一个基于多Agent协作的智能软件开发系统，专注于多语言代码缺陷检测与AI智能分析。
- 🌍 多语言支持: Python, Java, C/C++, JavaScript, Go
- 🤖 AI智能分析: 集成DeepSeek API进行智能代码分析
- 📁 项目级检测: 支持大型项目文件上传和分析
- 📊 自然语言报告: 生成专业的AI分析报告
- 🔧 实时检测: 支持单文件和项目批量检测
- 📈 可视化界面: 现代化的Web前端界面
这是系统与用户（开发者、测试人员等）交互的入口，提供了多种接入方式：
- Web前端界面 (UI)：提供可视化的操作界面，如提交代码、查看报告、监控状态等。
- REST API接口 (API)：允许其他系统（如CI/CD流水线、Git平台Webhook）通过编程方式集成和调用平台服务。
- 命令行接口 (CLI)：为偏好命令行的开发者提供本地工具，方便快速调用平台功能。
流向：所有用户请求都通过API层统一接收，并向下传递给协调控制层。
这是系统的“大脑”和“中枢神经系统”，负责指挥调度。
- 协调中心 (COORD)：请求的总入口和总出口。接收API请求，并负责将最终结果返回给用户。
- 任务管理器 (TM)：核心调度器。它接收COORD派发的任务，将其分解为多个子任务（例如：先分析、再修复、最后测试），并调度Agent执行层中相应的Agent来执行。它跟踪整个任务的生命周期。
- 决策引擎 (DE)：为任务处理提供智能决策。例如，当多个修复方案可用时，DE可能根据代码上下文、历史数据等决定最优方案。
- 事件总线 (EB)：系统的**“消息脊柱”**。采用发布-订阅模式，不同组件（特别是Agent之间）通过EB进行异步通信，实现解耦。例如，当一个Agent完成任务后，可以通过EB发布一个事件，通知其他Agent开始工作。
这是系统的“四肢”，由多个职责单一的智能体（Agent）组成，负责具体执行任务。它们被分为三组：
负责代码检查和分析，包含以下Agent：
- Bug检测Agent (BDA)：专注于寻找代码缺陷、安全漏洞、风格问题。
- 代码分析Agent (CAA)：进行更深层次的代码理解、依赖分析、复杂度评估等。
- 代码质量Agent (CQA)：综合评估代码质量，并生成质量评分报告。
负责执行具体的变更和优化，包含以下Agent：
- 修复执行Agent (FEA)：接收分析结果，并执行具体的代码修复和格式化操作。
- 测试验证Agent (TVA)：为修复后的代码生成或运行测试用例，确保修复没有引入新问题。
- 性能优化Agent (POA)：专注于代码性能分析和优化建议。
负责系统的观察、学习和改进，包含以下Agent：
- 监控Agent (MA)：持续监控系统健康、任务状态和性能指标。
- 报告Agent (RA)：生成各种人类可读的报告（HTML、PDF等）。
- 学习Agent (LA)：非常重要的一环，从历史任务、用户反馈中学习，优化决策模型和规则，使系统越来越智能。
这是系统的“工具箱”，Agent并不直接实现所有功能，而是调用外部专业工具来完成工作。这种设计使系统非常灵活，可以轻松集成新的工具。
- 静态分析工具：Pylint, Flake8, Bandit 等用于基础代码检查。
- AI分析工具：DeepSeek、OpenAI等大模型API是核心，用于复杂的代码理解、修复建议生成等LLM擅长的任务。也支持本地模型。
- 测试工具：集成各类测试框架以验证代码正确性。
- 代码生成工具：如代码格式化、自动修复工具，用于执行具体的代码变更。
为整个系统提供数据持久化支持，包含以下组件：
- 数据库 (DB)：存储结构化数据，如用户信息、任务配置、历史记录、质量报告等。
- 缓存 (CACHE)：提升性能，存储临时数据（如会话、热门分析结果）。
- 文件存储：存储代码仓库、生成的报告文件、日志文件等。
- 日志系统：记录系统运行的所有细节，用于排查问题和审计。
CodeAgent/
├── agents/ # Agent模块
│ ├── bug_detection_agent/ # 缺陷检测Agent
│ ├── code_analysis_agent/ # 代码分析Agent
│ ├── code_quality_agent/ # 代码质量Agent
│ ├── fix_execution_agent/ # 修复执行Agent
│ ├── test_validation_agent/ # 测试验证Agent
│ ├── performance_optimization_agent/ # 性能优化Agent
│ ├── dynamic_detection_agent/ # 动态检测Agent（新增）
│ ├── base_agent.py # Agent基类
│ └── integrated_detector.py # 集成检测器
├── coordinator/ # 协调中心
│ ├── coordinator.py # 主协调器
│ ├── task_manager.py # 任务管理器
│ ├── decision_engine.py # 决策引擎
│ ├── event_bus.py # 事件总线
