动态评审团多维评分系统#

基于 AutoResearch 思路的智能评审框架。

核心理念#

text

任务分析 → 生成评审团 → 极端挑战 → 用户选择 → 终极评审团 → 迭代优化

工作流程#

Phase 1: 任务分析#

分析用户任务，识别关键维度：

python

task = "创建一个高并发的 C++ HTTP 服务器"

analysis = {
    "type": "网络服务",
    "keywords": ["高并发", "HTTP", "服务器", "C++"],
    "risk_areas": ["并发安全", "内存管理", "网络协议"],
    "quality_focus": ["性能", "安全", "稳定性"]
}

Phase 2: 生成核心评审团#

根据任务类型，生成"上下左右"包围阵势的核心评审团：

text

                    【上】架构官
                       ↓
【左】安全官 ←─── 核心代码 ───→ 【右】性能官
                       ↑
                    【下】测试官

核心评审团生成规则：

任务类型核心评审团说明网络服务架构官、安全官、性能官、测试官四方包围数据处理数据官、性能官、安全官、文档官数据为中心UI/前端美术官、体验官、性能官、兼容官用户为中心算法/AI算法官、性能官、测试官、伦理官质量为先安全工具安全官、渗透官、合规官、审计官安全至上通用代码美术官、性能官、安全官、测试官、文档官五官齐全

Phase 3: 极端评审团挑战#

生成"极端评审官"，质疑核心评审团的盲点：

极端评审官类型：

极端评审官职责挑战问题🔥 纵火官破坏性测试"如果故意传入恶意输入会怎样？"🧟 僵尸官边界极端"如果内存只剩 1KB 怎么办？"⏰ 时间官时间压力"如果要在 10ms 内完成怎么办？"💀 死神官失败场景"如果这个函数崩溃了怎么办？"🎭 骗子官欺骗输入"如果用户谎称输入类型怎么办？"🌀 混沌官随机异常"如果网络突然断开怎么办？"📉 吝啬官资源极限"如果 CPU 占用必须 < 1% 怎么办？"🌪️ 风暴官高压负载"如果并发 100 万请求怎么办？"

Phase 4: 用户选择#

向用户展示极端评审团，选择加入：

markdown

## 🎭 极端评审官提议

根据您的任务特点，建议考虑以下极端评审官：

| 评审官 | 挑战维度 | 推荐理由 |
|--------|----------|----------|
| 🔥 纵火官 | 破坏性测试 | 网络服务需要抵抗恶意输入 |
| 🌀 混沌官 | 异常处理 | 高并发场景网络不稳定 |
| 🌪️ 风暴官 | 极限负载 | 高并发需要压测验证 |

**请选择要加入的极端评审官：**
- [ ] 全部加入
- [ ] 选择加入（指定）
- [ ] 不加入，使用核心评审团

Phase 5: 终极评审团#

组合核心 + 极端，形成本次任务的终极评审团：

markdown

## ⚔️ 终极评审团阵容

### 核心阵势

text

    【架构官】赵构
        ↓

【安全官】盾山 ─── 代码 ─── 【性能官】闪电 ↑ 【测试官】试金石

text

### 极端挑战

🔥 纵火官·焚天 | 🌀 混沌官·乱舞 | 🌪️ 风暴官·狂啸

text

共 7 位评审官，综合权重自动分配。

Phase 6: 多轮迭代#

python

for iteration in range(max_iterations):
    # 1. 生成/改进代码
    code = generate_or_improve(task, previous_feedback)

    # 2. 核心评审团评分
    core_scores = core_jury.evaluate(code)

    # 3. 极端评审官挑战
    extreme_challenges = extreme_jury.challenge(code)

    # 4. 综合得分
    total = weighted_average(core_scores, extreme_challenges)

    # 5. 决策
    if total >= threshold:
        return ACCEPT, code
    elif no_improvement:
        return STAGNANT, best_code
    else:
        feedback = generate_feedback(core_scores, extreme_challenges)
        continue

评审官角色库#

核心评审官#

评审官符号维度权重范围🎨 美术官🎨代码美学10-25%⚡ 性能官⚡执行效率10-25%🔒 安全官🔒安全性10-25%🧪 测试官🧪测试质量10-25%📝 文档官📝文档完整10-25%🏗️ 架构官🏗️架构设计10-20%📊 数据官📊数据处理10-20%👁️ 体验官👁️用户体验10-20%⚖️ 合规官⚖️合规性10-20%🤖 算法官🤖算法质量10-20%

极端评审官#

评审官符号挑战类型适用场景🔥 纵火官🔥破坏性测试网络、安全、输入处理🧟 僵尸官🧟资源极限嵌入式、移动端⏰ 时间官⏰时间压力实时系统、高频交易💀 死神官💀失败恢复关键系统、金融🎭 骗子官🎭输入欺骗用户输入、API🌀 混沌官🌀随机异常分布式、网络📉 吝啬官📉资源极限性能敏感🌪️ 风暴官🌪️极限负载高并发、游戏

配置参数#

参数默认值说明max_iterations5最大迭代次数accept_threshold80接受阈值min_improvement5最低改进分数core_jury_size4-5核心评审团人数extreme_jury_max3极端评审官最大数

使用示例#

示例 1: 高并发服务器#

text

用户: 创建一个高并发 C++ HTTP 服务器

系统分析:
- 类型: 网络服务
- 关键词: 高并发、HTTP、服务器
- 风险点: 并发安全、内存泄漏、连接管理

生成核心评审团:
        【架构官】
            ↓
【安全官】─── 代码 ───【性能官】
            ↑
        【测试官】

极端评审官提议:
- 🔥 纵火官 (恶意请求)
- 🌪️ 风暴官 (极限并发)
- 🌀 混沌官 (网络异常)

用户选择: 全部加入

终极评审团: 7 位评审官
开始多轮迭代...

示例 2: 数据处理脚本#

text

用户: 写一个 Python 数据清洗脚本

系统分析:
- 类型: 数据处理
- 关键词: 数据、清洗、脚本

生成核心评审团:
        【数据官】
            ↓
【安全官】─── 代码 ───【性能官】
            ↓
        【文档官】

极端评审官提议:
- 🎭 骗子官 (脏数据)
- 💀 死神官 (数据丢失)

用户选择: 加入骗子官

终极评审团: 5 位评审官
开始多轮迭代...

反馈输出格式#

markdown

## ⚔️ 第 N 轮评审

### 核心评分
| 评审官 | 分数 | 状态 | 主要问题 |
|--------|------|------|----------|
| 🏗️ 架构官 | 82 | ✅ | 模块划分清晰 |
| ⚡ 性能官 | 75 | ⚠️ | 可优化连接池 |
| 🔒 安全官 | 68 | ⚠️ | 缺少输入验证 |
| 🧪 测试官 | 60 | ⚠️ | 测试覆盖不足 |

### 极端挑战
| 评审官 | 通过 | 挑战结果 |
|--------|------|----------|
| 🔥 纵火官 | ❌ | 恶意请求导致崩溃 |
| 🌪️ 风暴官 | ⚠️ | 10K 并发延迟增加 |

**综合得分: 71.2 分**
**状态: 继续迭代**

### 改进建议
1. [安全] 添加请求头验证
2. [测试] 添加并发测试用例
3. [极限] 增加请求速率限制

注意事项#

• 极端评审官数量适中，避免过度惩罚
• 每轮迭代要有明确改进目标
• 迭代停滞时及时终止
• 记录评审历史用于分析优化