智能编程助手
核心能力
🧠 智能模型路由
根据编程任务类型自动选择最优模型:
| 任务类型 | 推荐模型 | 理由 |
|---|
| 代码生成 | qwen-coder-plus / deepseek-coder | 代码生成能力强,上下文理解好 |
| 代码审查 |
qwen-max / claude-sonnet | 逻辑严谨,善于发现问题 |
| Bug 调试 | qwen-plus / glm-4 | 推理能力强,定位准确 |
| 性能优化 | qwen-coder-plus | 熟悉算法优化和最佳实践 |
| 重构 | claude-sonnet / qwen-max | 代码结构理解深刻 |
| 单元测试 | qwen-coder / deepseek-coder | 测试用例生成质量高 |
| 技术问答 | qwen-plus / glm-4 | 知识覆盖面广 |
| 文档生成 | qwen-turbo / qwen-plus | 速度快,表达清晰 |
🔄 多模型协作模式
复杂任务拆分流程:
CODEBLOCK0
📊 模型能力画像
详见 references/model-profiles.md
快速开始
基础用法
CODEBLOCK1
编程任务分类
代码生成类:
- - "写一个 XX 功能的函数/类"
- "实现 XX 算法"
- "创建 XX 组件"
代码审查类:
- - "审查这段代码的问题"
- "这段代码有什么安全隐患"
- "代码质量如何,怎么改进"
调试类:
- - "这个 Bug 怎么修复"
- "为什么这段代码报错"
- "定位性能瓶颈"
优化类:
- - "优化这段代码的性能"
- "重构这个模块"
- "提高代码可维护性"
测试类:
- - "为这个函数写单元测试"
- "生成测试用例"
- "测试覆盖率分析"
工作流程
1. 任务接收与分析
CODEBLOCK2
2. 模型选择
根据任务类型查询 references/model-profiles.md 选择最优模型。
3. 代码生成/处理
调用选定的模型执行任务。
4. 质量检查(可选)
对于重要代码,使用第二模型进行审查。
5. 输出与反馈
输出结果并记录模型表现,更新能力画像。
模型选择策略
优先级规则
- 1. 代码密集型任务 → 优先选择代码专用模型(qwen-coder, deepseek-coder)
- 逻辑推理任务 → 优先选择推理强的模型(qwen-max, glm-4)
- 速度敏感任务 → 优先选择快速模型(qwen-turbo)
- 质量敏感任务 → 优先选择高质量模型(claude-sonnet, qwen-max)
- 复杂多步骤任务 → 启用多模型协作模式
成本优化
- - 简单任务使用经济型模型(qwen-turbo, qwen-plus)
- 复杂任务使用高性能模型(qwen-max, claude-sonnet)
- 批量任务考虑使用缓存避免重复调用
最佳实践
✅ 推荐做法
- - 明确任务类型,让技能选择合适模型
- 复杂任务启用协作模式
- 重要代码进行双模型审查
- 记录模型表现,持续优化路由策略
❌ 避免做法
- - 所有任务都用同一个模型
- 忽略任务特点盲目使用最强模型
- 不进行代码审查直接上线
- 不记录反馈无法优化
配置说明
环境变量
CODEBLOCK3
配置文件
编辑 ~/.smart_coding_config.json:
CODEBLOCK4
故障排除
常见问题
Q: 模型选择不准确?
Q: 多模型协作失败?
- - 确认所有模型 API 可用
- 检查网络连接
- 查看任务是否适合拆分
Q: 代码质量不佳?
