ConvergeLoop

让 AI 一次性把任何代码项目修到商业级标准，终结"AI 修了又坏、坏了又修"的死循环。

你只需要对 AI 说一句话："帮我把项目修复到完整版"，ConvergeLoop 就会自动驱动 AI 反复检查、修复、验证，直到项目真正达到可上线标准——不是 AI 自己说"修好了"，而是通过真实编译、测试、安全扫描验证过的"真完美"。

你说"修到完整版" → ConvergeLoop 分析项目 → 生成检查任务 → AI 执行修复
       ↑                                              ↓
       └── 越修越乱？自动回滚 ← 真实测试验证 ← 6级质量门控 ←┘

📑 目录

🎯 解决什么问题
🏗️ 架构总览
📋 前置环境要求
🚀 快速开始（5分钟跑起来）
🐳 Docker 部署（推荐生产环境）
🔧 环境变量配置
💻 IDE 集成（MCP 协议）
📦 项目结构
✅ 部署后验证
❓ 常见问题 FAQ
⚙️ 高级配置
📊 能力一览
📜 License

🎯 解决什么问题

传统 AI 修代码的痛点：

痛点	表现	ConvergeLoop 的解法
修了又坏	AI 修好 A 模块，却弄坏了 B 模块	修复后强制真实编译+测试，坏了立即回滚
假完美	AI 说"已经完整了"，再问一次又说有问题	7 条防欺骗铁律 + 交叉验证 + 突袭检查
无标准	"修好了"到底什么标准？无法量化	11 维度成熟度评分（0-100 分），目标可设
无止境	不知道什么时候该停	收敛判定引擎：连续 N 轮无新问题即收敛
怕回滚	AI 改坏了无法恢复	Git 快照 + 原子批处理 + 退化自动回滚

适合谁用：

后端/前端开发者：在 IDE 里说一句话就修复项目
DevOps 工程师：CI/CD 集成自动化质量门控
AI 工程师：作为 MCP Server 集成到任意 IDE（Trae/Cursor/VSCode/Claude Desktop）

🏗️ 架构总览

┌─────────────────────────────────────────────────────────────────────┐
│  第七层：商业就绪裁决层                                              │
│  11维度成熟度评分 + 6级质量门控全通过 = 商业上线 ready                 │
└─────────────────────────────────────────────────────────────────────┘
                              ↑
┌─────────────────────────────────────────────────────────────────────┐
│  第六层：收敛裁决层                                                  │
│  状态指纹 + 交叉一致性 + 回归验证 + 突袭验证 + 魔鬼代言人             │
└─────────────────────────────────────────────────────────────────────┘
                              ↑
┌─────────────────────────────────────────────────────────────────────┐
│  第五层：红蓝对抗层                                                  │
│  红队攻击 → 蓝队修复 → 裁判仲裁 → 止损回滚                          │
└─────────────────────────────────────────────────────────────────────┘
                              ↑
┌─────────────────────────────────────────────────────────────────────┐
│  第四层：多角色矩阵层                                                │
│  红队（17+角色）发现问题 → 蓝队（8类工程师）修复问题                  │
│  每个角色独立会话，结果交叉比对，防止单一AI的确认偏误                 │
└─────────────────────────────────────────────────────────────────────┘
                              ↑
┌─────────────────────────────────────────────────────────────────────┐
│  第三层：智能提示语引擎（PromptForge）                                │
│  8种对抗性模板，根据项目类型/轮次/角色/历史动态生成                   │
└─────────────────────────────────────────────────────────────────────┘
                              ↑
┌─────────────────────────────────────────────────────────────────────┐
│  第二层：项目感知引擎（Project Sense）                                │
│  零配置识别：文件结构、依赖、代码特征、配置文件                       │
└─────────────────────────────────────────────────────────────────────┘
                              ↑
┌─────────────────────────────────────────────────────────────────────┐
│  第一层：执行引擎层                                                  │
│  构建系统适配器 + Docker 沙箱 + AST 感知修复 + 修复冲突管理           │
│  → 质量门控基于真实执行结果，不是 AI 声称的结果                       │
└─────────────────────────────────────────────────────────────────────┘

