核心,连接多个子系统。
2.1.高级架构图
3.核心组件
3.1.命令行界面(CLI)
CLI 是用户与 AutoCoder Nano 交互的主要入口,负责解析用户命令, 提供自动补全并显示响应。
主要功能:
- 命令解析与补全
- 文件和符号建议
- 响应内容的富文本渲染
- 交互式会话管理
CLI 支持多种命令类别:
| 命令类别 | 示例命令 | 用途 | 
|---|---|---|
| 对话 | /chat,/coding | 与LLM交互,处理通用查询或代码生成 | 
| 文件管理 | /add_files,/remove_files,/list_files | 管理当前上下文中的活动文件 | 
| 配置 | /conf,/mode | 配置系统设置和行为 | 
| 模型管理 | /models /add_model,/models /list | 管理LLM集成设置 | 
| 索引 | /index/build,/index/query | 构建和查询代码索引 | 
| 工具 | /help,/shell,/exit | 获取帮助、执行Shell命令或退出应用 | 
3.2.内存系统
AutoCoder Nano 使用内存字典存储以下状态:
- 对话历史, 即与大模型 /chat的历史
- 活动文件及文件组
- 配置设置
- 模型配置
- 目录排除设置
memory = {
    "conversation": [],  # 对话历史
    "current_files": {"files": [], "groups": {}},  # 文件管理
    "conf": {  # 配置设置
        "auto_merge": "editblock",
        "chat_model": "",
        "code_model": "",
    },
    "exclude_dirs": [],  # 目录排除设置
    "mode": "normal",  # 新增mode字段,默认为normal模式
    "models": {}  # 模型配置 
}内存系统支持会话间持久化,确保复杂项目的连续性。
3.3.项目管理
AutoCoder Nano 支持多种项目类型, 并提供针对性支持:
- Python项目: 处理模块、导入和结构
- TypeScript项目: 支持TypeScript/JavaScript文件及依赖
- 自定义项目: 基于文件扩展名的通用支持
项目管理子系统负责理解代码库结构, 识别相关文件, 并为LLM提供适当的上下文。
3.4.LLM集成
LLM集成子系统通过以下方式连接 AutoCoder Nano 与多种大型语言模型:
- 模型配置与选择
- API通信
- 响应处理
- Token管理
AutoCoder Nano 支持为聊天/索引和代码生成配置不同模型,以优化任务性能。
4.用户工作流
4.1.项目初始化与配置
- 通过 /chat询问有关代码的问题。
- 对于现有项目,配置项目语言(/conf project_type:py)
- 配置大语言模型(/models /add_model)后
- 即可使用 /coding生成修改代码
- /coding/apply使用聊天历史记录
- /index管理代码索引
- /models配置模型。
4.2.代码生成流程
AutoCoder Nano 的代码生成流程如下:
- 用户通过 /coding[请求] 发起代码生成请求
- 系统从活动文件中收集上下文 or 通过索引自动获取上下文
- 将上下文和请求发送至配置的LLM
- 生成的代码呈现给用户
- 修改可应用于代码库
- 可选的Git集成支持版本控制
5.关键特性
5.1.文件管理
文件管理包括:
- 查找符合特定模式的文件
- 从处理中排除指定目录
- 计算文件哈希以检测变更
AutoCoder Nano 提供两种文件管理方式:
- 自动模式: 系统根据查询自动识别相关文件
- 手动模式: 用户显式管理活动文件
文件分组功能允许用户为特定任务组织相关文件:
coding@auto-coder.nano:~$ /add_files /group /add frontend  
coding@auto-coder.nano:~$ /add_files /group /add backend  
coding@auto-coder.nano:~$ /add_files /group frontend  5.2.自然语言编程
AutoCoder Nano 提供自然语言模式以生成和执行脚本:
- 通过 /mode auto_detect 或 Ctrl+K 切换模式
- 输入自然语言指令
- 系统生成对应脚本
- 用户可审核并执行脚本
此功能弥合了自然语言指令与可执行命令之间的差距。
5.3.代码索引与检索
AutoCoder Nano 构建并维护项目中代码实体的索引:
- 提取函数、类和变量并建立索引
- 查询可以检索相关的代码实体
- 识别相关文件以提供更好的上下文
- 索引系统有助于更有针对性和高效地理解和生成代码。
6.安装与设置
6.1.系统要求
在安装 AutoCoder Nano 之前,请确保你的系统满足以下条件:
- Python 3.10 或更高版本(推荐 Python 3.11.9 )
- 操作系统:Windows、macOS 或 Linux
- 至少能访问一个与 OpenAI API 格式兼容的大语言模型服务
6.2.安装方法
使用 pip(推荐): 推荐的安装方式是在专用虚拟环境中使用 pip 进行安装
# 创建conda环境
conda create --name autocoder python=3.11.9
# 激活环境
conda activate autocoder
# 安装AutoCoder Nano
pip install -U autocoder-nano从源代码安装
# 克隆仓库  
git clone https://github.com/w4n9H/autocoder-nano.git 
# 进入项目目录  
cd autocoder-nano  
# 安装依赖  
pip install -r requirements.txt
# 以开发模式安装  
pip install -e .安装完成后,AutoCoder Nano 提供以下三个主要命令行工具:
| 命令 | 描述 | 
|---|---|
| auto-coder.nano | 代码生成和聊天交互的主界面 | 
| auto-coder.nano.rag | 基于检索增强生成的上下文感知响应系统 | 
| auto-coder.nano.ui | AutoCoder Nano 的基于 Web 的用户界面 | 
6.3.项目初始化
安装完成后,需要为项目初始化 AutoCoder Nano。设置过程包括项目初始化、语言配置和 LLM 模型配置。
进入项目目录并运行 AutoCoder Nano:
cd your-project  
auto-coder.nano首次运行时,系统会检测到当前目录未初始化,并提示初始化:
! 正在初始化系统...  
