auto-dev

GitHub
4.4k 483 简单 1 次阅读 昨天MPL-2.0视频
AI 解读 由 AI 自动生成,仅供参考

AutoDev 是一款基于 Kotlin Multiplatform 构建的 AI 原生多智能体开发平台,旨在覆盖软件开发生命周期(SDLC)的全部七个阶段:从需求分析、编码、评审、测试、数据处理到部署与运维。它解决了传统开发工具功能分散、难以跨平台协作以及 AI 辅助仅局限于编码环节的痛点,通过统一架构实现了“一次编写,全端运行”。

AutoDev 特别适合追求高效全流程管理的软件开发团队、全栈工程师以及希望探索 AI 驱动开发模式的极客用户。无论是使用 IntelliJ IDEA、VS Code 的开发者,还是需要在移动端或命令行工作的技术人员,都能在其支持的 8 多种平台上获得一致的原生体验。

其核心技术亮点在于内置了七个专用 AI 智能体,分别对应开发的不同阶段,能够协同完成复杂任务。此外,AutoDev 支持多种大语言模型,拥有可执行的工作流自动化脚本语言 DevIns,并兼容 MCP 协议以扩展工具生态。结合基于 Tree-sitter 的代码智能解析能力,它不仅懂代码,更懂整个软件交付过程,让 AI 真正融入开发的每一个环节。

使用场景

某中型电商团队正紧急迭代一个跨平台(Android/iOS/Web)的会员积分系统,需在两周内完成从需求分析到全端部署的全流程。

没有 auto-dev 时

  • 协作割裂:产品经理用文档写需求,开发在 IDEA 写代码,测试在另一台机器跑用例,信息在不同工具间手动同步,极易出现版本不一致。
  • 上下文丢失:移动端开发者难以实时获取后端接口变更细节,常因理解偏差导致返工,且无法在手机上直接调试逻辑。
  • 流程断层:从代码审查到部署运维依赖多套独立脚本和人工操作,缺乏统一编排,夜间发布故障频发且排查耗时。
  • 设备受限:团队成员被迫绑定特定操作系统或 IDE,iOS 开发者无法复用团队的自动化 Agent 能力,只能手动执行重复任务。

使用 auto-dev 后

  • 全链路协同:通过 auto-dev 的“需求 Agent"自动生成可执行规格,并直接联动“开发 Agent"在 IntelliJ 或 VS Code 中生成对应代码,确保全员基于同一事实源工作。
  • 无缝上下文流转:利用其跨平台特性,移动端开发者可在 Android 手机或 iOS 设备上直接调用“测试 Agent"验证接口,实时查看由 Tree-sitter 解析的代码智能提示,消除理解鸿沟。
  • 自动化闭环:借助 DevIns 语言编排工作流,auto-dev 自动串联代码审查、数据迁移及部署运维阶段,实现一键式灰度发布,大幅降低人为失误。
  • 随处开发:无论团队成员使用的是 Web 端、桌面 CLI 还是原生移动 App,都能通过统一的 Kotlin 多平台架构访问相同的 7 个专属 Agent,彻底打破设备壁垒。

auto-dev 通过统一平台与多智能体协作,将原本割裂的软件开发生命周期整合为流畅的自动化闭环,显著提升了跨团队、跨设备的交付效率。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具是基于 Kotlin Multiplatform 构建的多平台开发环境,而非单纯的 Python AI 模型。支持 IntelliJ IDEA、VS Code、Web、桌面端 (macOS/Windows/Linux)、Android、iOS 及 CLI。CLI 版本需要通过 npm 安装 (@xiuper/cli)。iOS 版本目前需要从源代码构建。支持多种 LLM 后端(如 OpenAI, Ollama 等),具体硬件需求取决于所选用的 LLM 后端配置。
python未说明 (CLI 工具基于 Node.js)
Kotlin Multiplatform
Node.js (用于 CLI)
JVM (用于 Server/IDEA 插件)
React/Ink (用于 CLI UI)
Compose Multiplatform (用于桌面/移动端)
Ktor (用于服务端)
Tree-sitter (用于代码解析)
auto-dev hero image

快速开始

AutoDev 3.0 Xiuper (Alpha)

一个平台。所有阶段。跨所有设备。
统一平台 · 全开发阶段 · 跨全设备

AutoDev Xiuper 是一个基于 Kotlin Multiplatform 构建的原生 AI 多智能体开发平台。它覆盖软件开发生命周期的七个阶段(需求 → 开发 → 审查 → 测试 → 数据 → 部署 → 运维),并在 8+ 个平台上运行:IntelliJ IDEA、VS Code、CLI、Web、桌面端、Android、iOS 和服务器端。