- - 启用代码审查流程
- 尝试更换代码生成模型
- 提供更详细的需求描述
参考资料
更新日志
- - v1.0.0 - 初始版本,支持基础模型路由和单模型编程
- v1.1.0 - 添加多模型协作模式
- v1.2.0 - 引入模型能力画像和自动优化
最后更新:2026-03-18
智能编程助手
核心能力
🧠 智能模型路由
根据编程任务类型自动选择最优模型:
| 任务类型 | 推荐模型 | 理由 |
|---|
| 代码生成 | qwen-coder-plus / deepseek-coder | 代码生成能力强,上下文理解好 |
| 代码审查 |
qwen-max / claude-sonnet | 逻辑严谨,善于发现问题 |
| Bug 调试 | qwen-plus / glm-4 | 推理能力强,定位准确 |
| 性能优化 | qwen-coder-plus | 熟悉算法优化和最佳实践 |
| 重构 | claude-sonnet / qwen-max | 代码结构理解深刻 |
| 单元测试 | qwen-coder / deepseek-coder | 测试用例生成质量高 |
| 技术问答 | qwen-plus / glm-4 | 知识覆盖面广 |
| 文档生成 | qwen-turbo / qwen-plus | 速度快,表达清晰 |
🔄 多模型协作模式
复杂任务拆分流程:
- 1. 任务分析 → qwen-plus(理解需求)
- 架构设计 → qwen-max(系统设计)
- 核心代码 → qwen-coder-plus(实现)
- 代码审查 → claude-sonnet(质量检查)
- 测试生成 → deepseek-coder(单元测试)
- 文档编写 → qwen-turbo(快速生成)
📊 模型能力画像
详见 references/model-profiles.md
快速开始
基础用法
bash
单模型模式 - 直接指定
smart-coding-assistant --model qwen-coder-plus 生成一个快速排序
自动路由模式 - 让技能选择最优模型
smart-coding-assistant 帮我优化这个算法的性能
多模型协作模式 - 复杂任务
smart-coding-assistant --collab 重构这个模块并添加测试
编程任务分类
代码生成类:
- - 写一个 XX 功能的函数/类
- 实现 XX 算法
- 创建 XX 组件
代码审查类:
- - 审查这段代码的问题
- 这段代码有什么安全隐患
- 代码质量如何,怎么改进
调试类:
- - 这个 Bug 怎么修复
- 为什么这段代码报错
- 定位性能瓶颈
优化类:
- - 优化这段代码的性能
- 重构这个模块
- 提高代码可维护性
测试类:
- - 为这个函数写单元测试
- 生成测试用例
- 测试覆盖率分析
工作流程
1. 任务接收与分析
python
使用 model_router.py 分析任务类型
python scripts/model_router.py --task 你的编程任务
2. 模型选择
根据任务类型查询 references/model-profiles.md 选择最优模型。
3. 代码生成/处理
调用选定的模型执行任务。
4. 质量检查(可选)
对于重要代码,使用第二模型进行审查。
5. 输出与反馈
输出结果并记录模型表现,更新能力画像。
模型选择策略
优先级规则
- 1. 代码密集型任务 → 优先选择代码专用模型(qwen-coder, deepseek-coder)
- 逻辑推理任务 → 优先选择推理强的模型(qwen-max, glm-4)
- 速度敏感任务 → 优先选择快速模型(qwen-turbo)
- 质量敏感任务 → 优先选择高质量模型(claude-sonnet, qwen-max)
- 复杂多步骤任务 → 启用多模型协作模式
成本优化
- - 简单任务使用经济型模型(qwen-turbo, qwen-plus)
- 复杂任务使用高性能模型(qwen-max, claude-sonnet)
- 批量任务考虑使用缓存避免重复调用
最佳实践
✅ 推荐做法
- - 明确任务类型,让技能选择合适模型
- 复杂任务启用协作模式
- 重要代码进行双模型审查
- 记录模型表现,持续优化路由策略
❌ 避免做法
- - 所有任务都用同一个模型
- 忽略任务特点盲目使用最强模型
- 不进行代码审查直接上线
- 不记录反馈无法优化
配置说明
环境变量
bash
模型 API 配置
export QWEN
APIKEY=your-key
export DEEPSEEK
APIKEY=your-key
export GLM
APIKEY=your-key
路由策略
export CODING
MODELSTRATEGY=auto # auto | manual
export ENABLE_COLLAB=true # 启用多模型协作
配置文件
编辑 ~/.smartcodingconfig.json:
json
{
default_model: qwen-coder-plus,
review_model: claude-sonnet,
enable_caching: true,
maxcollabmodels: 3,
costlimitper_task: 5.0
}
故障排除
常见问题
Q: 模型选择不准确?
Q: 多模型协作失败?
- - 确认所有模型 API 可用
- 检查网络连接
- 查看任务是否适合拆分
Q: 代码质量不佳?
- - 启用代码审查流程
- 尝试更换代码生成模型
- 提供更详细的需求描述
参考资料
更新日志
- - v1.0.0 - 初始版本,支持基础模型路由和单模型编程
- v1.1.0 - 添加多模型协作模式
- v1.2.0 - 引入模型能力画像和自动优化
最后更新:2026-03-18