! 当前目录未初始化为 auto-coder 项目。  
  是否现在初始化项目?(y/n):y  
✓ 项目初始化成功。  
✓ 创建目录:/your-project/.auto-coder/plugins/chat-auto-coder  这将在项目文件夹中创建一个
.auto-coder目录,用于存储配置和索引文件。
6.4.项目类型配置
初始化后,系统会提示配置项目类型:
=== 项目类型配置 ===  
项目类型支持:  
- 语言后缀(例如:.py, .java, .ts)  
- 预定义类型:py (Python),ts (TypeScript/JavaScript)  
对于混合语言项目,使用逗号分隔的值。  
示例:'.java, .scala' 或 '.py, .ts'  
如果留空,默认为 'py'。  
请输入项目类型:py  
项目类型设置为:py  
您可以稍后使用以下命令更改此设置:  
/conf project_type:=new_type>  支持的项目类型包括:
- py- Python 项目
- ts- TypeScript/JavaScript 项目
- 自定义文件扩展名(例如 .py,.ts,.go用于混合项目)
6.5.LLM 配置
6.6.配置管理
初始设置完成后,可以使用 /conf 命令查看和修改配置:
coding@auto-coder.nano:~$ /conf  
    使用 /conf <key>:<value> 修改这些设置  
| 键                | 值            |  
|-------------------|---------------|  
| auto_merge        | editblock     |  
| chat_model| model-name    |  
| code_model| model-name    |  
| project_type      | py            |  
| skip_build_index  | false         |  关键配置选项
| 选项 | 描述 | 示例值 | 
|---|---|---|
| auto_merge | 代码更改的合并策略 | editblock | 
| chat_model | 用于聊天和索引的模型 | deepseek-v3 | 
| code_model | 用于代码生成的模型 | deepseek-v3 | 
| project_type | 项目语言类型 | py, ts, .py, .ts | 
| skip_build_index | 跳过自动索引构建 | true, false | 
修改配置的示例:
# 更改项目类型为 TypeScript  
/conf project_type:ts  
# 更改代码生成模型  
/conf code_model:deepseek-r16.7.LLM 管理
AutoCoder Nano 需要至少一个配置好的 LLM 才能运行。可以使用 /models 命令管理 LLM:
列出可用模型
/models /list  显示已配置模型的表格:
模型  
Name         | Model Name      | Base URL  
------------------------------------------  
| deepseek-v3 | deepseek-coder  | https://api.deepseek.com |  添加新模型
/models /add_model name=model-alias base_url=https://api.provider.com api_key=sk-xxxx model=provider-model-name  参数:
- name:模型的别名(例如- deepseek-r1)
- base_url:API 端点(例如- https://api.deepseek.com)
- api_key:API 密钥
- model:服务商指定的具体模型名称
移除模型
/models /remove model-alias  测试模型连接
/models /check  测试所有配置的模型并报告状态:
模型状态检测  
模型         | 状态  | 延迟   |  
deepseek-v3 | ✓     | 1.36s  |  6.8.验证与下一步
安装和设置完成后,会看到以下消息:
✓ 初始化完成。  
AutoCoder Nano v0.1.5  
输入 /help 可以查看可用的命令。  
coding@auto-coder.nano:~$  此时可以:
- 使用 /chat提问关于代码库的问题
- 使用 /coding生成或修改代码
- 使用 /add_files、/remove_files等命令管理文件
- 使用 /help获取帮助
7.总结
AutoCoder Nano 通过命令行界面提供轻量级, 多功能的AI辅助编码工具。通过将LLM与文件管理, 代码索引和上下文理解相结合, 它实现了自然语言指令与代码修改的无缝衔接。
主要优势:
- 安装简便, 依赖极少
- 支持多种编程语言和项目类型
- 灵活的配置和模型管理
- 上下文感知的代码理解与生成
- 自然语言编程能力
实践
安装
安装非常简单方便,直接pip安装即可
pip install -U autocoder-nanoFreeBSD下duckdb-1.4.1.tar.gz 安装起来有点慢。这里弄错了,不能在FreeBSD下安装,需要在Ubuntu仿真下使用。
Windows下pdfminer安装有点慢
运行
直接执行
auto-coder.nano第一次执行会进入配置流程
auto-coder.nano
> 🚀 正在初始化系统...