数据流： 你说"修复项目" → 项目感知（识别技术栈）→ 生成对抗性检查提示语 → AI 执行修复 → 真实编译/测试验证 → 评分 → 不达标则继续下一轮 → 达标且无新问题则收敛。

📋 前置环境要求

组件	最低版本	推荐版本	说明
Python	3.10	3.12	源码运行必需
pip	23.0	最新版	安装依赖
Git	2.30	最新版	快照/回滚功能必需
Docker	24.0	最新版	Docker 部署 + 安全沙箱执行必需
Docker Compose	v2.20	最新版	Docker 部署必需

可选组件：

组件	用途	何时需要
Node.js 18+	分析 Node.js 项目时	你的目标项目是 Node.js 项目
Go 1.21+	分析 Go 项目时	你的目标项目是 Go 项目
Java 17+	分析 Java 项目时	你的目标项目是 Java 项目

验证环境是否就绪：

python --version    # 应输出 3.10+
git --version       # 应输出 git version 2.30+
docker --version    # 应输出 Docker version 24.0+
docker compose version  # 应输出 Docker Compose version v2.20+

🚀 快速开始（5分钟跑起来）

方式一：从源码运行（推荐开发者）

第 1 步：下载代码

# 替换为你的实际仓库地址（内网可用 git@your-git-server:group/ConvergeLoop.git）
git clone <你的仓库地址>
cd ConvergeLoop

第 2 步：创建虚拟环境并安装依赖

# Windows (PowerShell)
python -m venv .venv
.venv\Scripts\Activate.ps1
pip install -e ".[dev]"

# macOS / Linux
python3 -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

第 3 步：验证安装成功

convergeloop --help
# 应输出 CLI 帮助信息，列出 fix/analyze/score/test/server 等命令

第 4 步：分析你的项目（无需任何 API Key）

# 协作模式（默认）：生成检查提示语，由 IDE 的 AI 执行
convergeloop analyze /path/to/your/project

第 5 步：一键修复到完整版

# CLI 模式：通过收敛阈值和最大轮次控制修复目标
convergeloop fix /path/to/your/project --threshold 3 --max-rounds 20

💡 修复目标级别（MCP 协作模式）：在 IDE 中通过 @convergeloop 调用时，支持 target_level 参数：

release (正式版，≥80分)

commercial (完整版，≥90分)

perfect (完美版，≥95分)

方式二：pip 安装（如已发布到 PyPI）

pip install convergeloop
convergeloop fix /path/to/your/project

🐳 Docker 部署（推荐生产环境）

一键启动

第 1 步：准备配置文件

# 复制环境变量模板
cp .env.example .env

# 按需编辑 .env（至少设置 CONVERGELOOP_API_KEY 用于生产环境）

第 2 步：启动服务

# 构建并启动（首次约 3-5 分钟构建镜像）
docker compose up -d --build

# 查看运行状态
docker compose ps

# 查看日志
docker compose logs -f convergeloop

第 3 步：验证服务可用

# 就绪探针（验证服务完全可用）
curl http://localhost:8080/ready
# 就绪时返回: {"status":"ready"}
# 未就绪时返回 503: {"status":"not ready","reasons":["git not available"]}

# 存活探针（验证进程存活）
curl http://localhost:8080/api/v1/health
# 返回: {"status":"healthy","version":"1.2.0","active_sessions":0,"error_sessions":0,"checks":{...},"timestamp":"..."}

# 打开 Dashboard（浏览器访问）
# http://localhost:8080/dashboard

挂载待分析项目

docker-compose.yml 默认注释了项目挂载行。要分析你的项目，编辑 docker-compose.yml：

services:
  convergeloop:
    volumes:
      # 取消注释并替换为你的项目路径：
      - /path/to/your/project:/workspace/project

然后重启：

docker compose up -d

Docker 部署的受保护模式

Docker 容器内绑定 0.0.0.0 是端口映射的必要条件。如果未设置 CONVERGELOOP_API_KEY，必须在 .env 中显式开启：

# .env 文件
CONVERGELOOP_ALLOW_NO_AUTH=1

⚠️ 生产环境强烈建议设置 CONVERGELOOP_API_KEY 而非开启此项，否则 API 将无认证暴露到网络。

资源限制

docker-compose.yml 已配置资源限制：

资源	限制值	说明
内存上限	2g	防止内存泄漏拖垮宿主机
CPU 上限	2.0 核	防止 CPU 打满影响其他服务
内存预留	512m	保证最低可用资源
日志大小	10MB × 3	防止日志撑满磁盘