截图

开始使用

下载 AutoDev Xiuper

以前的版本

模块

模块 平台 状态 描述
mpp-idea IntelliJ IDEA ✅ 生产环境 Jewel UI、Agent 工具窗口、代码审查、远程代理
mpp-vscode VSCode ✅ 生产环境 Xiuper Agent
mpp-ui(桌面) macOS/Windows/Linux ✅ 生产环境 Compose Multiplatform 桌面应用
mpp-ui(CLI) 终端(Node.js) ✅ 生产环境 终端界面(React/Ink)、本地/服务器模式
mpp-ui(Android) Android ✅ 生产环境 原生 Android 应用
mpp-web(Web) Web ✅ 生产环境 Web 应用
mpp-server Server ✅ 生产环境 JVM(Ktor)
mpp-ios iOS 🚧 生产就绪 原生 iOS 应用(SwiftUI + Compose)

核心特性

Xiuper 版本标志着 AI 辅助开发的一个重要里程碑:

  • 一个平台: 统一的 Kotlin Multiplatform 架构——一次编写,随处运行
  • 所有阶段: 七个专业智能体覆盖完整的软件开发生命周期
    • 需求 → 开发 → 审查 → 测试 → 数据 → 部署 → 运维
  • 跨所有设备: 对 8+ 个平台的原生支持,且不牺牲性能
    • IDE: IntelliJ IDEA、VS Code
    • 桌面端: macOS、Windows、Linux(Compose Multiplatform)
    • 移动端: Android、iOS(原生 + Compose)
    • 终端: CLI(Node.js + React/Ink)
    • Web: Web 应用
    • 服务器: 远程代理服务器(Ktor)
  • 多 LLM 支持: OpenAI、Anthropic、Google、DeepSeek、Ollama 等
  • DevIns 语言: 可执行的智能体脚本语言,用于工作流自动化
  • MCP 协议: 通过模型上下文协议(MCP)扩展工具生态系统
  • 代码智能: 基于 Tree-sitter 的解析能力,支持 Java、Kotlin、Python、JavaScript/TypeScript、Go、Rust、C#
  • 全球适配: 完整的国际化支持(中文/英文)

内置智能体

AutoDev Xiuper 包含七个与 SDLC 对应的专业智能体:

智能体 SDLC 阶段 描述 功能 状态
Knowledge 需求 利用原生 AI 技术进行文档阅读与分析,理解需求并构建知识库 DocQL / Context Engineering ✅ 稳定
Coding 开发 自主编码智能体,具备完整的文件系统、Shell 和工具访问能力 MCP / 子智能体 / DevIns DSL ✅ 稳定
Review 代码审查 专业代码审查智能体,分析代码质量、安全性、性能及最佳实践 Linter / 总结 / 自动修复 ✅ 稳定
Testing 测试 自动化测试智能体,可生成测试用例、执行测试并分析覆盖率 E2E / 自我修复 / 覆盖率 🚧 开发中
ChatDB 数据 数据库对话智能体,支持文本转 SQL 及自然语言数据查询 模式关联 / 多数据库 / 查询 ✅ 稳定
WebEdit 部署 Web 编辑智能体,可用于浏览页面、选择 DOM 元素并与网页内容交互 检查 / 对话 / 映射 🔄 测试版
Ops 运维 运维监控智能体,用于日志分析、性能监控和告警处理 日志 / 指标 / 告警 🚧 即将推出

每个智能体专注于生命周期中的特定阶段,提供从需求到生产运维的端到端 AI 辅助。

特殊用途智能体

除了 SDLC 智能体外,AutoDev Xiuper 还包含针对特定场景的专用智能体:

智能体 目的 描述 功能 状态
Artifact 快速演示 生成由 Claude 的 Artifacts 启发的自包含可执行产物(HTML/JS、React、Node.js、Python) 交互式预览 / 自动修复 / 多格式支持 ✅ 稳定

Artifact 智能体专注于创建完整的可运行产物,无需文件系统或 Shell 访问权限。它非常适合:

  • 快速原型设计和演示
  • 交互式 Web 应用
  • 数据可视化
  • 带有依赖项的 Python 脚本
  • SVG 图形和 Mermaid 流程图