│ └── message_types.py # 消息类型定义
├── api/ # API接口层（统一入口）
│ ├── main_api.py # 主API入口（统一启动点）
│ ├── coordinator_api.py # Coordinator管理API
│ ├── bug_detection_api.py # 缺陷检测API
│ ├── code_analysis_api.py # 代码分析API
│ ├── code_quality_api.py # 代码质量API
│ ├── dynamic_api.py # 动态检测API
│ ├── core/ # 核心管理模块
│ │ ├── agent_manager.py # - Agent生命周期管理
│ │ └── coordinator_manager.py # - Coordinator管理
│ ├── deepseek_config.py # DeepSeek配置
│ ├── reports/ # 检测报告目录
│ ├── structured_data/ # 结构化数据导出
│ ├── uploads/ # 文件上传目录
│ └── requirements.txt # API依赖
├── frontend/ # 前端界面（多页面）
│ ├── index.html # 登录页面
│ ├── main.html # 主界面
│ ├── analyse.html # 静态分析页面
│ ├── deep_analysis.html # 深度分析页面
│ ├── dynamic_detection.html # 动态检测页面
│ ├── explore.html # 探索页面
│ ├── login.html # 登录表单
│ └── projects.html # 项目管理页面
├── tools/ # 工具集成层
│ └── static_analysis/ # 静态分析工具
│ ├── custom_checker.py # - 自定义检查器
│ ├── pylint_runner.py # - Pylint运行器
│ └── flake8_runner.py # - Flake8运行器
├── config/ # 配置文件
│ ├── settings.py # 系统设置
│ └── agent_config.py # Agent配置
├── docs/ # 文档
│ ├── Pandas测试指南.md # Pandas测试详细指南
│ ├── 扩展Bug列表说明.md # 扩展Bug列表文档
│ ├── workflow_diagram.md # 工作流程图
│ ├── system_architecture.md # 系统架构说明
│ ├── implementation_plan.md # 实施计划
│ ├── API_DOCUMENTATION.md # API文档
│ └── DEEPSEEK_API_GUIDE.md # DeepSeek API指南
├── tests/ # 测试文件和测试数据
│ ├── test_python.py # Python测试
│ └── pandas-1.0.0/ # Pandas测试数据（需自行下载）
├── utils/ # 工具函数
│ └── project_runner.py # 项目运行器
├── extended_bugs.py # 扩展Bug列表（25个已知Bug）
├── compare_pandas_bugs.py # Bug对比分析脚本
├── main.py # 主程序入口（命令行版本）
├── start_api.py # API启动脚本
├── requirements.txt # 项目依赖
└── README.md # 项目说明
测试评估文件：
-
extended_bugs.py- 扩展Bug列表定义文件- 包含25个Pandas 1.0.0的已知Bug详细信息
- 运行
python extended_bugs.py可查看Bug统计 - 可选文件：如果不存在，对比脚本会使用内置的8个核心Bug
-
compare_pandas_bugs.py- Bug对比分析脚本- 读取系统检测报告（
api/reports/目录） - 与已知Bug列表对比分析
- 生成详细的评估报告和统计信息
- 自动适配：有
extended_bugs.py用25个Bug，否则用8个Bug
- 读取系统检测报告（
使用方法：
# 1. 查看Bug统计（可选）
python extended_bugs.py
# 2. 运行检测（Web界面上传Pandas代码）
python start_api.py
# 3. 对比分析（检测完成后）
python compare_pandas_bugs.py- 新增核心管理层：
api/core/目录包含agent_manager.py和coordinator_manager.py - API架构模块化：5个独立的 API 模块（bug_detection, code_quality, code_analysis, dynamic, coordinator）
- 统一启动入口：
