思维编织者，将想法转化为代码。

My AI Coding Buddy (MindWeaver) 是一个使用 Go 和现代 Web 技术构建的本地化 AI 编程助手，旨在通过集成强大的大型语言模型 (LLM) 来提升开发者的编码效率和代码质量。正如其名“思维编织者”，它致力于将您的想法顺畅地转化为实际的代码。

• 🧠 智能代码辅助:
  • 根据自然语言描述快速生成代码片段。
  • 详细解释复杂代码段的逻辑和功能（支持选中代码解释）。
  • 提供代码优化建议，辅助重构。
• 🐞 Bug 辅助与修复:
  • 辅助定位代码中的错误。
  • 在特定模式下（如 single-html 模式）尝试自动修复 HTML/JS 错误。
• 📄 项目与文件管理:
  • 支持创建和管理多个项目。
  • 内置文件树浏览器，方便查看和打开项目文件。
  • 多标签页编辑器，同时处理多个文件。
• 💬 多会话与上下文管理:
  • 为不同任务创建独立的 AI 会话。
  • 支持将选定文件或代码片段作为上下文提交给 AI。
• 🔄 灵活的会话模式，满足不同场景需求:
  • 手动模式 (Manual Mode): 您可以精确选择项目中的代码文件作为 AI 的参考，AI 将基于这些已有代码进行开发、修改或优化。适合需要精细控制 AI 输入的场景。
  • 智能模式 (Smart Mode): AI 会更智能地分析您的需求，不仅能编写代码，还能自动执行如创建文件/文件夹、运行 Shell 命令等辅助操作，以自主完成任务。
  • 单HTML模式 (Single HTML Mode): 专注于在单个 HTML 文件中实现您的完整想法。AI 能生成内容丰富、结构完整的 HTML 页面，非常适合快速制作 DEMO 演示页或产品原型。
• 🔌 多模型支持:
  • 通过可配置的 base_url（如 one-api, new-api）支持接入多种 LLM，例如：
    • OpenAI GPT 系列
    • Anthropic Claude 系列 (示例配置中包含 claude-3-7-sonnet-20250219)
    • DeepSeek 模型 (示例配置中包含 deepseek-chat)
    • Google Gemini 模型 (示例配置中包含 qt-gemini-2.5-pro-preview-05-06)
  • 可轻松扩展以支持更多模型。
• ⚙️ 强大工具集成:
  • 代码执行: 支持直接执行代码片段（如 Python）。
  • Shell 命令执行: 安全地执行 Shell 命令。
  • HTML 实时预览: 在编辑器内直接预览 HTML 文件。
  • 代码差异合并: 辅助处理 AI 生成代码与现有代码的合并。
• 💻 简洁易用的 Web 界面:
  • 基于 Gin 构建的后端 API 和原生 HTML, CSS, JavaScript 前端。
  • 集成 Monaco Editor 提供桌面级代码编辑体验。
  • Markdown 实时渲染聊天消息。
• 🔒 本地优先与数据安全:
  • API Key 和敏感配置存储在本地 config.yaml 文件中。
  • 核心逻辑在本地运行，保障代码和数据隐私。
• 🔧 灵活配置:
  • 通过 config.yaml 文件自定义服务器、LLM 参数、日志、代理等。
  • 支持不同模型的特定参数配置（如 temperature, max_tokens）。
• 📜 API 文档:
  • 内置 Swagger UI (/swagger/index.html)，方便查阅和测试 API。
• 跨平台支持 (Windows, macOS, Linux Go 编译目标均可支持)。

• 后端: Go, Gin (Web 框架)
• 前端: HTML, CSS, JavaScript (Vanilla JS, 模块化结构), Monaco Editor (代码编辑器), Marked.js (Markdown 渲染)
• 数据库: SQLite (通过 internal/db 包)
• 配置: YAML
• AI 模型接口: 通过 HTTP 客户端与 OpenAI 兼容的 API (如 one-api, new-api, 或直接连接 Ollama 等) 进行交互。

• Go 1.23+ (安装指南: https://golang.org/doc/install)
• 一个现代 Web 浏览器 (Chrome, Firefox, Edge, Safari)
• (可选) Python 环境 (用于执行 scripts 目录下的某些脚本，如 jsinspector.py, code_diff_merge.py)
• 您选择的 LLM 服务 API Key (例如，如果您使用 one-api，则为 one-api 的 Key)

选项 A: 从 Release 下载 (推荐)

1. 访问 GitHub Releases 页面。
2. 下载适用于你操作系统的最新预编译版本 (e.g., mind-weaver-windows-amd64.exe, mind-weaver-linux-amd64)。
3. 解压并将可执行文件放到你的 PATH 中 (可选)。

选项 B: 从源码构建

# 1. 克隆仓库
git clone https://github.com/samelltiger/mind-weaver.git
cd mind-weaver # 仓库名可能为 mind-weaver 或 My-AI-Coding-Buddy

# 2. 构建 Go 后端
#    可执行文件名在 Swagger 注释中为 mind-weaver
go build -o mind-weaver ./cmd/main.go

# 3. (可选) 生成 Swagger 文档 (如果需要更新)
# go run ./scripts/genswag.go

前端资源已包含在 frontend 目录中，并由 Go 程序直接提供静态文件服务，通常不需要单独构建。

My AI Coding Buddy 通过配置文件 (config.yaml) 进行配置。启动时会自动在程序运行目录下寻找 config/config.yaml。