子代理

子代理是由主编码代理调用的专用微型代理,用于执行特定任务。它们遵循“将代理视为工具”的架构模式:

子代理 用途 关键特性 平台支持
NanoDSL 代理 根据自然语言描述生成 AI 原生 UI 代码 高效的标记 DSL / 组件生成 / 状态管理 / HTTP 请求 所有平台
PlotDSL 代理 根据自然语言生成统计图表和数据可视化 受 ggplot2 启发的语法 / 多种图表类型 / 主题 / Lets-Plot 渲染 JVM 桌面及 Android
图表代理 为 ComposeCharts 库生成图表配置 饼图/折线图/柱状图/条形图 / 数据分析 / 跨平台渲染 所有平台
分析代理 智能分析并总结任何类型的内容(日志、错误、JSON、代码等) 内容类型检测 / 智能摘要 / 元数据提取 所有平台
代码库调查者 调查代码库结构、模式、依赖关系及架构问题 架构分析 / 模式检测 / 依赖关系映射 / 问题识别 所有平台
领域词典代理 根据代码库分析生成领域词典,以更好地理解上下文 热门文件检测 / 类/方法提取 / 领域术语识别 所有平台
错误恢复代理 分析错误并提出修复建议,具备自我修复能力 错误模式识别 / 修复建议 / 自动重试逻辑 所有平台
SQL 修订代理 根据模式和执行反馈修订并优化 SQL 查询 模式感知校正 / 查询优化 / 语法验证 所有平台
端到端测试代理 进行具有视觉理解和自我修复定位器的端到端测试 根据自然语言生成测试场景 / 多模态感知 / 自我修复 所有平台

子代理实现了模块化、可组合的工作流:复杂任务被分解为多个专注的子任务,每个子任务由专门的代理处理。

许可证

本代码根据 MPL 2.0 许可证发布。请参阅此目录下的 LICENSE 文件。

版本历史

compose-v3.0.0-alpha52026/02/07
compose-v3.0.0-alpha42026/02/07
compose-v3.0.0-alpha32025/12/29
compose-v3.0.0-alpha22025/12/20
compose-v3.0.0-alpha2025/12/14
compose-v0.3.32025/12/02
compose-v0.3.22025/11/27
compose-0.3.12025/11/26
compose-0.3.02025/11/26
compose-0.2.22025/11/17
compose-0.2.12025/11/17
compose-0.1.62025/11/10
compose-0.1.52025/11/09
v2.4.62025/10/28
v2.4.32025/10/10
v2.4.22025/09/29
v2.4.12025/09/28
v2.4.02025/08/14
v2.2.32025/08/11
v2.2.22025/06/21

常见问题

相似工具推荐

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

MoneyPrinterTurbo

MoneyPrinterTurbo 是一款利用 AI 大模型技术,帮助用户一键生成高清短视频的开源工具。只需输入一个视频主题或关键词,它就能全自动完成从文案创作、素材匹配、字幕合成到背景音乐搭配的全过程,最终输出完整的竖屏或横屏短视频。 这款工具主要解决了传统视频制作流程繁琐、门槛高以及素材版权复杂等痛点。无论是需要快速产出内容的自媒体创作者,还是希望尝试视频生成的普通用户,无需具备专业的剪辑技能或昂贵的硬件配置(普通电脑即可运行),都能轻松上手。同时,其清晰的 MVC 架构和对多种主流大模型(如 DeepSeek、Moonshot、通义千问等)的广泛支持,也使其成为开发者进行二次开发或技术研究的理想底座。 MoneyPrinterTurbo 的独特亮点在于其高度的灵活性与本地化友好性。它不仅支持中英文双语及多种语音合成,允许用户精细调整字幕样式和画面比例,还特别优化了国内网络环境下的模型接入方案,让用户无需依赖 VPN 即可使用高性能国产大模型。此外,工具提供批量生成模式,可一次性产出多个版本供用户择优,极大地提升了内容创作的效率与质量。