如需调整，编辑 docker-compose.yml 的 deploy.resources 段。

🔧 环境变量配置

所有环境变量都在 .env.example 中有详细说明。复制为 .env 后按需修改：

cp .env.example .env

核心环境变量

变量名	含义	默认值	必填
`CONVERGELOOP_API_KEY`	API 鉴权密钥，设置后所有请求需携带	未设置	生产环境必填
`CONVERGELOOP_ALLOW_NO_AUTH`	无认证时是否允许绑定非 localhost	`0`（拒绝）	Docker 部署且无 API Key 时需设为 `1`
`CONVERGELOOP_API_HOST`	API 服务监听地址	`0.0.0.0`	否
`CONVERGELOOP_API_PORT`	API 服务监听端口	`8080`	否
`CONVERGELOOP_PROJECT_PATH`	默认分析的项目路径	当前目录	否
`CONVERGELOOP_WORKERS`	Worker 进程数	`1`	生产建议设为 CPU 核数

AI 引擎配置（自主模式才需要，协作模式无需设置）

变量名	含义	获取地址
`DEEPSEEK_API_KEY`	DeepSeek API Key（推荐，性价比高）	https://platform.deepseek.com/
`GLM_API_KEY`	智谱 GLM API Key	https://open.bigmodel.cn/
`OPENAI_API_KEY`	OpenAI API Key	https://platform.openai.com/
`ANTHROPIC_API_KEY`	Anthropic Claude API Key	https://console.anthropic.com/
`OLLAMA_BASE_URL`	Ollama 本地模型服务地址	http://localhost:11434
`OLLAMA_MODEL`	Ollama 模型名称	`codellama:34b`

安全相关配置

变量名	含义	默认值
`CONVERGELOOP_CORS_ORIGINS`	CORS 允许的源（逗号分隔）	仅允许本地
`CONVERGELOOP_FORCE_HTTPS`	是否强制 HTTPS 重定向	`0`
`CONVERGELOOP_SSL_KEYFILE`	TLS 私钥路径	未设置
`CONVERGELOOP_SSL_CERTFILE`	TLS 证书路径	未设置
`CONVERGELOOP_ENABLE_DOCS`	是否开放 API 文档端点	`0`（生产关闭）
`CONVERGELOOP_LOG_LEVEL`	日志级别	`INFO`
`CONVERGELOOP_ANALYZE_RATE_LIMIT`	分析接口速率限制	`10/minute`

引擎内部配置

变量名	含义	默认值
`CL_ALLOW_SELF_FIX`	允许 AI 自主应用修复补丁	`0`（需人工确认）
`CL_DISABLE_PRESERVATION_DIRECTIVE`	禁用保留性约束	`0`（启用约束）
`CL_PREFLIGHT_MODE`	Preflight 模式	`warn`
`CL_PROJECT_PATH`	引擎默认项目路径	未设置
`CI_CD_TOKEN`	CI/CD 触发门控认证 Token	未设置

💻 IDE 集成（MCP 协议）

ConvergeLoop 支持 MCP 协议，可集成到任何 MCP 兼容的 IDE。

一键安装到 IDE

# 自动扫描已安装的 IDE，交互式选择配置
convergeloop install

# 安装到所有检测到的 IDE
convergeloop install --all

# 安装到指定 IDE
convergeloop install --ide trae,cursor,catpaw

支持的 IDE： Trae、Cursor、CatPawAI、VS Code + Cline、Claude Desktop、Windsurf、CodeArts Agent

手动配置 MCP Server

在 IDE 的 MCP 配置文件中添加：

{
  "mcpServers": {
    "convergeloop": {
      "command": "python",
      "args": ["-m", "convergeloop.mcp_server"]
    }
  }
}

