KWCode · 天工开物

中国开发者的本地 Coding Agent

数据不出网 · Windows 打开就能用 · 越用越懂你的项目

---

更新日志

日期	版本	更新内容
04-30	v1.0.6	搜索优化：LLM自动决定site:限定(arxiv/github/stackoverflow等)；query安全过滤(防prompt injection)；零新API零新依赖
04-30	v1.0.5	P1+P2实现：Gate新增needs_search/subtask_hint字段；hard任务自动拆分(Planner.auto_decompose)；预搜索前移；PCED-Lite多源聚合(arXiv:2601.08670)
04-30	v1.0.4	代码审查修复8项：DebugSubagent实例化接入；PromptOptimizer接入投产流程；Checkpoint并行竞态修复；conversation_history存真实LLM输出
04-30	v1.0.3	三层上下文架构：Active(摘要≤2K)+Structured State(Python对象精确传递)+Archive(文件BM25检索)；代码块压缩保护(CTX-RED-1)；paramiko持久SSH会话
04-29	v1.0.2	MoE框架补全：Token预算管控(超限自动终止)；Guardrails护栏(危险命令拦截+敏感文件备份)；执行可观测性(结构化trace)；会话连续性(SESSION.md)
04-29	v1.0.1	Gate/Loop优化：动态重试预算(easy=2/hard=4)；TaskPlanner自动任务分解(1次LLM调用出DAG)；Context污染修复(重试清空debug_info)
04-29	v1.0.0	架构定稿：5元专家体系(Locator→Generator→Verifier→Debugger→Reviewer)；15个SKILL.md领域知识渐进式加载；移除Python专家系统
04-29	v0.9.0	DAG TaskCompiler + /multi命令；Debug Subagent(sys.settrace运行时调试)；Prompt Optimizer(飞轮优化YAML)
04-29	v0.7.0	MVP完成：Gate→专家流水线→Verifier；BM25+AST调用图定位；三阶段重试+Reflection；搜索增强；模型自适应

详细变更见 CHANGELOG.md

---

为什么做这个

现有 coding agent 框架（Claude Code、Cursor、OpenCode）都是给强 LLM 设计的——靠模型的强推理能力调用工具、自主决策、完成任务。本地开源模型（8B-30B）做不到这些，会出错，会有幻觉。

KWCode 的思路不同：LLM 只做分类和生成，确定性流水线做决策和验证。 专家系统承载领域知识，飞轮从使用中自动积累经验。小模型只需要在极小的 context 里做一件明确的事。

本地模型跑 Coding Agent 的五个核心痛点

痛点一：上下文爆炸

小模型窗口只有 8K-32K。对话几轮后 context 塞满，模型开始胡说。

KWCode 解法：纯算法上下文压缩（头尾保留 + 中间关键词提取，<10ms），自动在 context 快满时压缩历史对话。

痛点二：错误重复

小模型修 bug 失败后，用同样的方式再试一遍，三次机会全浪费在同一个错误上。

KWCode 解法：三阶段重试 + Reflection + Debug Subagent——第一次正常描述，第二次从错误信息出发（注入运行时调试数据），第三次最小化修改。每次重试前先做 Reflection（LLM 分析上次为什么失败）+ Debug Subagent（sys.settrace 捕获真实变量值），绝不重复同样的错。

痛点三：不能调用工具

大部分本地 agent 框架只能生成代码文本，不能真正执行命令、读写文件、跑测试。

KWCode 解法：内置 5 个确定性工具（read_file / write_file / run_bash / list_dir / git），Generator 生成 patch 后 Verifier 自动执行语法检查 + pytest，失败立即重试。

痛点四：数据安全

Claude Code、Cursor 把代码发到海外服务器。公司代码、内网项目走不通。

KWCode 解法：全部本地运行，代码不出你的电脑。模型跑在本地，搜索跑在本地 SearXNG，统计数据存本地 SQLite。零网络依赖（搜索增强可选）。

痛点五：代码定位靠猜

现有工具把文件列表丢给 LLM 让它猜哪个文件相关。小模型猜错文件，后面全错。

KWCode 解法：BM25 + AST 调用图两阶段定位，毫秒级，不调 LLM。沿调用链追踪隐藏依赖，不靠猜。

---

核心技术原理

原理一：确定性专家流水线 + 5 元专家体系

理论来源：

• Agentless（ICSE 2025）——确定性流水线优于复杂 agent
• GitHub Copilot Atomic Skills（2025）——5 原子能力组合出所有复杂任务
• MoE Routing Geometry（arXiv:2604.09780）——专家按能力分，不按领域分

