CodeFix：基于GLM 5.1的终端AI编程助手

一个能够直接操作代码文件、运行命令、自主调试错误的智能编程代理

在AI辅助编程工具层出不穷的今天，大多数产品仍然停留在"对话建议"的层面——它们可以回答问题、提供代码片段，但最终的实现仍然需要开发者手动完成复制粘贴和调试。CodeFix 项目打破了这一局限，它是一个真正能够直接操作代码库、运行命令、并自主修复错误的AI编程代理。

由 YangLiu68 开发的 CodeFix，基于智谱AI的 GLM 5.1 大语言模型构建，专为终端环境设计。它不是聊天机器人，而是一个"住在终端里的自主开发者"——能够读取代码、规划修改、写入文件、运行测试，并在遇到错误时迭代修复，直到问题解决。

CodeFix 的核心价值在于将AI的能力从"说"扩展到"做"。它的能力谱系包括：

代码阅读与理解：通过 read_file 和 search_code 工具，CodeFix 可以深入理解现有代码库的结构和逻辑。不同于简单的文件读取，它会建立对整个项目的认知地图。

智能代码编辑：使用 write_patch 工具，CodeFix 能够生成精确的搜索/替换补丁，在保持代码风格和上下文一致的前提下进行修改。编辑引擎包含专门的补丁解析器和应用器，确保修改的准确性。

命令执行与测试：通过 run_command 工具，CodeFix 可以运行shell命令、执行测试脚本、启动应用程序。这使得它能够验证修改的效果，形成完整的开发闭环。

递归调试：这是CodeFix最具特色的能力。当测试失败或程序崩溃时，它会分析错误信息，定位问题根源，生成修复方案，重新测试——这个循环会持续直到问题解决或达到最大迭代次数。

CodeFix 的核心是一个名为 ProAct 的代理架构，专门为 GLM 5.1 的能力特点进行了优化：

分层规划（Hierarchical Planning）：将高层需求（如"添加认证层"）分解为具体的文件编辑和终端测试步骤。GLM 5.1 的长程推理能力在这里发挥关键作用。

精准代码编辑（Surgical Code Edits）：利用GLM的高上下文精度，生成尊重缩进和局部变量作用域的搜索/替换补丁。

递归调试（Recursive Debugging）：模型分析终端堆栈跟踪，递归应用修复，观察每次变更后的差异。

系统的工作流程遵循经典的代理循环：用户输入 → CLI接口 → 代理控制器 → 规划器分解任务 → 推理与工具选择 → 工具执行 → 结果反馈 → 下一轮推理或最终报告。

项目的README展示了一个令人印象深刻的演示场景：修复一个崩溃的GUI游戏，全程零人工代码干预。

观察：用户运行游戏，程序崩溃。

命令：/fix "Fix the crash in snake_game.py" --test "python3 snake_game.py"

推理过程（GLM 5.1）：

1. 代理读取 snake_game.py
2. 检测到这是一个GUI应用，注入 crash_logger 包装器
3. 运行带超时的游戏，读取生成的 crash.log
4. 识别出错误：NameError: name 'pygame' is not defined
5. 应用补丁：添加 import pygame
6. 重新运行测试，通过，执行结束

这个案例展示了CodeFix的核心价值：它不仅仅是提供建议，而是实际解决问题。

CodeFix 的工具系统经过精心设计，覆盖了软件开发的核心需求：

read_file：读取文件内容，支持大文件的分块读取，确保不会超出上下文限制。

search_code：在代码库中搜索特定模式，帮助快速定位相关代码。

write_patch：生成和应用代码补丁。这是编辑引擎的核心，采用SEARCH/REPLACE格式，确保修改的精确性。

run_command：执行shell命令，包括运行测试、启动应用、安装依赖等。

这些工具的组合使得CodeFix能够处理从简单的bug修复到复杂的功能开发的广泛任务。

CodeFix 为不同类型的开发者提供了价值：

功能原型开发者：需要快速迭代功能，不想在繁琐的实现细节上浪费时间。CodeFix可以将高层描述转化为可运行的代码。

维护工程师：面对遗留代码的单元测试失败或重构需求，CodeFix可以自动分析并应用修复。

UI/游戏开发者：图形应用的调试通常需要手动复现和检查，CodeFix的"自主修复模式"可以自动捕获和解决运行时错误。

CodeFix 的安装过程相对简单：

# 克隆仓库
git clone <repo-url>
cd proact-agent

# 安装依赖
pip install -r requirements.txt

# 配置环境
cp .env.example .env
# 编辑 .env 设置 OPENAI_API_KEY 和 MODEL_NAME=glm-5

系统要求：

• Python 3.10+
• OpenAI 或 OpenRouter API 密钥（支持 GLM 5.1）