在 IDE 中使用

集成后，在对话中直接说：

@convergeloop 帮我把当前项目修复到完整版

ConvergeLoop 会：

自动分析项目技术栈和风险域
生成多角色对抗性检查提示语
等待 IDE 的 AI 执行修复
真实编译+测试验证修复结果
循环直到达到目标成熟度

📦 项目结构

ConvergeLoop/
├── convergeloop/                   # 主源码包
│   ├── core/                       # 核心引擎（7层架构）
│   │   ├── adversarial_loop.py     #   对抗循环核心（7层编排）
│   │   ├── project_sense.py        #   项目感知引擎（零配置识别）
│   │   ├── prompt_forge.py         #   智能提示语引擎（8种模板）
│   │   ├── role_matrix.py          #   角色矩阵（红队17+ + 蓝队8类）
│   │   ├── convergence_judge.py    #   收敛判定引擎（防欺骗核心）
│   │   ├── maturity_scorer.py      #   11维度成熟度评分器
│   │   ├── quality_gates.py        #   6级质量门控（真实执行验证）
│   │   ├── build_adapter.py        #   构建系统适配器（9种语言）
│   │   ├── sandbox_manager.py      #   Docker 安全执行沙箱
│   │   ├── fix_applier.py          #   AST 感知修复应用引擎
│   │   ├── fix_scheduler.py        #   修复冲突管理 + 批处理调度
│   │   ├── rollback_manager.py     #   回滚管理器（止损机制）
│   │   └── ...                     #   其他核心模块
│   ├── adapters/                   # AI 引擎适配器
│   │                               #   OpenAI/Claude/DeepSeek/GLM/Ollama
│   ├── templates/                  # 8种对抗性提示语模板
│   ├── config/                     # 配置文件（角色/阈值/引擎/维度）
│   ├── utils/                      # 工具模块（AST/哈希/Git/缓存）
│   ├── mcp_server.py               # MCP Server（FastMCP + 9个tools）
│   ├── cli.py                      # CLI 命令行入口（18个命令）
│   ├── installer.py                # IDE 自动检测与一键安装
│   ├── server.py                   # API 服务入口（FastAPI）
│   └── web_dashboard.py            # Web 仪表盘
├── tests/                          # 测试套件
├── .github/workflows/              # GitHub Actions CI/CD
├── .gitlab-ci.yml                  # GitLab CI 配置
├── Dockerfile                      # 容器化部署（多阶段构建）
├── docker-compose.yml              # Docker Compose 生产部署
├── pyproject.toml                  # Python 项目配置
├── requirements.txt                # 依赖锁定
├── .env.example                    # 环境变量模板
├── CHANGELOG.md                    # 变更日志
└── CONTRIBUTING.md                 # 贡献指南

✅ 部署后验证

部署完成后，按以下步骤验证 ConvergeLoop 是否正常工作：

1. 健康检查

# 就绪探针（验证服务完全可用）
curl http://localhost:8080/ready
# 就绪时返回: {"status":"ready"}
# 未就绪时返回 HTTP 503: {"status":"not ready","reasons":["..."]}

# 存活探针（验证进程存活 + 依赖可用性）
curl http://localhost:8080/api/v1/health
# 返回: {"status":"healthy","version":"1.2.0","active_sessions":N,"error_sessions":N,"checks":{"git":"ok","session_store":"ok","error_sessions":"0"},"timestamp":"...","python_version":"...","platform":"..."}

2. Dashboard 验证

浏览器访问 http://localhost:8080/dashboard，应看到 ConvergeLoop 仪表盘界面。

3. CLI 功能验证

# 查看版本
convergeloop --version

# 分析示例项目
convergeloop analyze . --depth standard

# 评估成熟度评分
convergeloop score .
# 应输出 11 维度评分卡

4. MCP 集成验证

在 IDE 中输入：

@convergeloop 分析当前项目

应收到 ConvergeLoop 返回的项目分析报告。

5. Docker 部署验证

# 容器状态
docker compose ps
# STATUS 应为 Up (healthy)

# 容器日志无错误
docker compose logs convergeloop --tail 50
# 不应有 Traceback 或 ERROR 级别日志

❓ 常见问题 FAQ

Q1: `pip install -e ".[dev]"` 报错 "Could not find a version"

原因： Python 版本低于 3.10。

解决方案：

# 检查 Python 版本
python --version
# 必须 >= 3.10

# 如需升级（以 3.12 为例）
# Windows: 从 https://python.org 下载安装
# macOS: brew install python@3.12
# Ubuntu: sudo apt install python3.12 python3.12-venv