main_api.py作为唯一启动点，管理所有组件生命周期 - Coordinator优先启动：先启动 Coordinator，再启动 Agent（确保协调中心就绪）
- 新增动态检测：
DynamicDetectionAgent和dynamic_api.py（运行时行为分析） - 三种分析模式：file（单文件）、project（项目）、dynamic（动态检测）
- 多页面前端：8个HTML页面（login, main, analyse, deep_analysis, dynamic_detection等）
- 原设计：用户请求 → API → Agent → 返回结果
- 实际实现：用户请求 → API路由 → Coordinator协调 → TaskManager分配 → Agent执行 → 返回结果
main_api.py (FastAPI主应用)
├── coordinator_api.py (任务状态、Agent管理)
├── bug_detection_api.py (缺陷检测)
├── code_quality_api.py (代码质量)
├── code_analysis_api.py (代码分析)
└── dynamic_api.py (动态检测)
python start_api.py
↓
main_api.py 启动
↓
1️⃣ CoordinatorManager → Coordinator (TaskManager + EventBus + DecisionEngine)
↓
2️⃣ AgentManager → 启动所有Agent并注册到Coordinator
↓
3️⃣ 挂载API路由（bug_detection, code_quality, code_analysis, dynamic, coordinator）
↓
✅ 系统就绪，监听 0.0.0.0:8001
前端界面 → API路由分发 → Coordinator协调 → Agent执行 → 生成报告 → 返回前端
启动后可访问：
- API文档: http://localhost:8001/docs （Swagger UI）
- ReDoc文档: http://localhost:8001/redoc
- 健康检查: http://localhost:8001/health
- 根路径: http://localhost:8001/
/api/v1/detection/upload- 上传文件进行缺陷检测/api/code-quality/analyze-upload- 代码质量分析/api/code-analysis/analyze-upload- 代码深度分析/api/dynamic/detect- 动态检测/api/v1/tasks/{task_id}- 查询任务状态/api/v1/coordinator/status- Coordinator状态
- Python 3.8+
- 现代浏览器 (Chrome, Firefox, Safari, Edge)
- 克隆项目
git clone <repository-url>
cd ai_agent_system- 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或
venv\Scripts\activate # Windows- 安装依赖
pip install -r requirements.txt
pip install -r api/requirements.txt- 配置AI分析
# 方法1: 环境变量
export DEEPSEEK_API_KEY="your_api_key_here"
# 方法2: 直接编辑配置文件
# 编辑 api/deepseek_config.py 文件- 启动系统
# 启动API服务（推荐方式）
python start_api.py
# 或直接使用 uvicorn
cd api
python -m uvicorn main_api:app --host 0.0.0.0 --port 8001 --reload
# 打开前端界面
# 浏览器访问: frontend/index.html 或 frontend/main.html- Python: 使用 Pylint + Flake8 + 自定义检测器 + AI分析
- Java: 使用 AI分析检测空指针、内存泄漏等问题
- C/C++: 使用 AI分析检测缓冲区溢出、内存泄漏等问题
- JavaScript/TypeScript: 使用 AI分析检测 XSS、内存泄漏等问题
- Go: 使用 AI分析检测并发安全、错误处理等问题
- 语法错误和编译问题
- 逻辑错误和算法问题
- 内存泄漏和资源管理问题
- 安全漏洞和输入验证问题
- 性能问题和优化建议
- 代码规范和最佳实践问题
- 压缩文件:
.zip,.tar,.tar.gz,.rar,.7z - 目录: 直接上传项目文件夹
- 自动语言检测: 根据文件扩展名和内容自动识别编程语言
- 并行分析: 支持多文件并行检测，提高分析效率
- 文件过滤: 自动过滤大文件和无关文件
- 结果合并: 将多个文件的检测结果合并为统一报告
- 最大项目大小: 100MB