> 当前目录未初始化为auto-coder项目.
  是否现在初始化项目?(y/n): y
> 创建目录:E:\work\tmp\.auto-coder\plugins\chat-auto-coder
=== 项目类型配置 ===
项目类型支持:
  - 语言后缀(例如:.py, .java, .ts)
  - 预定义类型:py(Python), ts(TypeScript/JavaScript)
对于混合语言项目,使用逗号分隔的值.
示例:'.java,.scala' 或 '.py,.ts'
如果留空, 默认为 'py'.
请输入项目类型:py
项目类型设置为: py
您可以稍后使用以下命令更改此设置:
/conf project_type:<new_type>
> 已在 E:\work\tmp 初始化新的 Git 仓库.
> 已在 E:\work\tmp 成功初始化 autocoder-nano 项目
> 项目初始化成功.
> 项目初始化完成.
  是否跳过模型配置(y/n): n
=== 正在配置项目模型 ===
Volcengine: https://www.volcengine.com/
OpenRouter: https://openrouter.ai/
  1. (Volcengine)deepseek/deepseek-r1-0528
  2. (Volcengine)deepseek/deepseek-v3.1-0821
  3. (Volcengine)byte/doubao-seed-1.6-250615
  4. (Volcengine)moonshotai/kimi-k2
  5. (OpenRouter)google/gemini-2.5-pro
  6. (OpenRouter)google/gemini-2.5-flash
  7. (OpenRouter)anthropic/claude-opus-4
  8. (OpenRouter)anthropic/claude-sonnet-4
  9. (OpenRouter)moonshotai/kimi-k2
  10. (OpenRouter)openai/gpt-5
  11. (BigModel)bigmodel/glm-4.5
  12. 其他模型
  请选择您想使用的模型供应商编号(1-11): 12
  设置你的首选模型别名(例如: deepseek-v3/r1, ark-deepseek-v3/r1): openai/default
  请输入你使用模型的 Model Name: default
  请输入你使用模型的 Base URL: http://127.0.0.1:1337/v1
  请输入您的API密钥: hello
> 正在更新缓存...
> 供应商配置已成功完成!后续你可以使用 /models 命令, 查看, 新增和修改所有模型
> 正在部署 openai/default 模型...
> 初始化完成.
┌─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│ AutoCoder Nano: v0.3.1                                                                                              │
│ Url: https://github.com/w4n9H/autocoder-nano                                                                        │
│ Help: 输入 /help 可以查看可用的命令.                                                                                │
└──────────────────────────────────────────────────────试了一下,还是不如auto-coder.chat丝滑
调试
auto的时候出来很多报错
coding@auto-coder.nano:~$ /auto 帮我写个hello world
> 未获取到当前会话ID, 请手动进行选择
> 未获取到历史会话, 默认创建新会话开始 Agent
> Agent 新会话已开始.
> 模型调用[openai/default], 模型名称[default], 调用函数[chat_ai]
> 已注册 Agent Tool Resolver 12 个
> 🚀 Agentic coding 开始运行, 项目名: tmp, 用户目标: 帮我写个hello world
> Error reading file deepseek-r1: 'gbk' codec can't decode byte 0x9c in position 389: illegal multibyte sequence
> Error reading file deepseek-r14bModelfile: 'gbk' codec can't decode byte 0x9c in position 388: illegal multibyte
sequence
> Error reading file deepseek-r1_1_5Modelfile: 'gbk' codec can't decode byte 0x9c in position 389: illegal multibyte
sequence
> Error reading file deepseek-r1_1_5bModelfile: 'gbk' codec can't decode byte 0x9c in position 389: illegal multibyte
sequence
> Error reading file deepseek-r1_7bModelfile: 'gbk' codec can't decode byte 0x9c in position 387: illegal multibyte
sequence
> Error reading file deepseek-r1_8bModelfile: 'gbk' codec can't decode byte 0x9c in position 387: illegal multibyte
sequence
不明白为什么,大约是因为是Windows的缘故。
在FreeBSD系统下没用出来,一直卡着,但是同样的模型,在auto-coder.chat就正常:
coding@auto-coder.chat:~$ hello
Successfully set configuration: event_file =
/home/skywalk/work/nanowork/.auto-coder/events/2d0066cd-bdd6-44e0-822f-689bfd51f47f_20251007-232334.jsonl
─────────────────────────────────────────── Starting Agentic Edit: nanowork ────────────────────────────────────────────
╭───────────────────────────────────────────────────── Objective ──────────────────────────────────────────────────────╮
│ User Query:                                                                                                          │
│ hello                                                                                                                │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
Conversation ID: 74d89307-15a6-43e3-acc0-846ff37a51d5
当前会话总 tokens: 13435
Hello! How can I assist you with your software engineering tasks today?当前会话总 tokens: 13460
当前会话总 tokens: 13529