LingFlow Self-Learning 系统
版本: v3.9.0 状态: 生产就绪 测试覆盖率: 90%
快速开始
# 1. 运行完整的自学习周期
python scripts/activate_self_learning.py --full
# 2. 只扫描代码
python scripts/activate_self_learning.py --scan
# 3. 查看知识库状态
python scripts/activate_self_learning.py --report
系统架构
┌─────────────────────────────────────────────────────────────────┐
│ Self-Learning 闭环 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ AI工具扫描 │───→│ 规则提取器 │───→│ 知识库 │ │
│ │ │ │ │ │ │ │
│ │ • Ruff │ │ • 去重 │ │ • SQLite │ │
│ │ • Semgrep │ │ • 验证 │ │ • 持久化 │ │
│ │ • Pylint │ │ • 质量评分 │ │ │ │
│ └──────────────┘ └──────────────┘ └──────┬───────┘ │
│ │ │
│ ▼ │
│ ┌──────────────┐ │
│ │ 模式识别器 │ │
│ │ │ │
│ │ • 长方法 │ │
│ │ • 未使用变量 │ │
│ │ • 硬编码密钥 │ │
│ └──────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────┘
核心组件
1. AI工具适配器 (Adapters)
| 工具 | 状态 | 版本 | 用途 |
|---|---|---|---|
| Ruff | ✅ | 0.15.9 | 快速Python linter |
| Semgrep | ✅ | - | 语义代码分析 |
| Pylint | ✅ | 4.0.5 | 深度代码检查 |
from lingflow.self_optimizer.phase5.adapters import RuffAdapter
adapter = RuffAdapter()
feedback = adapter.run_scan("lingflow/")
2. 规则提取器 (RuleExtractor)
从AI工具反馈中学习规则：
from lingflow.self_optimizer.phase5.learning import RuleExtractor
extractor = RuleExtractor(min_frequency=3, min_confidence=0.7)
rules = extractor.extract_rules(feedback_items)
# 规则自动包含：
# - 模式 (file_patterns, code_patterns)
# - 关键词
# - 严重程度分布
# - 质量分数
3. 知识库 (KnowledgeBase)
持久化存储学习到的规则：
from lingflow.self_optimizer.phase5.knowledge import KnowledgeBase
kb = KnowledgeBase()
kb.add_rule(learned_rule)
# 查询规则
rules = kb.get_all_rules(category=FeedbackCategory.CODE_QUALITY)
stats = kb.get_statistics()
4. 模式识别器 (PatternRecognizer)
识别代码中的反模式：
from lingflow.self_optimizer.phase5.patterns import PatternRecognizer
recognizer = PatternRecognizer()
patterns = recognizer.recognize_from_file("lingflow/core/session.py")
# 检测类型：
# - 长方法 (>50行)
# - 未使用变量
# - 硬编码密钥
# - 重复代码
# - 空代码块
# - 高复杂度
命令行接口
activate_self_learning.py
# 完整学习周期
python scripts/activate_self_learning.py --full
# 单独操作
python scripts/activate_self_learning.py --scan # 扫描代码
python scripts/activate_self_learning.py --learn # 学习规则
python scripts/activate_self_learning.py --pattern # 识别模式
python scripts/activate_self_learning.py --report # 生成报告
# 指定目标
python scripts/activate_self_learning.py --full --target ./src
# 指定输出
python scripts/activate_self_learning.py --report --output report.json
配置文件
.lingflow/config.yaml
self_learning:
# 最小频率阈值
min_frequency: 3
# 最小置信度
min_confidence: 0.7
# 质量分数阈值
min_quality_score: 0.5
# AI工具配置
tools:
ruff:
enabled: true
config: .ruff.toml
semgrep:
enabled: true
config: .semgrep.yaml
pylint:
enabled: true
config: pyproject.toml
# 模式识别配置
patterns:
long_method_threshold: 50
complexity_threshold: 10
知识库规则格式
规则结构
{
"id": "f401-unused-import",
"name": "F401 Unused Import Detected",
"description": "Imported but unused symbol",
"category": "code_quality",
"pattern": {
