Die Anwendung kombiniert einen agentischen Workflow mit einer Reflexions-Engine, um qualitativ hochwertige Antworten und Code-Verbesserungen zu erzeugen.

Projektstruktur

main.py

src/
│
├── backend/
│   ├── chat_manager.py
│   ├── reflection_engine.py
│   ├── execution_engine.py
│   ├── file_manager.py
│   ├── llm_client.py
│   ├── system_prompter.py
│   ├── tools.py
│   └── ...weitere Backend-Module
│
└── ui/
    └── ...Frontend- und UI-Dateien

Architektur

main.py

Der Einstiegspunkt der Anwendung.

Verantwortlich für:

Initialisierung der Anwendung
Starten der Streamlit-Oberfläche
Verbinden aller Backend-Komponenten
Laden der UI

Backend (`src/backend`)

Enthält die gesamte Kernlogik der Anwendung.

chat_manager.py

Zentrale Steuerungseinheit des Assistenten.

Aufgaben:

Verwaltung der Konversation
Agentischer Tool-Loop
Datei-Kontextverwaltung
Integration der Reflection Engine
Tool-Ausführung
Kommunikation zwischen UI und Backend

Der ChatManager bildet das Herzstück der Anwendung.

reflection_engine.py

Implementiert den selbstreflektierenden Agenten-Workflow.

Funktionen:

Bewertung von Antworten
Analyse von Schwächen
Iterative Verbesserung von Antworten
Qualitätsbewertung über Score-System
Automatisches Stoppen bei erreichter Qualität
Unterstützung von Tool-Aufrufen während der Verbesserung

execution_engine.py

Verantwortlich für:

Ausführen von Dateien
Ausführen von Code-Snippets
Erfassen von stdout und stderr
Rückgabe von Debug-Logs

file_manager.py

Verwaltet:

Lesen von Dateien
Schreiben von Dateien
Aktive Datei-Kontexte

tools.py

Definiert verfügbare Tools und das Tool-Registry-System.

Beispiele:

read_file
edit_file
execute_file
execute_code
search

llm_client.py

Kommunikation mit dem verwendeten LLM/API.

system_prompter.py

Erstellt dynamische Systemprompts inklusive:

Datei-Kontext
Tool-Beschreibungen
Laufzeitinformationen

UI (`src/ui`)

Enthält sämtliche Frontend- und Benutzeroberflächen-Komponenten.

Mögliche Funktionen:

Chat-Oberfläche
Dateiansicht
Tool-Aktivitätsanzeige
Reflection-Status
Ausgabe von Logs und Fehlern

Reflection-System

Der Assistent kann Antworten automatisch analysieren und verbessern.

Ablauf:

Initiale Antwort erzeugen
Antwort bewerten
Schwächen identifizieren
Antwort verbessern
Wiederholen bis Qualitätsziel erreicht ist

Reflection Workflow

Benutzeranfrage
        ↓
Erste Antwort
        ↓
Kritik & Analyse
        ↓
Qualitätsbewertung
        ↓
Verbesserung
        ↓
Optimierte Antwort

Reflection-Konfiguration

Im ChatManager:

self.reflection_enabled = True
self.reflection_max_rounds = 3
self.reflection_threshold = 8.5

Reflection aktivieren/deaktivieren

chat_manager.set_reflection(
    enabled=True,
    max_rounds=3,
    threshold=8.5
)

Features

Tool-basierter KI-Agent
Iterative Antwortverbesserung
Selbstreflektierende Analyse
Datei-Kontextintegration
Code-Ausführung
Modulare Architektur
Streamlit-UI
Dynamische Tool-Registry
Debug- und Fehleranalyse
JSON-basierte Agent-Kommunikation

Installation

1. Repository klonen

git clone <repository-url>
cd <projektname>

2. Virtuelle Umgebung erstellen

Windows

python -m venv venv
venv\Scripts\activate

Linux / macOS

python3 -m venv venv
source venv/bin/activate

3. Abhängigkeiten installieren

pip install -r requirements.txt

Anwendung starten

Die Anwendung wird über Streamlit gestartet:

streamlit run main.py

Beispielanfragen

Code erklären

Was macht diese Funktion?

Datei bearbeiten

Füge Kommentare zu dieser Datei hinzu

Datei ausführen

Führe die aktuelle Datei aus

Fehler analysieren

Warum tritt dieser Fehler auf?

README.md

AI Code Assistant

Übersicht