- 最大文件数量: 1000个文件
- 单文件大小限制: 10MB
- 每种语言最多分析: 50个文件
- 编译无关: 不需要编译代码即可分析
- 跨语言: 支持多种编程语言
- 智能检测: 能够发现传统工具难以检测的问题
- 上下文理解: 理解代码的业务逻辑和设计意图
- 语法错误和编译问题
- 逻辑错误和算法问题
- 内存泄漏和资源管理问题
- 安全漏洞和输入验证问题
- 性能问题和优化建议
- 代码规范和最佳实践问题
- 选择"单文件分析"模式
- 上传代码文件（支持多种语言）
- 选择检测选项
- 查看检测结果和AI报告
- 选择"项目分析"模式
- 上传项目压缩包或文件夹
- 系统自动解压和扫描
- 查看多文件综合检测报告
- 文件级别: 每个文件的详细检测结果
- 项目级别: 整个项目的综合统计
- 语言分类: 按编程语言分类的检测结果
- 严重性分级: 错误、警告、信息三个级别
- 总体评估: 代码质量整体评价
- 主要问题分析: 重点问题详细说明
- 改进建议: 具体的修复建议
- 优先级排序: 按重要性排序的问题列表
- enable_static: 启用自定义静态检测（Python）
- enable_pylint: 启用Pylint检测（Python）
- enable_flake8: 启用Flake8检测（Python）
- enable_ai_analysis: 启用AI分析（所有语言）
- file: 单文件分析（静态代码检测）
- project: 项目分析（批量文件检测）
- dynamic: 动态检测（运行时行为分析）
# 上传 test.py 文件
# 系统使用 Pylint + Flake8 + 自定义检测器 + AI分析
# 返回详细的缺陷报告和AI自然语言分析# 上传 java_project.zip
# 系统解压后扫描所有 .java 文件
# 使用AI分析每个文件
# 生成项目级别的综合报告# 上传包含 Python + Java + C++ 的项目
# 系统自动识别不同语言的文件
# 分别使用相应的检测工具
# 生成多语言综合报告- 选择合适的分析类型: 单文件用于快速检测，项目用于全面分析
- 启用AI分析: 获得更智能的检测结果和修复建议
- 关注高优先级问题: 优先修复错误级别的问题
- 定期检测: 建议在代码提交前进行检测
- 结合人工审查: AI检测结果需要结合人工判断
推荐：Pandas 1.0.0测试 - 大型项目，Bug类型丰富
-
Pandas测试指南 📖 完整指南 ⭐ 推荐阅读
- 详细的测试流程说明
- 核心版（8个Bug）vs 扩展版（25个Bug）对比
- 文件位置和使用方法说明
- 预期结果分析和解读
-
扩展Bug列表说明 📊 详细文档
- 25个已知Bug的详细列表
- 按类型、严重性、检测方法分类
- 完整的统计信息
测试文件：
extended_bugs.py- 25个Bug定义（可选，推荐使用）compare_pandas_bugs.py- 对比分析脚本（必备）
快速开始：
# 查看Bug统计
python extended_bugs.py
# 运行检测后对比
python compare_pandas_bugs.py项目提供了 Flask 版本的评测脚本：project/CodeAgent/compare_flask_bugs.py。
- 内置 32 条 Flask 2.0.x 修复的 Issue，涵盖：
- 简单问题（8条）：静态可检类型（S）- 类型注解、API参数等
- 中等问题（18条）：AI辅助类型（A）- 蓝图路由、JSON行为等
- 困难问题（6条）：动态验证类型（D）- 异步上下文、运行时验证等
脚本将检测结果自动分类到以下子域：
typing_decorators：类型注解和装饰器问题blueprint_routing：蓝图路由相关问题helpers_send_file：文件发送API问题cli_loader：CLI加载器问题json_behavior：JSON行为问题static_pathlike：路径类型问题blueprint_naming：蓝图命名问题blueprint_registration：蓝图注册问题async_ctx_order：异步上下文和顺序问题
# 自动检测最新报告（推荐）
python compare_flask_bugs.py
# 指定报告文件
python compare_flask_bugs.py --agent-json path/to/report.json脚本生成三段式输出格式：
- 已知Issue vs 系统检测对比：按子域分类显示检测结果
- 总体检测率和预期检测率：显示检测率统计
- 系统能力评估与改进建议：评估静态分析、AI分析、动态分析能力
- 总体检测率：基于所有已知Issue的检测率
- 预期检测率：基于可检测Issue的检测率（排除需要运行时验证的问题）
- 能力评估：分别评估静态分析、AI分析、动态分析能力
默认自动搜索目录（按优先级）：
api/reportsproject/CodeAgent/api/reportsproject/CodeAgent/frontend/uploads