KWCode 的 5 个元专家（原子能力层，固定不变）：

用户输入
  └─► Gate          任务分类，毫秒级路由 + 领域知识匹配
        └─► Locator     精准定位文件和函数（BM25+调用图，不调LLM）
              └─► Generator  只生成修改部分 + 领域知识注入（SKILL.md Level 2）
                    └─► Verifier   语法检查 + pytest 自动验证
                          └─► Debugger   失败时捕获运行时变量值（sys.settrace）
                                └─► Reviewer   需求对齐审查（LLM对比意图vs变更）

15 个领域知识（SKILL.md 注入层，可扩展，不改变流水线）： BugFix · FastAPI · TestGen · API · DeepSeekAPI · Docstring · MyBatis · Office(3) · Refactor · SpringBoot · SQLOpt · TypeHint · UniApp

原理二：BM25 + AST 调用图定位

理论来源：

• CodeCompass（arXiv:2602.20048，2026）：图遍历 G3 任务准确率 99.4% vs BM25 76.2%
• KGCompass（arXiv:2503.21710，2025）：SWE-bench Lite 成功率 58.3%

两阶段检索：

用户描述 "修复登录失败的 bug"
  ├─► 阶段1：BM25 关键词召回（毫秒级，不调 LLM）
  └─► 阶段2：AST 调用图展开（毫秒级，不调 LLM）
        沿调用链追踪隐藏依赖

技术实现：tree-sitter 多语言 AST + rank-bm25 + SQLite 调用图持久化。

原理三：Debug Subagent（运行时调试）

理论来源：Debug2Fix（Microsoft，ICML 2026）——弱模型 + 交互式调试器 > 强模型裸跑。GPT-5 + Debug2Fix 匹配 Claude Sonnet 基线性能。

Verifier 失败
  └─► LLM 决定断点位置和要检查的变量
        └─► sys.settrace 非侵入式捕获运行时变量值
              └─► 真实调试数据注入下一轮 Generator retry

不用交互式 PDB，不修改源文件。用 sys.settrace 在目标行捕获变量值，失败时 fallback 到 pytest --tb=long 获取完整堆栈。

原理四：DAG 多任务编排

理论来源：LLMCompiler（ICML 2024）——任务分解 + 并行调度显著提升复杂任务完成率。

KWCode 实现了轻量 DAG 调度器（零新依赖，ThreadPoolExecutor + Kahn 拓扑排序）：

/multi task1 ; task2 ; task3          ← 全部并行
/multi task1 -> task2 -> task3        ← 串行链
/multi                                ← 交互式混合
  + 给函数add加注释                     (并行)
  + 给函数sub加注释                     (并行)
  + >给修改后的代码写测试                (串行，依赖上面两个)

原理五：专家飞轮 + Prompt 自动优化

理论来源：

• EE-MCP（NeurIPS 2025）——从任务轨迹自动提取经验
• SICA（arXiv:2504.15228）——自我改进编码代理
• Reflexion——失败模式持久化

使用过程中，飞轮在后台静默积累：
  同类任务成功 ≥5 次 → 触发专家草稿生成
  回测门：新专家成功率 ≥ 原流水线
  AB 测试门：10 次真实对比，提升 >10%
  三道门全过 → 专家正式投产

Prompt Optimizer（可选，需 Anthropic API key）：
  分析成功轨迹 → 生成经验规则 → 追加到专家 YAML system_prompt
  下次同类任务 Generator 拿到更准确的领域知识

原理六：Reflexion 持久化

失败不白费。每次任务完成后（成功/失败），结构化记录到 REFLECTION.md：

## bugfix 失败模式
- [2026-04-29] JWT验证失败 → 根因：token过期时间单位错误

## codegen 注意事项
- [2026-04-29] FastAPI路由 → 注意：必须include_router

/plan 时自动读取历史 Reflection 作为风险提示，避免重蹈覆辙。

原理七：模型能力自适应

模型规模	自动策略
<10B（qwen3:8b）	强制计划确认 · 任务范围≤2文件 · 第1次失败触发搜索
10-30B（qwen3:14b）	可选计划 · 任务范围≤4文件 · 第2次失败触发搜索
>30B（qwen3:72b）	宽松策略 · 任务范围≤8文件 · 自动处理复杂任务

