AIPodCli 0.1.0__tar.gz

aipodcli-0.1.0/AIPodCli.egg-info/PKG-INFO

@@ -0,0 +1,364 @@
+Metadata-Version: 2.4
+Name: AIPodCli
+Version: 0.1.0
+Summary: AI-native Python development framework
+License-Expression: MIT
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+Requires-Dist: openai
+Requires-Dist: injector
+Requires-Dist: python-dotenv
+Requires-Dist: tomlkit
+
+# AIPodCli
+
+**AI 原生 Python 开发框架** — 让 AI 接管组件生成、依赖注入和管道编排。
+
+AIPodCli 是一个 AI 原生的 Python 开发框架。它把 AI 深度集成到开发流程的每个环节：你描述需求，AI 生成组件代码；你描述业务指令，AI 规划执行管道。框架底层基于 `injector` 实现 IoC/DI 容器，在运行时自动组装和运行你（和 AI）构建的系统。
+
+**和传统开发框架的区别：**
+
+| | 传统框架 | AIPodCli |
+|---|---------|----------|
+| 写组件 | 你写 | AI 生成，你审核 |
+| 配依赖 | 你手动注入 | AI 自动分析，DI 容器装配 |
+| 编排流程 | 你写胶水代码 | AI 规划管道，框架执行 |
+| 配置管理 | 你写配置代码 | AI 建议配置项，自动追加到 TOML |
+| 项目入口 | 你选技术栈 | AI 根据描述决定（Flask/CLI/MQ...） |
+
+## 核心理念
+
+```
+人类描述需求 → AI 生成代码 → DI 容器自动组装 → Pipeline 管道执行
+```
+
+- **生成与执行分离**：`build` 只生成代码，开发者自行决定何时、如何运行
+- **IoC/DI 容器**：基于 `injector`，组件间依赖通过构造函数自动注入
+- **AI 代码生成**：大模型根据需求 + 已有组件池，自动生成符合规范的组件
+- **管道语法**：`(S(A) | S(B) | S(C)).execute_all(ctx)` 串联组件
+- **PipelineContext**：组件间通过共享上下文流转数据
+- **ConfigStore**：集中式 TOML 配置，组件通过 DI 注入读取
+- **AST 安全检查**：拦截 `eval`/`exec`/dunder 链等代码注入模式
+
+## 快速开始
+
+### 1. 安装
+
+```bash
+cd ai-code-cli
+pip install -e .
+```
+
+### 2. 初始化项目
+
+```bash
+python -m ai_pod_cli init "一个电商库存管理的 RESTful API"
+```
+
+AI 会根据描述自主判断技术栈（Flask/FastAPI/CLI/RabbitMQ...），生成对应的入口文件：
+
+```
+.
+├── cli.py (或 app.py / consumer.py)  ← AI 生成的入口
+├── modules/                          ← AI 生成的组件
+│   ├── __init__.py
+│   └── requirements.txt
+├── pipelines/                        ← AI 生成的管道文件
+├── config.toml                       ← 项目配置（组件通过 ConfigStore 读取）
+├── routes.toml                       ← 路由映射（build 自动注册）
+├── beans_config.json                 ← 组件注册账本
+├── .env                              ← 大模型 API 配置
+└── .gitignore
+```
+
+### 3. 配置大模型
+
+编辑 `.env`：
+
+```bash
+OPENAI_API_KEY=sk-your-real-key-here
+OPENAI_BASE_URL=https://api.openai.com/v1
+OPENAI_MODEL=deepseek-chat
+```
+
+支持任何 OpenAI 兼容 API（DeepSeek / Moonshot / Ollama 等）。
+
+### 4. 完整工作流
+
+```bash
+# ① 创建组件（AI 自动生成代码 + 注册配置）
+python -m ai_pod_cli create --category entity --name SqliteStore \
+    --desc "SQLite存储组件，从ConfigStore读取database.sqlite_path，提供query/execute/insert方法"
+
+python -m ai_pod_cli create --category entry --name DataCollector \
+    --desc "生成随机销售记录写入ctx.set('raw_sales', list)"
+
+python -m ai_pod_cli create --category entry --name DataWriter \
+    --desc "依赖SqliteStore，从ctx读取raw_sales建表并逐条insert"
+
+# ② 生成管道（AI 规划链路 → 保存文件 → 注册路由，不执行）
+python -m ai_pod_cli build "采集销售数据并写入SQLite" --name collect_sales
+
+# ③ 开发者自行运行
+python cli.py collect_sales           # CLI 入口
+# 或 flask run                        # Web 入口
+# 或 python consumer.py               # 消息队列入口
+```
+
+## 命令参考
+
+### `init` — 初始化项目
+
+```bash
+python -m ai_pod_cli init "项目描述"
+python -m ai_pod_cli init              # 不传描述，只创建骨架
+python -m ai_pod_cli init "..." --install-deps  # 同时安装依赖
+```
+
+| 参数 | 说明 |
+|------|------|
+| `desc` | 项目描述，AI 据此判断技术栈并生成入口文件 |
+| `--install-deps` | 自动安装 Python 依赖 |
+
+AI 会自主决定：
+- **项目类型**：Flask / FastAPI / CLI / RabbitMQ / Kafka / APScheduler / WebSocket 等
+- **入口文件名**：`app.py` / `main.py` / `consumer.py` / `scheduler.py` 等
+- **额外依赖**：自动追加到 `modules/requirements.txt`
+
+### `create` — AI 生成组件
+
+```bash
+python -m ai_pod_cli create --category entry --name StockChecker \
+    --desc "查询指定商品库存，库存为0则发送短信通知管理员"
+```
+
+| 参数 | 必填 | 说明 |
+|------|------|------|
+| `--name` | ✅ | 组件名称（必须与类名一致） |
+| `--category` | ✅ | `entry`（业务组件）或 `entity`（基础实体） |
+| `--desc` | ✅ | 需求描述 |
+
+**AI 自动完成：**
+1. 从组件池中挑选依赖（DI 注入）
+2. 生成完整代码（含 `@inject` 构造函数 + `execute` 方法）
+3. 定义数据契约（`inputs` / `outputs`）
+4. 如需要新配置项，自动追加到 `config.toml`（通过 tomlkit）
+5. AST 安全检查（拦截 `eval`/`exec`/dunder 链）
+6. 写入 `modules/` 并注册到 `beans_config.json`
+
+### `add` — 注册人工编写的组件
+
+```bash
+python -m ai_pod_cli add --name CacheClient \
+    --class-path my_infra.cache.CacheClient \
+    --desc "Redis 缓存客户端"
+```
+
+| 参数 | 必填 | 说明 |
+|------|------|------|
+| `--name` | ✅ | 组件名称 |
+| `--class-path` | ✅ | 完整类路径 |
+| `--desc` | ✅ | 功能描述 |
+| `--category` | ❌ | 默认 `entity` |
+
+### `build` — AI 生成管道
+
+```bash
+# 生成管道文件 + 注册路由（不执行）
+python -m ai_pod_cli build "采集销售数据并写入SQLite" --name collect_sales
+
+# 列出所有已生成的管道
+python -m ai_pod_cli build --list
+```
+
+| 参数 | 说明 |
+|------|------|
+| `cmd` | 自然语言业务指令 |