更多关于脚本映射实现、子域分类逻辑等技术细节，请参考：Flask脚本映射实现指南
- API接口文档 - 详细的API使用说明
- DeepSeek API指南 - AI分析功能配置指南
- Agent架构文档 - 系统架构和Agent设计
- Flask脚本映射实现指南 - Flask测试脚本技术实现详解
- Flask版本选择与Issue策略 - Flask测试项目选择策略
- 支持更多编程语言（Rust, Swift, Kotlin等）
- 集成更多专业检测工具
- 支持自定义检测规则
- 提供代码修复建议
- 支持CI/CD集成
本项目采用 MIT 许可证。
欢迎提交 Issue 和 Pull Request！
如有问题或建议，请通过以下方式联系：
- 提交 GitHub Issue
- 发送邮件至项目维护者
- ✅ 新增
api/core/核心管理层agent_manager.py: Agent生命周期管理coordinator_manager.py: Coordinator管理
- ✅ API架构模块化重构
- 5个独立API模块，使用 APIRouter
main_api.py作为统一启动入口
- ✅ 完善协调中心（Coordinator）
- TaskManager: 任务管理器
- EventBus: 事件总线
- DecisionEngine: 决策引擎
- Message Types: 消息类型定义
- ✅ 新增动态检测功能
DynamicDetectionAgent: 运行时行为分析dynamic_api.py: 动态检测APIdynamic_detection.html: 动态检测界面
- ✅ 三种分析模式
- file: 单文件分析
- project: 项目批量分析
- dynamic: 动态检测
- ✅ 多页面前端设计
- 8个专业界面页面
- 更好的用户体验
- ✅ Coordinator优先启动
- 确保协调中心先就绪
- 再启动和注册Agent
- ✅ API路由分发机制
- 统一入口，模块化路由
- 清晰的职责划分
- ✅ 任务状态跟踪
- 实时任务状态查询
- Agent状态监控
- ✅ 更新项目结构说明
- ✅ 更新工作流程图
- ✅ 更新系统架构图
- ✅ 新增实际实现差异说明
- ✅ 完善API文档
最后更新: 2024年10月
本项目已提供容器化方案，适用于在 Windows 上因虚拟环境/依赖安装卡住的场景。容器内将隔离运行依赖安装、静态/动态检测以及针对上传的测试包创建独立 venv。
# 1) 构建镜像（初次或依赖变更后）
docker compose build
# 2) 启动服务（默认映射到宿主 8000）
docker compose up -d
# 3) 查看日志
docker compose logs -f
# 4) 关闭服务
docker compose down启动成功后访问：
- API 文档: http://localhost:8000/docs
- 前端页面: 打开
frontend/index.html（或按你现有前端入口）
- 上传的压缩包将保存到容器内
/app/api/uploads（宿主机同步映射到api/uploads/）。 - 系统会读取压缩包内的
requirements.txt，在容器内为该次任务创建隔离的虚拟环境（默认目录：/tmp/venvs/<task-id>），再安装依赖（如 Flask==2.0.0、兼容的 Werkzeug 等），随后执行静态+动态检测。
如需修改任务虚拟环境位置，可设置环境变量：
docker compose down
# 修改或追加环境变量
# 例如 docker-compose.yml 中 environment: CODEAGENT_JOB_VENVS_DIR=/tmp/venvs
# 然后重新启动
docker compose up -d- 依赖安装仍然缓慢：首次构建镜像时尽量保持网络可用；
.dockerignore已忽略大体积目录，加速构建；镜像内已安装基础编译依赖，避免 C 扩展安装失败。 - 端口冲突：修改
docker-compose.yml中ports: - "8000:8000"的左侧宿主端口，例如改为18000:8000。 - Windows 路径/权限问题：通过卷挂载（volumes）将项目同步到容器内
/app，避免在宿主创建虚拟环境失败。
./api/uploads -> /app/api/uploads: 前端上传目录./api/reports -> /app/api/reports: 报告输出目录./api/comprehensive_detection_results -> /app/api/comprehensive_detection_results./api/dynamic_detection_results -> /app/api/dynamic_detection_results
提示：如需对 Flask 2.0.0 的 32 个问题进行回归测试，请参考文档
docs/Flask版本选择与Issue策略.md，并在上传的压缩包中包含对应的requirements.txt（指定 Flask==2.0.0 及其兼容依赖）。