RepoPilot V1.0

A lightweight agent for AI/ML codebase diagnosis and reproduction planning.

RepoPilot 是一个基于 CoreCoder 二次开发的 AI Agent 项目。它通过 static analysis 分析本地 AI/ML 代码仓库，识别项目结构、entry point、dependency，以及数据集、checkpoint、CUDA 和平台风险，再由 LLM 将工具证据整理为 reproduction planning 与 Markdown report。

V1.0 是 Stable Portfolio Release。本版本不扩展诊断能力，重点完成项目边界、公开文档、可复现 Demo、样例报告和上游 attribution 的统一整理。

上游说明： CLI、Agent loop、LLM 适配、Tool Calling、context compression、session 和基础 Tool 系统来自 CoreCoder。RepoPilot 在此基础上增加 AI/ML 仓库诊断 prompt、四个 static analysis Tool、结构化证据模型、测试和文档。本项目不宣称完整 Agent 架构为原创。

很多 AI/ML 开源仓库包含模型代码，但缺少清晰的运行入口、dependency 版本、数据准备方式或 checkpoint 说明。直接运行可能触发长时间训练、数据下载、CUDA 初始化或平台兼容问题。

RepoPilot 的目标是在真实运行前回答：

• 仓库中有哪些关键代码、配置和环境文件？
• 训练、评估、推理和 Demo 的 entry point 在哪里？
• Python、PyTorch、CUDA 和 dependency 约束是否明确？
• 数据集、checkpoint 和预训练权重需要如何准备？
• 哪些结论是 confirmed facts，哪些只是 inferred assumptions 或 static risks？
• 可以建议哪些低成本 smoke test plan？

• static codebase diagnosis
• entry point detection
• environment risk detection
• structured risks 与 evidence-based diagnosis
• smoke test plan 生成
• Markdown report 生成

• 不训练模型
• 不执行目标仓库代码
• 不下载数据集、checkpoint 或模型权重
• 不修改目标仓库
• 不保证 dependency 一定可以安装
• 不保证完整复现成功
• 不用 static analysis 替代 runtime verification

用户 Prompt
    -> corecoder CLI
    -> CoreCoder Agent loop
    -> Tool Calling
    -> repo_map / entry_detector / env_checker / smoke_test_planner
    -> evidence-based diagnosis
    -> LLM 汇总
    -> Markdown report

RepoPilot 没有重写 Agent loop。四个诊断 Tool 通过 CoreCoder 原有的 Tool schema 和 Tool Calling 协议接入，工具结果作为 tool message 返回对话，LLM 再基于证据生成报告。

扫描有限深度的目录树，忽略版本库、虚拟环境和缓存目录；使用 AST 提取 Python 文件中的顶层 class、function 和 import，并输出 ASCII tree。

综合常见文件名、README 命令、main guard、argparse、click、typer、console scripts 和入口式函数，识别训练、评估、推理、Demo 等 entry point，并给出置信度与证据。

检查 requirements.txt、pyproject.toml、environment.yml、setup.py、setup.cfg、Dockerfile 和 README，提取 Python、PyTorch、CUDA、数据集与 checkpoint 线索，并输出 structured risks。

根据 import、CLI、CUDA、下载、checkpoint 和长训练信号生成低成本 smoke test plan。该 Tool 只生成计划，不执行命令。

创建并激活虚拟环境：

python -m venv .venv

Linux/macOS：

source .venv/bin/activate
pip install -e .

Windows PowerShell：

.\.venv\Scripts\Activate.ps1
pip install -e .

根据 .env.example 配置 OpenAI-compatible API：

$env:OPENAI_API_KEY = "your-api-key-here"
$env:OPENAI_BASE_URL = "https://api.deepseek.com"
$env:CORECODER_MODEL = "deepseek-chat"

启动 CLI：

corecoder -m deepseek-chat

对外品牌为 RepoPilot，但为保持上游兼容，Python 包名和 CLI 命令仍为 corecoder。

分析当前仓库：

corecoder -m deepseek-chat -p "请仅做本地 static analysis，使用 repo_map、entry_detector、env_checker、smoke_test_planner 分析当前仓库，并生成中文的 RepoPilot V1.0 诊断报告。不要执行训练、smoke test 或下载命令，不要修改目标仓库。"

分析指定仓库：

corecoder -m deepseek-chat -p "请仅做本地 static analysis，使用 repo_map、entry_detector、env_checker、smoke_test_planner 分析 D:/repos/example-paper，并生成中文的 RepoPilot V1.0 复现前诊断报告。不要执行训练、smoke test 或下载命令，不要修改目标仓库。"

完整 Prompt 见 examples/repopilot_demo_prompt.md。

• 架构与设计
• Tool 系统
• 开发演进与工程复盘
• 公开技术导览
• 样例报告索引

• RepoPilot 当前仓库诊断报告
• 外部 PyTorch CIFAR-10 仓库诊断报告

样例报告均为 static analysis 结果，并明确区分：

• confirmed facts
• inferred assumptions
• static risks
• suggested smoke tests
• full reproduction unverified

• 主要面向 Python 和常见 AI/ML 仓库。
• entry point 与风险等级来自静态规则，可能存在误报或漏报。
• 不构建完整跨文件调用图。
• 不验证 dependency、CUDA、驱动或数据访问的 runtime compatibility。
• 不执行 smoke test，因此命令是否成功仍需人工验证。
• LLM 汇总仍可能出错，关键结论应回到源码证据复核。

python -m compileall corecoder
python -m pytest
corecoder --help

当前测试集包含 71 项测试，覆盖核心模块、LiteLLM 适配、session 和主要 Tool 行为。

• 建立代表性外部仓库回归集。
• 增加 entry point 和环境解析的边界测试。
• 提供可选的机器可读 JSON report。
• 在隔离环境和显式授权下评估可执行 smoke test 模式。

这些方向不属于 V1.0 当前能力。

本项目基于 CoreCoder fork 二次开发。CoreCoder 由 Yufeng He（何宇峰） 创建，RepoPilot 复用了其 CLI、Agent loop、LLM 层、Tool 系统、context compression、session 和基础代码工具。

RepoPilot 新增或调整的部分主要包括：

• AI/ML 仓库诊断 prompt
• repo_map
• entry_detector
• env_checker
• smoke_test_planner
• Evidence/Risk 辅助结构
• Agent 实例级 tool_map 修复
• 测试、Demo、样例报告和公开文档

上游原始说明保存在 README_CORECODER.md。

项目遵循仓库中的 MIT License。使用和分发时请保留原始版权声明、许可证文本和 CoreCoder attribution。