现在，我估计，99.99% 的程序员都在使用 GPT 写代码，但是，我相信很多人碰到了和我一样的问题，就是 GPT 生成的代码，他不一定是可用的，有时候，他可能会漏掉一些分支逻辑，这就导致了我们在使用 GPT 生成代码的时候，需要自己手动检查代码的质量，这个过程是非常耗时的。

为了解决这个问题，我思考了一种方式，那就是让 GPT 自己验证自己生成的代码，如果发现有错误，自己修复这些错误，这样就可以大大提高我们使用 GPT 生成代码的效率。

这不就是妥妥的，打败魔法的终极方法就是靠魔法吗？整个实现的源码在此：

https://github.com/brhoollynodeStudy/AutoCodeGenTestFix/blob/main/main.py ，

下面我们称之为 AutoCodeGenTestFix。

项目介绍

AutoCodeGenTestFix 是一个基于大模型的自动代码生成、测试和修复工具。该项目旨在通过自动化流程，帮助开发者快速生成代码、编写测试用例、执行测试并修复代码，从而提高开发效率和代码质量。项目基于 langchain 这个库构建，简化了很多工程化的操作。

解决的问题

这个项目解决的问题，上面已经提到过了，就是让 GPT 自己验证自己生成的代码，如果发现有错误，自己修复这些错误，目的就是保证代码的质量。

项目架构

项目基于以下几个主要组件：

• • CodeGenerationAgent：生成初始代码。

• • TestGenerationAgent：生成相应的单元测试用例。

• • TestExecutionAgent：执行测试用例并获取测试结果。

• • TestResultAgent：分析测试结果。

• • CodeFixAgent：根据测试结果修复代码。

以下是项目的架构图：

+----------------------+      +----------------------+      +----------------------+      +----------------------+      +----------------------+
|                      |      |                      |      |                      |      |                      |      |                      |
| CodeGenerationAgent  | ---> | TestGenerationAgent  | ---> | TestExecutionAgent   | ---> |  TestResultAgent     | ---> |    CodeFixAgent      |
|                      |      |                      |      |                      |      |                      |
+----------------------+      +----------------------+      +----------------------+      +----------------------+      +----------------------+

他的工作流程如下：其中最核心的是 TestResultAgent，它会根据测试结果，判断代码的质量，如果发现有错误，会调用 CodeFixAgent 来修复代码，这样保证了代码的质量。

核心部分

# 定义 CodeGenerationAgent，用于生成初始代码
code_generation_template = PromptTemplate(
    input_variables=["requirement"],
    template="根据以下需求生成 Python 代码，只返回代码部分，不包含任何说明或解释：\n\n需求：{requirement}\n\n代码："
)
code_generation_chain = code_generation_template | llm

# 定义 TestGenerationAgent，用于生成测试用例
test_generation_template = PromptTemplate(
    input_variables=["code"],
    template="根据以下代码生成 Python 的单元测试用例，只返回测试代码，不包含任何说明或解释：\n\n{code}\n\n测试代码："
)
test_generation_chain = test_generation_template | llm

这就是左右互搏的核心部分，通过这个核心部分，我们可以实现代码的生成、测试、修复。

使用方式

1. 安装必要的库

首先，确保安装好必要的库：

pip install langchain langchain_openai  pytest

2. 设置 OpenAI API 密钥

将你的 OpenAI API 密钥设置为环境变量，或在代码中直接设置：

import openai
openai.api_key = 'your-openai-api-key'  # 替换为你的 OpenAI API 密钥

4. 示例

以下是一个简单的示例，展示如何使用 AutoCodeGenTestFix 解决 LeetCode 上的最长公共子串问题：

python main.py "实现一个函数，输入两个字符串 s1 和 s2，返回它们的最长公共子串的长度。"

展望

这个项目目前还在开发中，我会继续完善它，增加更多功能，比如目前可能写一个具体的功能函数是可以胜任的，但是如果是一个前端组件呢？那么自动化测试就是一个非常大的挑战，我会继续努力，让这个项目更加完善。

以下是一些可能的改进方向：

• • 更多大模型支持：支持更多的大模型，提供更多的选择。

• • 前端组件生成：支持生成前端组件代码，并自动生成测试用例。