55k|★★★☆☆|今天
开发框架语言模型Agent

oh-my-openagent

oh-my-openagent(简称 omo)是一款强大的开源智能体编排框架,前身名为 oh-my-opencode。它致力于打破单一模型供应商的生态壁垒,解决开发者在构建 AI 应用时面临的“厂商锁定”难题。不同于仅依赖特定模型的封闭方案,omo 倡导开放市场理念,支持灵活调度多种主流大模型:利用 Claude、Kimi 或 GLM 进行任务编排,调用 GPT 处理复杂推理,借助 Minimax 提升响应速度,或发挥 Gemini 的创意优势。 这款工具特别适合希望摆脱平台限制、追求极致性能与成本平衡的开发者及研究人员使用。通过统一接口,用户可以轻松组合不同模型的长处,构建更高效、更具适应性的智能体系统。其独特的技术亮点在于“全模型兼容”架构,让用户不再受制于某一家公司的策略变动或定价调整,真正实现对前沿模型资源的自由驾驭。无论是构建自动化编码助手,还是开发多步骤任务处理流程,oh-my-openagent 都能提供灵活且稳健的基础设施支持,助力用户在快速演进的 AI 生态中保持技术主动权。

48.4k|★★☆☆☆|今天
视频语言模型开发框架

onlook

Onlook 是一款专为设计师打造的开源 AI 优先设计工具,被誉为“设计师版的 Cursor”。它旨在打破设计与开发之间的壁垒,让用户能够以可视化的方式直接构建、样式化和编辑 React 应用。通过 Onlook,用户无需深入编写复杂代码,即可在类似 Figma 的直观界面中完成网页原型的搭建与调整,并实时预览最终效果。 这款工具主要解决了传统工作流中设计稿到代码转换效率低、沟通成本高的问题。以往,设计师使用 Figma 等工具完成设计后,需要开发人员手动将其转化为代码,过程繁琐且容易出错。Onlook 允许用户直接在浏览器 DOM 中进行可视化编辑,底层自动生成基于 Next.js 和 TailwindCSS 的高质量代码,实现了“所见即所得”的开发体验。它不仅支持从文本或图像快速生成应用,还具备分支管理、资源管理及一键部署等功能,极大地简化了从创意到成品的流程。 Onlook 特别适合前端开发者、UI/UX 设计师以及希望快速验证产品创意的独立开发者使用。对于设计师而言,它降低了参与前端开发的门槛;对于开发者来说,它提供了一个高效的视觉化调试和原型构建环境。其核心技术亮点在于

25k|★★★★☆|3天前
Agent图像视频

serena

Serena 是一款专为编程智能体(Coding Agent)打造的强大工具包,被誉为“智能体的集成开发环境(IDE)”。它通过模型上下文协议(MCP)与各类大语言模型及客户端无缝集成,旨在解决传统 AI 在复杂代码库中因依赖行号或简单文本搜索而导致的效率低下和准确性不足的问题。 与传统方法不同,Serena 采用“智能体优先”的设计理念,提供基于语义的代码检索、编辑和重构能力。它能像资深开发者使用 IDE 一样,深入理解代码的符号层级和关联结构,从而让智能体在大型项目中运行得更快、更稳、更可靠。无论是终端用户(如 Claude Code)、IDE 插件(VSCode、Cursor)还是桌面应用,都能轻松接入 Serena 以扩展功能。 Serena 特别适合需要处理大规模代码项目的开发者、研究人员以及希望提升 AI 编码能力的技术团队。其核心技术亮点在于灵活的后端支持:既默认集成了基于语言服务器协议(LSP)的开源方案,支持超过 40 种编程语言;也可选配强大的 JetBrains 插件,利用专业 IDE 的深度分析能力。这让 Serena 成为连接人工智能与复杂软件工程的高效桥

22.5k|★★☆☆☆|今天
Agent图像开发框架

sam2

SAM 2 是 Meta 推出的新一代基础模型,旨在解决图像与视频中的“提示式视觉分割”难题。无论是静态图片还是动态视频,用户只需提供简单的点击、框选等提示,SAM 2 就能精准识别并分割出目标对象。它将单张图像视为单帧视频进行处理,成功打破了以往模型在视频理解上的局限。 这款工具特别适合计算机视觉开发者、AI 研究人员以及需要处理视频内容的设计师使用。对于希望探索多目标跟踪或构建交互式应用的技术团队,SAM 2 提供了强大的底层支持。其核心亮点在于采用了带有流式记忆机制的 Transformer 架构,能够实现实时的视频处理性能。此外,项目配套发布了迄今为止规模最大的视频分割数据集(SA-V),并通过“模型闭环数据引擎”不断自我进化。最新更新的 SAM 2.1 版本不仅提供了更优的预训练权重,还支持全模型编译加速及灵活的多目标独立追踪,让复杂场景下的视频分析变得更加高效与便捷。

18.9k|★★★☆☆|今天
图像视频