+| `--name` | 自定义管道文件名（默认从指令自动生成） |
+| `--list` | 列出所有已保存的管道 |
+
+**build 做了什么：**
+1. AI 分析指令，规划组件执行链
+2. 生成 `pipelines/<name>.py` 管道文件
+3. AST 安全检查
+4. 自动注册到 `routes.toml`
+5. **不执行** — 由开发者通过入口文件运行
+
+## 架构
+
+### 生成与执行分离
+
+```
+┌─────────────────────────────────┐
+│         开发时（生成）            │
+│                                 │
+│  init "描述"  → 入口文件         │
+│  create       → 组件代码         │
+│  build "指令" → 管道文件 + 路由   │
+└─────────────────────────────────┘
+              ↓
+┌─────────────────────────────────┐
+│         运行时（执行）            │
+│                                 │
+│  python app.py                  │
+│    → Flask/FastAPI/CLI/MQ      │
+│    → PipelineRunner            │
+│    → routes.toml 路由匹配       │
+│    → 加载 pipeline.run(ctx)     │
+│    → DI 容器组装 + 管道执行      │
+└─────────────────────────────────┘
+```
+
+### PipelineRunner — 统一执行器
+
+框架内置的 `PipelineRunner` 负责加载和执行管道：
+
+```python
+from ai_pod_cli.runner import PipelineRunner
+
+runner = PipelineRunner()              # 读取 routes.toml
+runner.route_names()                   # ['collect_sales', ...]
+result = runner.run("collect_sales", {"sku_id": 1001})
+```
+
+AI 生成的入口文件（Flask/CLI/MQ 等）内部都调用 PipelineRunner。
+
+### 管道语法
+
+```python
+from ai_pod_cli.container import build_container, Pod
+
+def run(ctx: PipelineContext):
+    container = build_container(load_config())
+    S = Pod(container)
+
+    # 管道符串联：依次执行 A → B → C，自动记录轨迹
+    (S(DataCollector) | S(DataCleaner) | S(DataWriter)).execute_all(ctx)
+
+    # 条件分支
+    if ctx.get("stock", 0) <= 0:
+        (S(StockNotifier)).execute_all(ctx)
+
+    return ctx.summary()
+```
+
+### PipelineContext — 数据流转
+
+```python
+class DataProcessor:
+    def execute(self, ctx: PipelineContext) -> dict:
+        # 读取入口参数
+        count = ctx.params.get("order_count", 5)
+
+        # 读取上游数据
+        raw = ctx.get("raw_orders", [])
+
+        # 业务处理...
+
+        # 写入共享数据池，供下游使用
+        ctx.set("processed_orders", result)
+        return {"status": "success"}
+```
+
+### ConfigStore — 集中配置
+
+组件通过 DI 注入 ConfigStore 读取 `config.toml`：
+
+```toml
+# config.toml
+[database]
+sqlite_path = "data.db"    # build 时 AI 自动建议追加
+
+[redis]
+host = "localhost"
+port = 6379
+```
+
+```python
+class SqliteStore:
+    @inject
+    def __init__(self, config_store: ConfigStore):
+        db_path = config_store.get("database.sqlite_path", "data.db")
+        self.conn = sqlite3.connect(db_path)
+```
+
+### routes.toml — 路由映射
+
+`build` 命令自动注册，也可手动编辑：
+
+```toml
+[collect_sales]
+pipeline = "pipelines/collect_sales.py"
+description = "采集销售数据并写入SQLite"
+
+[stock_alert]
+pipeline = "pipelines/stock_alert.py"
+description = "库存不足时发送预警"
+```
+
+## 项目结构
+
+```
+ai-code-cli/
+├── pyproject.toml
+├── requirements.txt
+├── .env / .env.example
+├── config.toml              ← 项目配置（用户 + AI 共同维护）
+├── routes.toml              ← 路由映射（build 自动注册）
+├── beans_config.json        ← 组件账本
+├── cli.py                   ← AI 生成的入口（CLI 示例）
+├── modules/                 ← AI 生成的组件
+│   ├── sqlitestore.py
+│   ├── datacollector.py
+│   └── datawriter.py
+├── pipelines/               ← AI 生成的管道
+│   └── collect_sales.py
+└── ai_pod_cli/              ← 引擎核心
+    ├── cli.py               # CLI 参数解析
+    ├── client.py            # 大模型客户端（含重试）
+    ├── config.py            # 配置管理
+    ├── config_store.py      # ConfigStore 实体
+    ├── container.py         # DI 容器 + Pod 管道包装
+    ├── context.py           # PipelineContext
+    ├── runner.py            # PipelineRunner 执行器
+    ├── security.py          # AST 安全检查
+    ├── entities.py          # 内置实体（DbClient, SmsSender）
+    └── commands/
+        ├── init.py          # init 命令
+        ├── create.py        # create 命令
+        ├── add.py           # add 命令
+        └── build.py         # build 命令
+```
+
+## 安全
+
+AI 生成的代码经过 AST 静态扫描，拦截以下模式：
+
+| 类型 | 拦截内容 |
+|------|---------|
+| 危险函数 | `eval()`, `exec()`, `compile()`, `__import__()` |
+| dunder 链 | `__subclasses__`, `__mro__`, `__globals__`, `__builtins__` 等 |
+
+不限制 `import`——这是本地开发工具，开发者对自己的代码负责。
+
+## 配置
+
+| 文件 | 用途 | 谁维护 |
+|------|------|--------|
+| `.env` | 大模型 API 配置 | 开发者 |
+| `config.toml` | 项目配置（DB路径、端口等） | 开发者 + AI 建议追加 |
+| `routes.toml` | 管道路由映射 | AI 自动注册 + 开发者手动编辑 |
+| `beans_config.json` | 组件账本 | AI 自动维护 |
+
+## 依赖
+
+| 包 | 用途 |
+|----|------|
+| `openai` | 大模型 API 客户端 |
+| `injector` | IoC/DI 容器框架 |
+| `python-dotenv` | `.env` 环境变量加载 |
+| `tomlkit` | TOML 读写（保留格式和注释） |
+
+## License
+
+MIT