创建 config/config.yaml 文件 (基于 config/config.example.yaml):

server:
  port: "14010" # 默认端口
  mode: "debug" # debug, release, test
  temp_storage_path: "./data/temp"

sqlite:
  db_path: "./data/mind-weaver.db" # SQLite 数据库文件路径

llm:
  base_url: "http://<your-one-api-or-llm-service-host>:<port>"  # 示例: "http://192.168.0.200:3000" (填写one-api/new-api服务的地址)
  api_key: "sk-YOUR_API_KEY"  # 强烈建议使用环境变量或安全的密钥管理方式 (填写one-api/new-api的key)
  model: "claude-3-7-sonnet-20250219" # 默认使用的模型
  timeout: 600 # 请求超时 (秒)
  max_tokens: 8192 # AI 回复的最大 token 数
  max_context: 195000 # 模型支持的最大上下文 token 数
  temperature: 0.7 # 默认温度
  top_p: 0.9
  # 可用模型列表
  models:
  - name: "deepseek-chat"
    description: "deepseek v3模型"
    max_tokens: 8192
    max_context: 128000
    capabilities: ["chat", "completion"]
    is_chat_model: true
    temperature: 0.0

  - name: "claude-3-7-sonnet-20250219"
    description: "claude-3-7-sonnet-20250219 模型"
    max_tokens: 8192
    max_context: 200000
    capabilities: ["chat", "completion"]
    is_chat_model: true
    temperature: 0.7

  - name: "qt-gemini-2.5-pro-preview-05-06"
    description: "gemini-2.5-pro-exp-03-25 模型"
    max_tokens: 8192
    max_context: 200000
    capabilities: ["chat", "completion"]
    is_chat_model: true
    temperature: 0.7

logger:
  level: "info" # 日志级别: debug, info, warn, error
  filename: "logs/app.log" # 日志文件路径
  maxsize: 100 # 单个日志文件最大 MB
  maxbackups: 10 # 最多保留的旧日志文件数
  maxage: 30 # 日志文件最长保留天数
  compress: true # 是否压缩旧日志

bin:
  python: "/opt/anaconda3/bin/python" # Python 解释器路径 (用于执行脚本)

diff_line: 20 # 代码差异比较时，上下文保留行数
diff_model: "deepseek-chat" # 用于代码差异修复的模型

环境变量:

虽然当前代码主要通过 config.yaml 加载配置，但您可以修改 config/config.go 中的 LoadConfig 函数以支持从环境变量读取敏感信息（如 API_KEY），这是一种更安全的做法。

更多配置选项请参考 config/config.example.yaml 文件。

如果您从源码构建并将可执行文件命名为 mind-weaver：

./mind-weaver

或者，直接从 cmd/main.go 运行（主要用于开发）：

go run ./cmd/main.go

程序启动后，日志会提示服务运行的端口 (默认为 14010)。 然后打开浏览器访问 http://localhost:14010 (或您配置的地址和端口)。 API 文档 (Swagger) 通常在 http://localhost:14010/swagger/index.html。

1. 项目管理:
   • 在左上角的 "项目"区域，点击 "新建项目" 或选择现有项目。
   • 项目文件会显示在下方的 "文件" 区域。
2. 文件操作:
   • 点击文件树中的文件，在中间的编辑器区域打开。
   • 支持多标签页编辑。
3. AI 会话:
   • 在右上角的 "会话" 区域，点击 "新建会话" 或选择现有会话。
   • 会话可以配置不同的模式（如手动选择上下文文件、智能模式等）。
4. 与 AI 交互:
   • 在右下角的聊天输入框中输入您的问题、代码或指令。
   • 选择希望使用的 AI 模型。
   • 在 "上下文文件" 区域，可以勾选希望 AI 参考的文件。
   • 点击 "发送" 或按回车与 AI 交互。
   • 特定功能如 "解释代码"、"HTML 预览" 可通过对应按钮触发。

• API 文档: 启动服务后访问 /swagger/index.html (例如 http://localhost:14010/swagger/index.html)。
• 安装指南 (请创建此文件)
• 配置详解 (请创建此文件，可基于 config.example.yaml 详细说明)
• 用户手册 (请创建此文件)
• 常见问题 (请创建此文件)

我们非常欢迎各种形式的贡献！请阅读我们的 贡献指南 (CONTRIBUTING.md) (请创建此文件) 来了解如何参与。

在提交代码前，请确保你已阅读并同意我们的 行为准则 (CODE_OF_CONDUCT.md) (请创建此文件)。

本项目采用 MIT 许可证 (请创建此文件并填入 MIT 许可证内容)。

• 感谢 Go 语言 团队。
• 感谢 Gin Web Framework。
• 感谢 Monaco Editor。
• 感谢 Marked.js。
• 感谢 Swagger 和 gin-swagger / swaggo/files。
• 感谢所有为本项目提供灵感和帮助的开源社区及 LLM 服务提供商。

更多信息请关注公众号： 思维编织者