---

功能特性

代码能力

• BM25 + 调用图两阶段定位，G3 隐藏依赖准确率 99.4%（论文验证）
• Generator 只改必要部分，从文件读 original，LLM 只生成 modified
• 三阶段重试 + Reflection + Debug Subagent，不重复同样的错
• Cross-Encoder 搜索结果重排（可选，pip install kwcode[rerank]）

多任务执行

• /multi 命令：串行（依赖链）+ 并行（独立任务）混合执行
• DAG 拓扑排序 + ThreadPoolExecutor 并行调度
• 依赖上下文自动注入：前置任务结果传递给后续任务

流程控制

• /plan 计划模式：显示执行步骤+风险等级（High/Medium/Low），确认后才动文件
• Checkpoint 快照：任务开始前自动备份，失败一键还原
• KWCODE.md 项目规则：写项目约定，按任务类型分段注入

知识积累

• 三层记忆：PROJECT.md / EXPERT.md / PATTERN.md
• Reflexion 持久化：REFLECTION.md 结构化记录失败模式和注意事项
• 非代码文件读取：PDF / Word / MD，BM25 匹配相关段落注入

搜索增强

• 默认 DuckDuckGo（零配置）
• 可选 SearXNG 自部署：kwcode setup-search 一键安装
• 四级内容提取 + BM25 重排 + Cross-Encoder 精排
• 意图感知：代码/论文/包/debug 自动优化搜索词

Office 文档

• Excel / PPT / Word 生成

价值可见

• kwcode stats：完成任务数、节省时间估算
• 飞轮通知：专家投产时弹出
• 里程碑提醒：完成 50/100/200 个任务时自动汇报

中国本地化

场景	CC / Hermes	KWCode
Windows 运行	仅 WSL2 / 云端	cmd/PowerShell 原生
搜索增强	DDG/Brave（被墙）	SearXNG 自部署 / DDG fallback
推荐模型	GPT / Claude	DeepSeek · Qwen3 · GLM
中文交互	英文为主	全中文

---

与竞品对比

功能	Claude Code	Hermes	KWCode
数据安全	❌ 代码上传云端	✅ 本地	✅ 本地
Windows 原生	✅	❌ 仅 WSL2	✅
小模型专家流水线	❌	❌	✅ 独有
运行时调试（Debug Subagent）	❌	❌	✅ 独有
多任务串并行	❌	❌	✅ 独有
AST 调用图定位	❌	❌	✅ 独有
专家飞轮 + Prompt 自动优化	❌	❌	✅ 独有
/plan 风险评估	✅	❌	✅
Checkpoint 回滚	✅	❌	✅
价值量化仪表盘	❌	❌	✅ 独有
开源	❌	✅ MIT	✅ MIT

---

快速开始

系统要求

• Python 3.10+
• 任意 OpenAI 兼容 API（本地模型 / DeepSeek / 硅基流动 / Qwen 云端 等）
• Docker（可选，用于 SearXNG 搜索增强）

使用方式	说明
本地模型	安装本地推理引擎，拉取 qwen3:8b 等模型
云端 API	/api default https://api.deepseek.com your-key，无需本地显卡

