back
loading skill details...
代码质量自动评估与优化系统 — 基于ML的代码评分、策略选择、自动优化
--- name: code-optimizer description: 代码质量自动评估与优化系统 — 基于ML的代码评分、策略选择、自动优化 author: openclaw slug: code-optimizer version: 1.0.0 tags: [code-quality, evaluation, ml, optimization, code-review] homepage: https://clawhub.ai/skills/code-optimizer --- # 🔧 Code Optimizer — 代码质量自动评估与优化 ## 概述 基于机器学习的代码质量自动评估和优化系统。从 15 个标准测试案例、35 个特征维度出发,通过平衡随机森林模型自动评估代码质量并选择最优生成策略。 ### 核心能力 | 功能 | 描述 | |------|------| | 📊 **代码质量评估** | 35维度特征分析,ML评分模型,综合质量报告 | | 🎯 **智能策略选择** | 平衡随机森林 + 规则引擎混合架构,自动选择最优代码生成策略 | | 🔄 **自动反馈闭环** | 评估结果自动记录,持续优化ML模型 | | 📋 **标准化测试** | 15个标准测试案例覆盖算法、调试、重构、数据结构 | ### 性能指标 | 指标 | 结果 | |------|------| | 评分差异 | 0.36 分 (↓96% 相比基线) | | 不平衡比 | 6:1 (从 36:1 改善) | | 宏 F1 | 0.410 (↑40%) | | 处理速度 | 0.006 秒/案例 | | ML 使用率 | 100% (阈值优化后) | ## 安装 ### 前提条件 - Python 3.9+ - scikit-learn 1.0+ - numpy, pandas ### 通过 ClawHub 安装 ```bash clawhub install code-optimizer ``` ### 手动安装 ```bash # 克隆或复制到 skills 目录 cd ~/.openclaw/workspace pip install scikit-learn numpy pandas # 安装技能 clawhub install code-optimizer ``` ## 使用方法 ### 评估代码质量 ```bash # 评估单个文件 code-eval evaluate --code-file my_code.py --task "实现功能" # 评估代码字符串 code-eval evaluate --code "def hello(): pass" --task "Hello World" # 批量评估 code-eval batch --dir ./code_samples ``` ### 运行标准测试 ```bash # 运行所有 15 个标准测试 code-eval test-suite # 运行指定测试 code-eval test --case CASE_001 ``` ### 选择生成策略 ```bash # 自动选择最优策略 code-eval select-strategy --code-file my_code.py # 输出: balanced | emphasize_correctness | extreme_correctness ``` ### 生成报告 ```bash # 生成 HTML 报告 code-eval report --format html --output report.html ``` ## 配置 ### 主配置 ```yaml # config.yaml evaluator: model_path: models/balanced_forest.pkl threshold: 0.5 feature_count: 35 strategies: - balanced - emphasize_correctness - extreme_correctness integration: auto_evaluate: true log_results: true feedback_loop: true ``` ## 与 Hermes 集成 当与 Hermes 记忆系统配合使用时: 1. 自动评估每个代码生成任务 2. 评估结果存入记忆系统 3. ML 数据集持续扩充 4. 策略选择融入任务规划 ## 版本历史 | 版本 | 日期 | 说明 | |------|------|------| | 1.0.0 | 2026-04-23 | 初始版本:代码评估 + 策略选择 + ML模型 | ## 许可 MIT License
don't have the plugin yet? install it then click "run inline in claude" again.