重庆大学AI训练营+202424131051T+代码运行效率优化智能体

[ysy1166]

CodeBoost - 代码运行效率优化智能体

📂 项目与文件

项目源码仓库：https://github.com/ysy1166/CodeBoost

智能体导出文件：codeboost_main_agent.json

---

🧠 智能体功能简介

“CodeBoost”是一款专注于代码运行效率优化的 AI 多智能体系统。它融合静态复杂度分析、真实基准测试、算法优化建议以及代码重写能力，为用户提供用数据说话、可验证、可执行的代码性能优化体验。

与普通问答式编程助手不同，CodeBoost 不只告诉你“代码可能慢在哪”，而是真正在受限沙箱中运行你的代码，测出优化前后的耗时与内存，确认功能等价后，再给出经过数据验证的优化方案——让每一次优化都有据可依。

---

📸 核心功能演示

1. 代码实时性能剖析

智能体根据用户提供的代码与入口调用，调用 measure_complexity 进行静态复杂度分析（循环嵌套深度、圈复杂度等），并调用 run_benchmark 在沙箱中实际运行，结合知识库中的优化经验，生成该段代码的综合“性能画像”。

输入代码 + 入口调用
→ measure_complexity 静态复杂度分析
→ run_benchmark 真实基准测试（耗时 / 内存）
→ 检索优化知识库
→ 融合生成「性能画像」

2. 瓶颈定位与算法优化

用户可以提交任意一段慢代码，智能体会定位真正的性能瓶颈（如双层循环、重复计算、低效数据结构），存储分析结果后，支持按“复杂度降级”目标反向推荐更优算法与数据结构（如用哈希表把 O(n^2) 降为 O(n)）。

3. 优化报告导入与批量性能普查

支持将多段代码或优化记录导入，智能体对所有片段进行聚合分析，调用 generate_optimization_report 输出该批次代码的性能特征汇总与优化提升报告（CSV）。

---

🛠️ 技术要点

平台：Nexent 智能体 + 知识库（代码优化经验文档）

后端服务：Python + FastMCP 提供 MCP 工具

核心能力：静态分析（ast）、基准测试（time / tracemalloc）、CSV 报告生成

数据存储：本地 CSV / JSON 存储优化报告与历史记录

交互：通过 MCP 工具将后端服务注册为智能体能力，并支持 SSE 流式推送进度

多智能体协作：

代码效率优化助手（主智能体）
├── 性能瓶颈分析智能体
├── 算法优化智能体
├── 代码重写智能体
├── 基准测试验证智能体
└── 优化迭代调整智能体

---

📥 如何使用

在 Nexent 中导入 codeboost_main_agent.json

启动 Python 后端 MCP 服务（详见仓库 README，python server.py）

在 Nexent 中配置 MCP 地址 http://host.docker.internal:8000/sse 并关联知识库（代码优化经验文档）

开始优化属于你的高效代码

---