本地模型显存参考：

显存	推荐模型
4GB	gemma3:4b
8GB	qwen3:8b
16GB	qwen3:14b
24GB+	qwen3:30b-a3b

安装

# 安装 KWCode
pip install kwcode

# 国内加速：
pip install kwcode -i https://pypi.tuna.tsinghua.edu.cn/simple

# 可选：Cross-Encoder 搜索重排
pip install kwcode[rerank]

# 启动
kwcode

首次启动会引导你配置模型连接，按提示操作即可。

用云端 API 不需要本地显卡：

/api default https://api.deepseek.com your-api-key

可选：安装搜索增强

kwcode setup-search

需要 Docker Desktop 已安装并运行。会自动拉取 SearXNG 镜像并启动容器。不装也能用，默认走 DuckDuckGo 搜索。

---

使用指南

交互模式（推荐）

kwcode

进入 REPL，直接输入任务描述：

 > 修复登录验证失败的问题
 > 写一个 FastAPI 登录接口，包含 JWT 认证
 > 把 calculate_price 拆成更小的函数

多任务模式

 > /multi 给函数add加注释 ; 给函数sub加注释 ; 给函数mul加注释

三个任务并行执行。用 -> 表示串行依赖：

 > /multi 重构extract_data函数 -> 给新函数写测试

交互式输入（> 前缀表示依赖前面的任务）：

 > /multi
  + 给函数add加注释
  + 给函数sub加注释
  + >给修改后的代码写测试

单次执行

kwcode "修复登录验证失败的问题"
kwcode --plan "重构数据库连接层"

REPL 命令

/plan <任务>          计划模式，显示步骤和风险后再执行
/multi               多任务模式（串行+并行）
/model qwen3:14b     切换模型
/api                 API 配置
/experts             查看已注册专家
/memory              查看项目记忆
/init                初始化项目规则文件
/cd <路径>           切换项目目录
/help                显示帮助

接入任意 API

KWCode 支持任何 OpenAI 兼容的 API，包括 DeepSeek、Qwen 云端、硅基流动、零一万物、Groq 等。

/api temp https://api.deepseek.com your-api-key      # 临时切换
/api default https://api.deepseek.com your-api-key   # 永久保存
/api show                                            # 查看当前配置

项目规则文件

在项目根目录创建 KWCODE.md，写入你的项目约定：

## [all] 通用规则
- 测试框架：pytest
- 运行测试：pytest tests/ -v

## [bugfix] Bug修复规则
- 修复前先理解错误原因
- 不要改测试代码

## [codegen] 代码生成规则
- 变量命名用 snake_case
- 必须写 docstring

KWCode 启动时自动加载，按任务类型注入对应规则。

---

开发者安装

git clone https://github.com/val1813/kwcode.git
cd kwcode
pip install -e ".[dev]"
python -m pytest kaiwu/tests/ -v --ignore=kaiwu/tests/bench_tasks
# 311 tests should pass

项目结构

kaiwu/
├── cli/main.py              # CLI 入口，REPL，/multi 命令
├── core/
│   ├── gate.py              # LLM 任务分类
│   ├── orchestrator.py      # 确定性流水线编排
│   ├── task_compiler.py     # DAG 多任务调度器
│   ├── planner.py           # /plan 计划模式 + 风险评估
│   ├── checkpoint.py        # 文件快照
│   └── model_capability.py  # 模型能力自适应
├── experts/
│   ├── locator.py           # [元专家] BM25 + 调用图定位
│   ├── generator.py         # [元专家] 代码生成（只改必要部分）
│   ├── verifier.py          # [元专家] 语法检查 + pytest
│   ├── debug_subagent.py    # [元专家] 运行时调试（sys.settrace）
│   ├── reviewer.py          # [元专家] 需求对齐审查
│   └── search_augmentor.py  # 搜索增强 + BM25 + CE 重排
├── search/
│   ├── reranker.py          # Cross-Encoder 可选重排
│   ├── duckduckgo.py        # SearXNG + DDG 并行搜索
│   └── intent_classifier.py # 意图感知分类
├── flywheel/
│   ├── trajectory_collector.py  # 轨迹记录
│   ├── pattern_detector.py      # 模式检测（Gate 1）
│   ├── ab_tester.py             # 三道门验证
│   └── prompt_optimizer.py      # SKILL.md 领域知识自动优化
├── memory/
│   └── pattern_md.py        # PATTERN.md + REFLECTION.md
├── builtin_experts/         # 15 个 SKILL.md 领域知识目录
├── registry/                # 专家注册表（加载 SKILL.md）
├── ast_engine/              # tree-sitter AST + 调用图
└── stats/                   # 价值量化（SQLite）