Q2: Docker 构建失败 "failed to compute cache key"

原因： Docker 上下文缺少必要文件。

解决方案：

# 确保在项目根目录执行
cd /path/to/ConvergeLoop

# 确认关键文件存在
ls Dockerfile requirements.txt pyproject.toml convergeloop/

# 清理缓存重新构建
docker compose build --no-cache

Q3: 启动时报错 "安全拒绝启动：未设置 CONVERGELOOP_API_KEY"

原因： 触发了受保护模式——未设置 API Key 且绑定到非 localhost 地址。

解决方案（三选一）：

# 方案 1（推荐）：设置 API Key
echo 'CONVERGELOOP_API_KEY=your-secret-key' >> .env

# 方案 2：仅本地访问
echo 'CONVERGELOOP_API_HOST=127.0.0.1' >> .env

# 方案 3：显式确认风险（仅限受信任网络）
echo 'CONVERGELOOP_ALLOW_NO_AUTH=1' >> .env

Q4: `convergeloop fix` 执行后项目没有变化

原因： 协作模式下 AI 未执行提示语，或自主模式未配置 API Key。

解决方案：

# 查看运行中的会话
convergeloop sessions

# 查看会话报告（确认修复进度）
convergeloop report <session_id>

# 查看历史会话
convergeloop history list

# 自主模式：检查 API Key 是否设置
echo $DEEPSEEK_API_KEY  # 应非空

Q5: Docker 容器健康检查失败 "unhealthy"

原因： 服务启动慢或端口未正确映射。

解决方案：

# 查看容器状态
docker compose ps

# 查看启动日志
docker compose logs convergeloop --tail 100

# 手动测试健康端点
docker exec convergeloop curl -s http://localhost:8080/api/v1/ready

# 如果是启动慢，增加 start_period
# 编辑 docker-compose.yml healthcheck.start_period

Q6: Windows 下中文路径报错 "UnicodeDecodeError"

原因： Windows 默认编码非 UTF-8。

解决方案：

# 设置环境变量
set PYTHONUTF8=1
set PYTHONIOENCODING=utf-8

# 或在 .env 中设置
echo 'PYTHONUTF8=1' >> .env
echo 'PYTHONIOENCODING=utf-8' >> .env

Q7: MCP Server 在 IDE 中无法连接

原因： MCP 配置路径错误或 Python 环境未激活。

解决方案：

# 验证 MCP Server 可启动
python -m convergeloop.mcp_server --help

# 检查 IDE 配置中的 Python 路径
# 应指向虚拟环境中的 python，而非系统 python

Q8: 修复过程中项目文件被误删/重置

原因： 触发了破坏性修复拦截或 Git 回滚。

解决方案：

# 查看修复历史快照
git log --oneline -20

# 回滚到修复前
git reset --hard <commit-hash>

# ConvergeLoop 每轮修复前都会 git commit，不会丢失代码
# 查看所有 cl-backup 标签
git tag -l "cl-backup-*"

Q9: 分析大型项目超时

原因： 项目文件过多导致扫描耗时。

解决方案：

# 限制分析深度（basic/standard/deep）
convergeloop analyze /path/to/project --depth basic

# 在项目根目录配置 .gitignore 跳过大目录（ConvergeLoop 尊重 .gitignore）
# 确保以下目录已被 .gitignore 排除：
#   vendor/
#   node_modules/
#   .venv/
#   dist/
#   build/

# 保存分析结果到文件，避免重复分析
convergeloop analyze /path/to/project --output analysis.json

Q10: 如何查看修复的详细报告

# 查看会话报告（Markdown 格式，直接输出到终端）
convergeloop report <session_id>

# 导出 HTML 格式报告
convergeloop export <session_id> --format html --output report.html

# 导出 JSON 格式报告
convergeloop export <session_id> --format json --output report.json

# 导出 PDF 格式报告
convergeloop export <session_id> --format pdf --output report.pdf

⚙️ 高级配置

主配置文件

主配置文件位于 convergeloop/config/convergeloop.json：

# 查看配置
convergeloop config show

# 修改配置
convergeloop config set engine.default deepseek
convergeloop config set convergence.threshold 5

核心配置项：

{
  "engine": {
    "mode": "collaborative",
    "default": "deepseek",
    "fallback": "glm"
  },
  "convergence": {
    "threshold": 3,
    "max_rounds": 20,
    "maturity_target": 90
  },
  "anti_deception": {
    "force_find_issues": true,
    "min_issues_per_round": 3,
    "devil_advocate_probability": 0.3
  },
  "quality_gates": {
    "enabled": true,
    "auto_rollback_on_failure": true
  }
}

