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。

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
复制代码
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
  1. 通过 /chat 询问有关代码的问题。
  2. 对于现有项目,配置项目语言(/conf project_type:py
  3. 配置大语言模型(/models /add_model)后
  4. 即可使用 /coding 生成修改代码
  5. /coding/apply 使用聊天历史记录
  6. /index 管理代码索引
  7. /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:

复制代码
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:

  1. 通过 /mode auto_detect 或 Ctrl+K 切换模式
  2. 输入自然语言指令
  3. 系统生成对应脚本
  4. 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

复制代码
# 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

复制代码
# 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:

复制代码
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:

复制代码
! 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:

复制代码
=== 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:

复制代码
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:

复制代码
# 更改项目类型为 TypeScript  
/conf project_type:ts  

# 更改代码生成模型  
/conf code_model:deepseek-r1
6.7.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

复制代码
/models /list  

显示已配置模型的表格:

复制代码
模型  
Name         | Model Name      | Base URL  
------------------------------------------  
| deepseek-v3 | deepseek-coder  | https://api.deepseek.com |  

添加新模型

复制代码
/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

复制代码
/models /remove model-alias  

测试模型连接

复制代码
/models /check  

测试所有配置的模型并报告状态:

复制代码
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:

复制代码
✓ 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:

  1. 使用 /chat 提问关于代码库的问题
  2. 使用 /coding 生成或修改代码
  3. 使用 /add_files/remove_files 等命令管理文件
  4. 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

复制代码
pip install -U autocoder-nano

FreeBSD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

复制代码
auto-coder.nano

第一次执行会进入配置流程

复制代码
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:

复制代码
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
相关推荐
金井PRATHAMA3 小时前
描述逻辑对人工智能自然语言处理中深层语义分析的影响与启示
人工智能·自然语言处理·知识图谱
却道天凉_好个秋3 小时前
OpenCV(四):视频采集与保存
人工智能·opencv·音视频
minhuan3 小时前
构建AI智能体:五十七、LangGraph + Gradio:构建可视化AI工作流的趣味指南
人工智能·语言模型·workflow·langgraph·自定义工作流
WWZZ20253 小时前
ORB_SLAM2原理及代码解析:SetPose() 函数
人工智能·opencv·算法·计算机视觉·机器人·自动驾驶
lisw053 小时前
AIoT(人工智能物联网):融合范式下的技术演进、系统架构与产业变革
大数据·人工智能·物联网·机器学习·软件工程
mtouch3333 小时前
GIS+VR地理信息虚拟现实XR MR AR
大数据·人工智能·ar·无人机·xr·vr·mr
一人の梅雨4 小时前
1688 拍立淘接口深度开发:从图像识别到供应链匹配的技术实现
人工智能·算法·计算机视觉
dundunmm4 小时前
【数据集】WebQuestions
人工智能·llm·数据集·知识库问答·知识库
却道天凉_好个秋4 小时前
OpenCV(五):鼠标控制
人工智能·opencv·鼠标控制