"file_patterns": ["*.py"],
"code_patterns": ["^import \\w+", "^from .* import"],
"context_keywords": ["import", "unused"],
"severity_distribution": {"LOW": 80, "MEDIUM": 20},
"tool_support": ["ruff", "pylint"]
},
"tools": ["ruff", "pylint"],
"frequency": 15,
"confidence": 0.81,
"quality_score": 0.81,
"status": "draft"
}
规则状态
| 状态 | 说明 | 使用 |
|---|---|---|
draft |
新学习的规则，待审核 | 只读 |
approved |
人工审核通过 | 激活 |
rejected |
人工拒绝 | 禁用 |
调度执行
crontab 配置
调度脚本
#!/bin/bash
# scripts/schedule_self_learning.sh
PROJECT_ROOT="/home/ai/LingFlow"
SCRIPT="$PROJECT_ROOT/scripts/activate_self_learning.py"
LOG_DIR="$PROJECT_ROOT/.lingflow/logs"
mkdir -p "$LOG_DIR"
python3 "$SCRIPT" --full >> "$LOG_DIR/scheduler.log" 2>&1
API 使用
基本用法
from lingflow.self_optimizer.phase5 import SelfLearningSystem
# 初始化系统
system = SelfLearningSystem()
# 运行完整周期
result = system.run_full_cycle(target_path="lingflow/")
print(f"收集反馈: {result['feedback_collected']}")
print(f"学习规则: {result['rules_learned']}")
print(f"识别模式: {result['patterns_recognized']}")
自定义配置
from lingflow.self_optimizer.phase5.learning import RuleExtractor
from lingflow.self_optimizer.phase5.knowledge import KnowledgeBase
# 自定义提取器
extractor = RuleExtractor(
min_frequency=5, # 更高的频率要求
min_confidence=0.8, # 更高的置信度
max_rules=500 # 限制规则数量
)
# 自定义知识库
kb = KnowledgeBase(db_path="/custom/path/knowledge.db")
报告输出
报告位置
.lingflow/reports/
├── self_learning_20260404_085012.json
├── self_learning_20260403_020001.json
└── ...
报告内容
{
"timestamp": "2026-04-04T08:50:12",
"knowledge_base": {
"total_rules": 12,
"by_category": {
"code_quality": 9,
"bug_risk": 3
},
"average_quality": 0.8
},
"available_tools": {
"ruff": {"available": true, "version": "0.15.9"},
"pylint": {"available": true, "version": "4.0.5"}
}
}
故障排除
常见问题
Q: 工具扫描失败？
A: 检查工具是否安装：ruff --version, semgrep --version
Q: 知识库为空？
A: 运行 --full 命令，确保有足够的反馈数据
Q: 规则提取为空？
A: 降低 min_frequency 或 min_confidence 阈值
Q: SQLite锁定错误？ A: 确保只有一个进程在写入知识库
扩展开发
添加自定义检测器
from lingflow.self_optimizer.phase5.patterns import PatternDetector
class CustomDetector(PatternDetector):
def __init__(self):
super().__init__(
name="Custom Pattern",
pattern_type="custom",
severity="MEDIUM"
)
def detect(self, source_code, file_path):
findings = []
# 实现检测逻辑
if "bad_pattern" in source_code:
findings.append(self._create_finding(
file_path, 1, "Bad pattern detected"
))
return findings
# 注册到识别器
from lingflow.self_optimizer.phase5.patterns import PatternRecognizer
recognizer = PatternRecognizer()
recognizer.register_detector(CustomDetector())
添加自定义适配器
from lingflow.self_optimizer.phase5.adapters import BaseAdapter
class CustomAdapter(BaseAdapter):
def check_available(self) -> bool:
# 检查工具是否可用
return True
def run_scan(self, target_path: str) -> List[AIFeedback]:
# 运行扫描并返回反馈
pass
性能指标
| 指标 | 值 |
|---|---|
| 扫描速度 | ~1000文件/分钟 |
| 规则提取速度 | ~100规则/秒 |
| 知识库查询 | <10ms |
| 内存占用 | <50MB |
相关文档
更新时间: 2026-04-04 维护者: LingFlow Team