---

参考文献

论文/项目	来源	KWCode 中的应用
Agentless	Xia et al., ICSE 2025	确定性流水线优于复杂 agent，KWCode 整体架构基于此思路
CodeCompass	arXiv:2602.20048, 2026	图遍历 G3 任务 99.4%，KWCode 的 AST 调用图定位直接借鉴
KGCompass	Yang et al., arXiv:2503.21710, 2025	多跳图遍历定位，验证了调用图展开的有效性
Debug2Fix	Garg & Huang (Microsoft), ICML 2026	弱模型+调试器 > 强模型裸跑，KWCode 的 Debug Subagent 直接实现此论文思路
LLMCompiler	Kim et al., ICML 2024	DAG 任务分解+并行调度，KWCode 的 TaskCompiler 借鉴其调度思想（自研轻量实现）
EE-MCP	NeurIPS 2025	任务轨迹经验提取，KWCode 飞轮的轨迹→模式→专家生成流程借鉴此机制
SICA	arXiv:2504.15228, 2025	自我改进编码代理，KWCode 的 Prompt Optimizer 借鉴其自我优化循环
Self-Play	arXiv:2502.14948, 2025	自博弈提升代码能力，飞轮 AB 测试门的设计参考
Reflexion	Shinn et al., NeurIPS 2023	失败模式持久化+重试时注入，KWCode 的 REFLECTION.md 直接实现
AgentCoder	Huang et al., EMNLP 2023	多专家分工验证，KWCode 的 Gate→专家流水线参考此分工模式
Agent Psychometrics	arXiv:2604.00594, 2026	任务特征预测 agent 成功率，KWCode 的模型能力自适应参考此研究
TRUSTEE	2026	8B 模型可靠 tool calling 验证，KWCode 的 Gate 设计参考

借鉴的开源项目

项目	借鉴点
Claude Code (Anthropic)	CLAUDE.md 项目规则文件 → KWCode 的 KWCODE.md；Checkpoint 文件快照机制；/plan 计划模式
Hermes (Anthropic)	REPL 交互模式、MEMORY.md 记忆系统的交互设计
OpenHands V1 (All Hands AI)	Agent delegation 任务分解思路、Context Condensation 上下文压缩、LLM-based 集成测试回检
OpenCode	本地模型 coding agent 的产品形态参考；早期版本曾作为执行层底座探索
SearXNG	零 API key 的本地搜索引擎，KWCode 集成为搜索后端
rank-bm25	BM25Plus 算法实现，用于代码定位和搜索结果重排
tree-sitter	多语言 AST 解析，用于调用图构建
sentence-transformers	Cross-Encoder 模型，用于搜索结果精排（可选依赖）

设计决策的来源

以下关键设计决策来自项目早期的架构讨论和实验：

• 不用 ReAct 循环，用确定性流水线：小模型在 ReAct 循环里容易失控，确定性流水线每步输入输出格式固定，LLM 只在 Generator 出现一次
• 专家是 SKILL.md 知识载体，不是 Python 类：早期实验过 Python 专家（ExpertBase 继承体系），发现把领域知识和执行逻辑混在一起方向错误，回退到 SKILL.md 渐进式加载
• 不用 LoRA 训练专家：早期实验证明 LoRA 效果差、换模型要重训，改为 SKILL.md 内容自动进化
• 任务拆分不枚举模板：参考 OpenHands V1 的 agent delegation，复杂任务让 LLM 一次性输出 DAG JSON，失败退化为单任务
• 专家约束越严格越好：不是教 8B 模型做什么，是限制它只能在什么范围内做。约束越严格，犯错空间越小

---

参与贡献

KWCode 是中国开发者做的，欢迎 fork 后自由修改优化。

推荐方式

1. Fork 本仓库，在你自己的分支上修改
2. 跑通测试：python -m pytest kaiwu/tests/ --ignore=kaiwu/tests/bench_tasks
3. 提交 PR 或直接在你的 fork 上用

可以做的事

新增领域知识（最简单，创建一个 SKILL.md 目录）：

# 在 kaiwu/builtin_experts/ 下创建新目录
mkdir kaiwu/builtin_experts/vue3
# 编辑 SKILL.md（参考现有专家格式）

急需的领域知识：Vue3 · Django · Go Gin · Rust Actix · K8s · Docker · Redis · MySQL · React · Next.js

其他方向：

• 多语言 AST 支持（JavaScript/TypeScript/Java/Go）
• bench_tasks 补齐（bugfix 类、跨文件类）
• 新的确定性脚本（scripts/ 目录下，不进 LLM context）
• 飞轮优化规则的质量验证

不建议改的

• 5 个元专家的接口和流水线顺序（架构已定稿）
• Gate 的 JSON 输出格式
• SKILL.md 的 frontmatter 字段定义

---

License

MIT