thulasiramk-2310/TRX-AI
GitHub: thulasiramk-2310/TRX-AI
基于本地 LLM 的多智能体 CLI 代码审查与自动修复助手，通过结构化流水线在终端内完成调试、审查、优化和预测。
Stars: 0 | Forks: 0
# TRX-AI - 多智能体代码智能系统
TRX-AI 是一个 CLI 优先的 AI 助手，使用本地 LLM 进行结构化调试、代码审查和自动修复工作流。
## 概述
TRX-AI 专为终端环境中的实际工程循环而设计：
- 混合意图检测（规则优先 + LLM 回退）
- 多智能体推理（Debug、Improve、Predict、Review）
- 结构化审查输出（`DEBUG`、`IMPROVEMENTS`、`PERFORMANCE`、`FIX`、`SUMMARY`、`CONFIDENCE`）
- 自动修复生成并输出到安全文件（`_fixed.py`）
- 会话历史记录和 TXT/PDF 导出
## 架构
流水线：
`User Input -> Intent Detection -> Agent Orchestrator -> Local LLM -> Structured Output -> CLI/Reports`
```
flowchart LR
A[User Input] --> B[Hybrid Intent Detection]
B --> C{Route}
C -->|chat| D[Conversation Handler]
C -->|review/fix/watch| E[Code Review Pipeline]
E --> F[Analyzer Agent]
E --> G[Generator Agent]
E --> H[Critic Agent]
E --> I[Fixer Agent]
D --> J[Local LLM]
F --> J
G --> J
H --> J
I --> J
J --> K[Structured Formatter]
K --> L[CLI Output]
K --> M[TXT/PDF Export]
K --> N[Session History]
```
详细文档：
- [docs/architecture.md](docs/architecture.md)
- [docs/design.md](docs/design.md)
- [docs/evaluation.md](docs/evaluation.md)
## 演示
```
trx-ai > review dsa_test.py
trx-ai > fix dsa_test.py
python evaluation.py
```
## 命令
- `help` - 显示可用命令
- `history` - 显示会话输入
- `save ` - 保存会话 JSON
- `export ` - 导出最新分析报告（`.txt` 或 `.pdf`）
- `export compare ` - 从最近两次分析导出对比 PDF
- `agents all | agents debug improve predict` - 控制激活的智能体
- `mode debug|optimize|predict` - 设置回退配置文件
- `review ` - 运行多智能体代码审查
- `fix ` - 生成修复后的代码并在保存前询问
- `watch ` - 自动审查更改的代码文件（`.py/.js/.ts/.java/.c/.cpp/.cs/.go/.rs/.swift/.kt/.php/.sql/.rb`）
- `exit | quit` - 关闭 CLI
## 输出格式
TRX-AI 针对分析响应返回结构化的部分：
- `DEBUG`
- `IMPROVEMENTS`
- `PERFORMANCE`
- `FIX`
- `SUMMARY`
- `CONFIDENCE`
系统元数据也会显示（`intent`、`source` 和状态标签）。
## 多智能体角色
- Analyzer Agent：识别核心缺陷和边缘情况
- Generator Agent：提出代码层面的改进建议
- Critic Agent：验证质量并捕获薄弱输出
- Fixer Agent：生成最终修正代码（安全写入 `_fixed` 文件）
## 可靠性
- 规则优先的意图路由与 LLM 回退
- 本地 LLM 调用的重试/退避机制
- 针对长模型输出的截断处理
- 模型不可用时的回退分析
- 带有预览和确认的安全修复流程
- 用于评估质量检查的语义评分（`semantic_scoring.py`）
## 近期改进
- 将基准评分从基础的关键词/模糊匹配升级为加权语义评分。
- 将 `analyzer.py` 中的审查编排重构为更小、更易维护的辅助流程。
- 使用共享的设置/主题辅助函数减少了 `history.py` 中 PDF 导出的重复代码。
- 将自动化测试覆盖范围扩大到 13 个单元/冒烟测试。
## 评估
评估可在 `evaluation.py` 中进行，提供基准式指标：
- 准确率
- 修复质量
- 平均响应时间
- 完整性
- 基线对比
运行：
```
python evaluation.py
```
## 设置
1. 安装依赖：
```
pip install -r requirements.txt
```
2. 配置 `.env`：
```
RD_USE_LOCAL_LLM=true
LOCAL_LLM_URL=http://localhost:11434/api/generate
LOCAL_LLM_MODEL=qwen3:8b
HF_REQUEST_TIMEOUT=120
HF_MAX_NEW_TOKENS=600
HF_TEMPERATURE=0.3
RD_REVIEW_LOGS=false
```
3. 启动：
```
python main.py
```
## 快速工作流
```
# Chat
trx-ai > hi
# 审查单个文件
trx-ai > review main.py
# 生成修复后的代码并预览
trx-ai > fix dsa_test.py
# 导出最近一次运行
trx-ai > export report.pdf
# 比较最近两次分析
trx-ai > export compare comparison_report.pdf
```
## 项目结构
```
chatcli/
|-- main.py
|-- analyzer.py
|-- formatter.py
|-- watcher.py
|-- history.py
|-- config.py
|-- evaluation.py
|-- semantic_scoring.py
|-- tests/
|-- docs/
|-- assets/
|-- README.md
|-- LICENSE
```
## 许可证
MIT - 请参阅 [LICENSE](LICENSE)。
标签：AI智能体, AI编程, AI风险缓解, CMS安全, Debug调试, DLL 劫持, JavaScript, PDF导出, PyRIT, Python, SOC Prime, TLS抓取, 云安全监控, 云计算, 人工智能, 代码分析, 代码助手, 代码审查, 代码智能, 代码重构, 凭证管理, 多智能体系统, 大语言模型, 开发工具, 开发效率, 性能优化, 意图识别, 数据管道, 无后门, 本地大模型, 检测绕过, 混合意图检测, 用户模式Hook绕过, 网络可观测性, 自动修复, 规则引擎, 软件安全, 软件工程, 逆向工具, 静态分析