在软件工程实践中，从设计到代码的转化始终是一个高成本环节。老实说，即使有了完善的详细设计文档。将其转化为高质量的代码实现依然需要很多工程劳动——编码、自测、审查、修复、再审查。当大语言模型展现出代码生成能力后一个自然的问题是：能否让 AI 自动完成从设计文档到代码实现的闭环？

使用者痛点

• 需求理解不准确LLM 对需求的解读可能偏离设计意图，导致生成代码与业务不匹配。
• 输出质量难以保证生成的代码往往无法直接编译、缺少测试或不符合代码规范。
• 多角色协作缺乏一致性编码、审核、测试等角色需要协同。但传统工具只能一次性生成，缺少闭环反馈。
• 功能粒度过大导致幻觉一次性要求实现“大模块”时LLM 会填补信息空白。产生不存在的表、接口等幻觉，审核成本激增。

第四个挑战引出了 Autocode 最主要的设计哲学：拆小、聚焦、逐个击破。当你让 LLM 一次性实现“使用者管理模块”时它可能同时“发明”不存在的数据库表、虚构未定义的接口、混淆业务逻辑的边界——因为任务太模糊，LLM 会用幻觉填补信息空白。但如果你让它实现“UserService.login 方法的参数校验”，任务边界清晰。幻觉空间被大幅压缩，审核也变得简单——只需要检查校验逻辑是否完整，而不必理解整个模块。

Autocode 的所有设计——从 DDD 输入格式要求 functionPoint必填。到 Plan 阶段的多轮交互式澄清，到 Code 阶段的迭代修复——都服务于这一哲学：将功能拆分到最细粒度，让每次生成聚焦于一个明确的点，让审核聚焦于一个可判定的范围。

Autocode 正是为了解决这些问题而设计的。它不是一个简单的“代码生成器”，而是一个多 Agent 协作的自动化代码实现引擎——通过两阶段执行模型、双层质量门禁、迭代反馈循环和多 Agent 轮换策略。将 DDD 文档转化为的可交付代码。其实，

程序架构概览

Autocode 采用分层架构。自上而为入口层、编排层、迭代层、执行层和支撑层，各层职责清晰、耦合度低。按理说，

入口层提供 CLI 和 Web 两种运行模式。通过 UserInteraction 接口解耦使用者交互方式。

编排层是程序的大脑，WorkflowOrchestrator 负责阶段调度、恢复检测和分支管理。AgentHarnessImpl 驱动单应用的完整生命周期。

迭代层管理编码阶段的迭代循环。 串行执行四个步骤， 采用模板方法模式消除审核和测试的重复逻辑。说起来，

执行层封装了 Agent 执行的复杂性——重试、超时、轮换策略。怎么说呢，

支撑层提供硬门禁检查、Prompt 建立、评分提取、状态持久化等基础能力。

这种分层设计的好处是：修改 Agent 行为主要通过编辑 Prompt 模板，Agent 只需实现接口并注册枚举。质量门禁通过接口

两阶段执行模型：Plan → Code

"先理解，再实现" 是 Autocode 的主要理念——将工作流明确划分为 Plan和 Code两个阶段。

Plan 阶段：多轮交互式规划

The goal is to eliminate requirement ambiguities and produce a clear implementation plan. This process is iterative:

1. Agen t 分析 DDD 内容并探索现有代码库；
2. 解析输出并提取问题清单；
3. If issues exist → 收集使用者回答 via → 下一轮；
4. If no issues → 输出最终实施计划。

支持四种解析策略：JSON 对象 → 代码块内容 → 混合格式 → 原始回退，以兼容不同 LLM 输出格式。

The key decision: "需求理解与编码分离". Empirical evidence shows that most first‑pass coding failures stem from mis‑understanding requirements rar than lack of coding ability. Investing time in a thorough planning stage dramatically improves downstream success rates.