aipodcli-0.1.0/AIPodCli.egg-info/SOURCES.txt

@@ -0,0 +1,24 @@
+README.md
+pyproject.toml
+AIPodCli.egg-info/PKG-INFO
+AIPodCli.egg-info/SOURCES.txt
+AIPodCli.egg-info/dependency_links.txt
+AIPodCli.egg-info/entry_points.txt
+AIPodCli.egg-info/requires.txt
+AIPodCli.egg-info/top_level.txt
+ai_pod_cli/__init__.py
+ai_pod_cli/__main__.py
+ai_pod_cli/cli.py
+ai_pod_cli/client.py
+ai_pod_cli/config.py
+ai_pod_cli/config_store.py
+ai_pod_cli/container.py
+ai_pod_cli/context.py
+ai_pod_cli/entities.py
+ai_pod_cli/runner.py
+ai_pod_cli/security.py
+ai_pod_cli/commands/__init__.py
+ai_pod_cli/commands/add.py
+ai_pod_cli/commands/build.py
+ai_pod_cli/commands/create.py
+ai_pod_cli/commands/init.py

aipodcli-0.1.0/AIPodCli.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

aipodcli-0.1.0/AIPodCli.egg-info/entry_points.txt

@@ -0,0 +1,2 @@
+[console_scripts]
+ai-pod = ai_pod_cli.cli:main

aipodcli-0.1.0/AIPodCli.egg-info/requires.txt

@@ -0,0 +1,4 @@
+openai
+injector
+python-dotenv
+tomlkit

aipodcli-0.1.0/AIPodCli.egg-info/top_level.txt

@@ -0,0 +1 @@
+ai_pod_cli