自定义 RAG 工作流：在 IDE 中结合 RAG 编排，构建可信的编码智能体

构建编码智能体并非一件容易的事。结合我们在 AutoDev、ArchGuard Co-mate、ChocoBuilder 等智能体项目的经验，我们开始思考在 Shire 语言中提供一种新的 RAG 工作流。结合我们先前构建的 IDE 基础设施（代码生成、代码校验、代码执行等接口），现在你可以构建出更可信的编码智能体。

TL；DR（太长不看）版

现在，你可以使用 Shire + 自定义的 RAG 流程智能体编排。如下代码所示，你可以

• 使用自己编写的 prompt 与 IDE 接口来获取代码数据
• 对代码进行向量化、检索与普通的代码搜索
• 将参数传递给下一个流程（ execute 函数）

---
name: "Search"
variables:
  "placeholder": /.*.java/ { splitting | embedding }
  "input": "博客创建流程"
afterStreaming: {
    case condition {
      default { searching($output) | execute("SummaryQuestion.shire", $output, $input) }
    }
}
---
xxx
User: $input
Response:

再结合我们的代码校验、代码执行等功能，你可以构建出一个完整、可信的编码智能体。

详细见：https://shire.phodal.com/workflow/rag-flow.html

基础 Shire 能力：Pattern Action 与代码可信函数

Shire 提供了一种简便 AI 编码智能体语言，能够让大型语言模型（LLM）与控制集成开发环境（IDE）之间自由对话，以实现自动化编程。

简单来说，你可以通过 Shire 去：

• 调用封装的 IDE API，以生成 prompt 所需的数据。在 Shire 中，数据在 prompt 中以变量的形式存在。
• 定义在 IDE 中的行为，如何触发、如何执行，以及如何处理结果。
• 定义简单的数据流处理，如何处理数据、如何存储数据。

因此，你可以通过 Shire 作为中间语言，访问自己的 IDE 数据，生成与 AI 模型对话的 prompt，以实现自动化编程。

Shire RAG 基础：Pattern Action 构建数据流

在先前的 Shire 中，你可以通过

variables

来自定义你的 Pattern Action，以从 IDE 中获取数据。如下所示：

---
variables:
  "logContent": /.*.java/ { grep("error.log") | head }
---
检查用户的代码是否有问题：$logContent

在这个例子中，我们定义了一个变量

logContent

，它的值是从所有

*.java

文件中检索

error.log

的结果。最后，将结果发送给 LLM，由 AI 来进行对应的处理。

详细见：https://shire.phodal.com/shire/shire-custom-variable.html#variable-pattern-action

Shire RAG 基础：代码可信校验

Shire 的代码校验是在 Shire 生命周期的

onStreamingDone

中执行的，即在 Streaming 完成后通过一系列的后处理器对生成的内容进行处理。在现有的版本中，支持三个函数：

• parseCode 将文本解析为代码块。
• verifyCode 检查代码错误或 PSI 问题。
• runCode 运行生成的文本代码。

因此，你可以采用如下的方式来处理 LLM 生成的代码：

---
onStreamingEnd: { parseCode | saveFile | openFile | verifyCode | runCode }
---
生成一个 python hello world，使用 markdown block  返回

当你启动 Shire 指令的那一刻，一场精心编排的编码舞蹈便悄然展开。首先，Shire RAG 工作流会调用 Language Model（LLM），这个强大的语言模型迅速进入状态，开始生成一段 Python 语言的经典之作——Hello World 代码块。

• 生成的代码块接下来会通过 saveFile 功能，被小心翼翼地保存到指定的文件中。
• 为了确保这段代码的准确性和可靠性，Shire RAG 工作流会启动 verifyCode 函数，进行严格的语法校验。
• 一旦通过语法校验，接下来就是激动人心的时刻——通过 runCode 函数来运行这段代码。

这一刻，代码仿佛被赋予了生命，它将在 IDE 中绽放出耀眼的光芒，将 "Hello, World!" 这句问候语，优雅地展现在我们的眼前。

详细见：https://shire.phodal.com/lifecycle/on-streaming-done.html

Shire RAG 基础：Index 与 Query

结合我们先前的 RAGScript 与 RAG 项目经验，只需要通过简单的函数，就可以实现代码的检索与查询。如下所示：

---
name: "Search"
variables:
  "testTemplate": /.*.kt/ { splitting | embedding | searching("blog") }
---
$testTemplate

