引言

在AI Agent发展得如火如荼的今天，Coding Agent几乎是各大厂商的必争之地。而作为个人，你是否也想过自己开发一个 Coding Agent？放在以前要开发这样的一个 Agent，确实不简单，但在 LangChain v1.0 发布后，其顺带也发布了一个基于 LangGraph & LangChain 的框架 DeepAgents，使得构建一个 Agent 的难度大大降低，包括开发 Coding Agent。因此，基于DeepAgents 这个框架，我轻松地开发了一个简单但却强大、功能全面的 Coding Agent，代码也已开源，详见https://github.com/hzhaoy/deep-code-agent。接下来，我就简单地介绍下使用 DeepAgents 开发的 deep-code-agent 这个项目。

---

一、项目概览

1.1 基本信息

• 仓库地址：https://github.com/hzhaoy/deep-code-agent
• 语言：Python（100%）
• 许可证：MIT
• 依赖框架：
  • DeepAgents
  • LangChain
  • LangGraph

1.2 核心理念

deep-code-agent 的目标是构建一个端到端的 AI 编码助手，通过模块化、可扩展的子智能体系统，为开发者提供从代码理解到优化的一站式服务。它不仅是一个“聊天机器人”，而是一个能直接操作本地代码库、执行终端命令、生成高质量输出的智能体。

---

二、核心功能详解

该项目包含五大核心子智能体，每个都针对特定开发任务进行优化：

2.1 代码审查（Code Reviewer）

• 功能：分析代码质量、识别潜在 bug、检查是否符合最佳实践。
• 应用场景：PR（Pull Request）前自动审查、团队代码规范检查。
• 技术特点：基于 LLM 的上下文理解能力，结合静态分析逻辑。

2.2 测试生成（Test Writer）

• 功能：自动生成高覆盖率的单元测试（如 pytest 或 unittest）。
• 优势：减少手动编写测试用例的时间，提升测试完整性。
• 输出示例：为函数 calculate_discount(price, rate) 自动生成边界值、异常输入等测试。

2.3 文档生成（Documenter）

• 功能：自动生成 docstring、模块说明、README.md 等文档内容。
• 支持格式：Google Style、NumPy Style、Sphinx 等主流 Python 文档规范。
• 价值：解决“写代码不写文档”的痛点，提升项目可维护性。

2.4 调试助手（Debugger）

• 功能：根据错误日志或用户描述，定位问题并提出修复建议。
• 交互方式：支持多轮对话，逐步缩小问题范围。
• 安全机制：所有修改均需用户确认，避免误操作。

2.5 代码重构（Refactorer）

• 功能：优化代码结构、消除重复逻辑、提升性能与可读性。
• 典型操作：提取方法、重命名变量、简化条件判断等。
• 原则：保持语义不变的前提下提升代码质量。

---

三、技术架构剖析

3.1 整体架构图

deep-code-agent 的整体架构图如下：

值得一提的是，上面所提到的 5 个 SubAgent 其实是封装在一个名为 task 的工具中，当需要使用其中某个 SubAgent 解决任务时，就会以该 SubAgent 的名称为参数调用 task 工具。

3.2 关键组件

• 主Agent流程：使用 LangGraph 实现状态机驱动的工作流，协调各子智能体。
• LLM 集成层：通过 langchain_chat.py 支持 OpenAI 或自定义模型（如本地 Llama、Qwen 等）。
• 文件系统后端：直接读写本地代码目录，支持 .py, .js, .md 等多种格式。
• Terminal Tool：封装安全的命令执行接口（如 git status, pytest），防止危险操作。

3.3 扩展性设计

• 每个子智能体拥有独立的 system prompt 和工具集。
• 开发者可轻松添加新子智能体（如 “Security Auditor” 或 “Performance Profiler”）。
• 通过 pyproject.toml 和 uv.lock 实现依赖隔离与快速安装。

---

四、快速上手指南

4.1 安装依赖

项目使用现代 Python 包管理器 uv（由 Astral 开发，Rust 编写，速度极快）进行虚拟环境、依赖包和项目的管理：

# 克隆仓库
git clone https://github.com/hzhaoy/deep-code-agent.git
cd deep-code-agent

# 安装依赖
uv sync

4.2 配置环境

复制模板并填写 API 密钥：

cp .env.example .env

.env 示例内容：

OPENAI_API_KEY=sk-xxxxxx
OPENAI_API_BASE=https://api.openai.com/v1
MODEL_NAME=gpt-4o-mini

✅ 支持自定义 LLM（只需实现 LangChain 兼容接口）以及任何兼容 OpenAI API 的大模型接口。

4.3 编程调用

from deep_code_agent import create_code_agent

agent = create_code_agent("path/to/your/codebase")

state = {
    "messages": [{"role": "user", "content": "为 utils.py 添加单元测试"}]
}
config = {"configurable": {"thread_id": "1"}}

for step in agent.stream(state, config=config, stream_mode="values"):
    step["messages"][-1].pretty_print()

4.4 命令行使用

python -m deep_code_agent

或者直接输入：

deep-code-agent

启动后可交互式输入指令，如：

• “审查最近修改的文件”
• “为 login 函数生成文档”
• “修复 test_login 失败的问题”

---

五、安全与注意事项

⚠️ 重要警告：该智能体会直接修改你的代码文件！

建议：

1. 先备份代码库
2. 在开发分支运行
3. 仔细审查所有生成内容
4. 不要在生产环境直接使用

项目已内置基础安全机制（如禁止 rm -rf 等危险命令），但仍需用户保持警惕。

---

结语

感谢整个开源社区和 AI 领域开发者的诸多工作，正是有这些为基础，笔者才能够很轻松地开发出 deep-code-agent，一个简单、但却功能强大、可扩展的 AI Coding Agent。

如果你对智能编程、Agent 架构或自动化开发感兴趣，强烈建议：

• ⭐ Star 该项目
• 🍴 Fork 并尝试贡献
• 💬 在 Issues 中提出建议

GitHub 地址：https://github.com/hzhaoy/deep-code-agent

---

欢迎关注我的 CSDN 主页，获取更多 AI 与工程实践干货！