Code 阶段：四步迭代循环

The Code stage follows an "Encode → Hard Gate → Review → Test" loop:

Step : 编码/修复 → PromptBuilder 建立指令 → Agent 执行
Step : 硬门禁 → HardGateChecker 检查
Step : 审核 → Agent 审核 → ScoreExtractor 提取评分
Step : 测试 → Agent 测试 → ScoreExtractor 提取评分

The loop terminates when any of following conditions is met:

• Sufficient score;
• #iterations reaches max limit;
• #consecutive failures ≥ M;
• The agent reports un‑implementable or unrecoverable errors .

至于反馈循环，越修越好

If review or test fails,system builds a structured feedback payload containing previous scores。concrete error messages and improvement suggestions. This payload becomes part of next iteration’s prompt,ensuring every retry has a clear direction rar than blind re‑generation.

多 Agent 协作与轮换策略

The Agent subsystem follows a “tool + model + role” configuration;same tool can be paired with different models for distinct responsibilities.

四种 Agent 角色

• P lan*: 负责需求澄清与计划制定；
• I mpl*: 完成具体代码实现；
• : 对产出进行主观质量评估；
• T est*: 执行自动化测试并报告覆盖率。怎么说呢，

审核轮换的观点是，避免单一视角偏见

The review agents rotate using % N + 1}。where N is configured number of reviewers. For example,with two reviewers sequence becomes Review‑1,Review‑2,Review‑1…​.

Why rotate?老实说， A single reviewer may develop blind spots for recurring issue patterns. Rotating agents introduces diverse perspectives and catches more defects.

Agent 实现：CLI 包装模式

,which handles generic CLI process execution,output parsing。session management and timeout control. Concrete subclasses only need to supply model‑specific arguments and parsers.

双层质量门禁机制

A hallmark of Autocode is its two‑tier quality gate: HARD + SOFT .

硬门禁的观点是，客观事实检验

• C​ompile check： e.g.,,,etc.;
• L​int check： e.g.。Checkstyle for Java,;按理说，
• T​est execution： e.g.,JUnit / Go test / Jest / Cargo test .
\ \ \ \ \ \ \ \ ` The hard gate also auto-detects language via file signatures and selects appropriate JDK/Go versions using `LanguageDetector` and `JdkDetector`. Failures at this stage short‑circuit furr review & test steps—re’s no point wasting resources on code that doesn’t compile.软门禁：主观质量评估 Soft gates are performed by LLM reviewers who score across multiple dimensions (correctness,readability,security,test coverage). Scores are extracted by `ScoreExtractor` which supports JSON,markdown tables。or free‑form text fallback. A passing threshold determines success. ### 两层门禁协同 Hard gates guarantee **objective correctness**— code compiles & passes tests. Soft gates guarantee **subjective quality**— implementation aligns with design intent,follows conventions,and avoids hidden risks. Toger y prevent scenarios where “compiles but logic wrong” or “looks good but fails build”.

状态管理与断点恢复 Autocode’s state model uses three nested layers to isolate global workflow info,per‑application progress,and per‑iteration details. yaml WorkflowState ├─ dddName / functionPoint / branchName ├─ currentPhase / overallStatus ├─ plan: PlanState └─ apps: Map └─ code: CodePhaseState ├─ iteration / lastScore / consecutiveFailures ├─ currentStep: IterationStepType └─ iterations: List #### 为什么三层？When a change spans multiple services,each service runs in its own thread with independent iteration counts. A two‑layer model would cause state clashes;three‑layer approach keeps each app’s progress isolated while still allowing global coordination. #### 断点恢复 `currentStep` records which sub‑step was last completed . Upon restart,`shouldRunStep` skips already finished steps so an interrupted review does not redo compilation. #### 并发安全 All writes to `workflow-state.json` are synchronized;不过，`RepoLockManager` ensures exclusive write access per repository preventing Git conflicts during parallel app execution.