在这个例子中，我们定义了一个变量

testTemplate

，它的值是从所有

*.kt

文件中检索

blog

的结果。随后，你就可以将结果发送给 LLM，由 AI 来进行对应的处理。

Shire RAG Flow：解释代码示例

当我们使用领先 AI IDE （如 AutoDev VSCode 版本）的业务知识解释功能时，通常会分为 3~5 个步骤：

1. 查询转换。将用户的问题，转换或者扩展（query expansion）为某种形式的查询语句。有的是关键词、有的是是假设性代码。
2. 信息检索。随后，将查询的结果结合本地的数据（文本、向量等）进行检索，以获取到相关的信息。
3. 重新排序。对检索到的信息进行排序、解释等处理，以生成对应的结果。
4. 内容总结。最后，将结果发给 LLM，由 AI 来进行对应的处理。

根据不同的上下文或者业务需求，这个流程可能会有所不同。但是，基本的流程是一样的。而在使用 Shire 开发时，由于我们只需要和 LLM 交互两次，所以只需要两步：

1. 将用户的问题发给 LLM，并进行检索
2. 由 LLM 来总结上一步的结果

尽管过程简化，但是如何抽象中这种原子能力，对 Shire 提出了更高的要求。因此，在这里我们也是作为一个 PoC 来进行展示，我们将在后续的版本中，提供更多的能力。

步骤 1：使用 Shire 自定义代码检索

有了上述的基础，我们可以开始构建一个 RAG 流程。如下所示，我们可以：

---
name: "Search"
variables:
  "placeholder": /.*.java/ { splitting | embedding }
  "lang": "java"
  "input": "博客创建流程"
afterStreaming: {
    case condition {
      default { searching($output) | execute("summary.shire", $input, $output) }
    }
 }
---
[]: 这里写一些 CoT 相关的指令

在这个例子中，我们定义了一个变量

placeholder

，它的值是从所有

*.java

文件中检索

博客创建流程

的结果。由于，默认情况下，会将 embedding 的结果存储在内存中，所以在

afterStreaming

时，我们就可以直接拿来使用。

afterStreaming

会在 Streaming 完成后执行，这里我们使用

searching

函数结合上一步的结果，来进行检索。最后，将结果发送给下一个流程。

步骤 2：使用 LLM 进行总结

在第一步中，我们决定了下一个指令的名称为

summary.shire

，并且传递了两个参数：

$input

和

$output

。在这个流程中，我们可以直接使用这两个参数：

[]: 这里写一些 prompt
代码信息如下:
$output
用户的问题: $input

随后，Shire 会自动执行这个指令，并将结果返回给用户，即对问题的总结。

详细见：https://shire.phodal.com/workflow/rag-flow.html

Shire RAG 工作流的实现

实现 Shire RAG 工作流，并非一件容易的事。我们在人力有限的情况下，需要经过大量的调研和试验，以及场景验证。我们调研了被广泛采用的编码 RAG 工具， 以探索更多的可能性。我们还尝试了不同的编码智能体的实现方式，以及不同的编码智能体的实现方式。

Shire RAG 技术栈

Shire RAG 工作流主要使用的技术栈如下：

• 推理框架：ONNX Runtime
• Embedding 模型：Sentence Transformers all-MiniLM-L6-v2
• 相似度算法：Jaccard similarity（默认）
• 数据存储：内存（默认）、本地文件（项目目录）、未来：SQLite
• Tokenizer：HF Tokenizer

而除了 RAG 部分，基于 NLP 与搜索的传统检索方式也是支持的，诸如于：

• similarCode 变量：通过 Jaccard 等算法，来检索相似的代码。
• similarTestCase 变量：通过 TF-IDF 来检索相似的测试用例。

我们尝试将更多的算法与技术集成到 Shire RAG 工作流中，以提供更多的能力。

文档支持

基于我们构建的 LLM 开发框架 ChocoBuilder，现在可以支持：

• Office 文档：docx, pptx, xlsx 文件
• PDF 文档
• 非二进制文件
• IDE 支持语言代码文件
• IDE 不支持语言代码文件

当然，现有版本的代码拆分机制还不够完善，我们会在后续版本中提供更多的支持。

下一步

我们现在的版本只能满足一些简单的需求，但是在实际的开发中，我们还需要更多的能力。因此，我们会在后续版本中提供更多的能力：

• 支持更多的存储方式，如向量数据库。
• 支持对结果进行重排，如 LIM、LLM Rerank 等。
• 支持更多的检索方式，如 BM25+、BM42 等。
• ……

详细见：https://github.com/phodal/shire