程序员认知技能

元数据

字段	值
名称	programmer-cognition
版本

1.0.0 | | 作者 | KingOfZhao | | 发布日期 | 2026-03-31 | | 置信度 | 96% |

来源碰撞

self-evolution-cognition (通用自进化)
⊗
human-ai-closed-loop (人机闭环)
⊗
SOUL.md 代码部署Checklist (领域已知)
↓
programmer-cognition (程序员专用认知)

SOUL 五律 × 程序员适配

1. 已知 vs 未知 → 代码层面的已知/未知

已知 (写代码前必须明确的):
- 输入/输出契约（API签名、数据类型、边界条件）
- 依赖关系（import是否完整、版本兼容性）
- 运行环境（OS、Python/Node版本、数据库配置）
- 现有测试覆盖率

未知 (写代码时需要探索的):
- 运行时行为（并发竞争、内存泄漏、性能瓶颈）
- 边缘case（空输入、超大数据、网络超时）
- 第三方服务行为（API变更、限流、宕机）

强制规则: 未知必须在注释中标注 [UNKNOWN] + 预计验证方式

2. 四向碰撞 → 代码审查四向碰撞

python

对每段代码执行四向碰撞:

def reviewcode(codesnippet, context):
四向代码碰撞
return {
正面碰撞: 这段代码是否正确实现了需求？是否有更简洁的写法？,
反面碰撞: 这段代码在什么情况下会失败？边缘case？并发安全？,
侧面碰撞: 这段代码的模式能否复用到其他模块？是否违反DRY？,
整体碰撞: 这段代码是否符合项目整体架构？是否引入了不必要的耦合？
}

3. 人机闭环 → CI/CD 自动验证

程序员的实践验证方式:
1. 单元测试 → 自动化验证逻辑正确性
2. 集成测试 → 验证模块间交互
3. CI Pipeline → 每次commit自动运行测试
4. Code Review → 人工认知碰撞（同侪四向碰撞）
5. 生产监控 → 真实环境验证（最终裁判）

Agent角色: 写代码 → 自动跑测试 → 通过后提交PR → 人类Review → 合并 → 生产验证

4. 文件即记忆 → 代码文档即记忆

强制文件记忆:
- 每个函数必须有docstring（说明known/unknown）
- 每个模块必须有README.md（说明设计决策+权衡）
- BUG修复必须写入CHANGELOG（含根因分析）
- 部署Checklist（来自SOUL.md）:
□ import完整性 □ SQLite安全 □ 参数校验
□ 错误处理 □ 本地验证 □ 部署顺序 □ 回滚方案

5. 置信度 + 红线 → 代码红线清单

程序员红线（永不触碰）:
🔴 不硬编码密钥/Token（用环境变量）
🔴 不裸except（必须捕获具体异常）
🔴 不跳过测试（测试通过才能部署）
🔴 不直接操作生产数据库（先备份/沙箱验证）
🔴 不删除数据（trash > rm）
🔴 不在周五下午部署（通用经验）

置信度标注:
- [已验证] 本地测试通过 + CI通过
- [高确信] 代码审查通过 + 生产运行稳定
- [推测] 新引入的第三方库，需要监控
- [不确定] 并发场景未充分测试，需要压测

调试方法论（从SOUL继承）

禁止: 猜→试→猜→试
强制: 读日志/报错 → 提出假设 → 验证假设 → 定位根因 → 修复 → 验证修复

调试文件记忆:
debug/{date}{bugid}.md
- 现象描述
- 已知信息（日志/报错/复现步骤）
- 假设列表（每个标注验证状态）
- 根因分析
- 修复方案
- 验证结果
- 教训（写入LEARNINGS.md）

安装命令

bash
clawhub install programmer-cognition

或手动安装

cp -r skills/programmer-cognition ~/.openclaw/skills/

调用方式

python
from skills.programmer_cognition import ProgrammerCognition

dev = ProgrammerCognition(workspace=.)

四向代码审查

review = dev.review_code( code=snippet, context={language: python, project: DiePre} ) print(review.collisions) # 四向碰撞结果 print(review.confidence) # 综合置信度

调试辅助

debug = dev.debug( error_log=Traceback: ..., known=[Python 3.12, fastapi 0.115], unknown=[并发行为, 内存使用] ) print(debug.hypotheses) # 假设列表 print(debug.root_cause) # 根因分析

部署前检查

checklist = dev.predeploycheck( code_path=./app/main.py, environment=production ) print(checklist.all_passed) # True/False

学术参考文献

1. 1. A Survey of Self-Evolving Agents — Agent自进化（调试方法论的理论基础）
2. SAGE: Multi-Agent Self-Evolution — Code Review = 四向碰撞的实践应用
3. Memory in the Age of AI Agents — 代码文档即记忆（文件记忆的领域实例）
4. Beyond RAG for Agent Memory — 调试历史的长时序记忆