修复目标级别

修复目标通过 MCP 协作模式或 CLI 参数控制：

MCP `target_level`	分数要求	CLI 等效配置	适用场景
`release` (正式版)	≥ 80	`--threshold 3 --max-rounds 15`	内部工具、Demo 项目
`commercial` (完整版)	≥ 90	`--threshold 3 --max-rounds 20`	商业产品、对外服务
`perfect` (完美版)	≥ 95	`--threshold 3 --max-rounds 30`	金融/医疗/安全关键系统

MCP 协作模式（IDE 中调用）：

@convergeloop 修复项目到完美版

CLI 自主模式：

# 通过收敛阈值和最大轮次控制（CLI 不直接支持 target_level 参数）
convergeloop fix /path/to/project --threshold 3 --max-rounds 30

CLI 常用命令

# 一键修复（默认协作模式，无需 API Key）
convergeloop fix /path/to/project

# 指定 AI 引擎（自主模式需配置对应 API Key）
convergeloop fix /path/to/project --engine deepseek --mode autonomous

# 指定关注领域
convergeloop fix /path/to/project --focus security,performance

# 自定义收敛阈值和最大轮次
convergeloop fix /path/to/project --threshold 5 --max-rounds 30

# 自动应用修复（无需人工确认）
convergeloop fix /path/to/project --auto-apply

# 仅分析，不修复（结果保存到文件）
convergeloop analyze /path/to/project --output analysis.json

# 评估成熟度评分
convergeloop score /path/to/project

# 执行测试
convergeloop test /path/to/project

# 查看运行中的会话
convergeloop sessions

# 查看历史会话
convergeloop history list

# 查看会话报告
convergeloop report <session_id>

# 导出报告（支持 markdown/html/json/pdf）
convergeloop export <session_id> --format html --output report.html

# 恢复中断的会话
convergeloop resume <session_id>

# 启动 API 服务
convergeloop server --port 8080 --host 0.0.0.0

# 一键安装到 IDE
convergeloop install

📊 能力一览

8 层深度分析体系

层级	分析维度	检测内容	对应门控
L1	基础可用	语法错误、类型错误、导入错误、缺失依赖、Lint	G1 可编译
L2	测试验证	单元测试、覆盖率、集成测试、API连通	G2 可测试
L3	安全防护	SQL注入、XSS、CSRF、命令注入、路径穿越、依赖CVE	G3 可安全
L4	性能与并发	N+1查询、内存泄漏、死锁、竞态条件、热点	G5 可性能
L5	业务逻辑	状态机完整性、事务一致性、边界条件、SOLID	G4 可集成
L6	工程化	环境变量、配置文件、CI/CD、Docker、监控	G6 可上线
L7	文档完整	README、API文档、CHANGELOG、CONTRIBUTING	G6 可上线
L8	兼容体验	API版本、数据库迁移、错误提示、可访问性	G6 可上线

11 维度成熟度评分

维度	权重	说明
安全等级	18%	依赖漏洞、输入验证、加密、认证授权
功能完整	16%	核心功能、边界场景、错误处理
可运行性	14%	能否启动、能否跑通核心流程
可部署性	10%	Dockerfile、CI/CD、部署文档
代码质量	10%	Lint通过、复杂度、命名规范
架构健康	8%	耦合度、扩展性、单点风险
端到端可用	6%	从部署到使用的完整流程
测试覆盖	8%	单元测试、集成测试、E2E
性能表现	4%	响应时间、并发、缓存
文档完整	4%	README、API文档、CHANGELOG
DevOps就绪	2%	监控、日志、告警

权重自适应：上表为 general 默认权重。ConvergeLoop 会根据项目类型（general/iot_protocol/ecommerce/admin_panel/enterprise/api_service/open_source）自动调整各维度权重。例如 IoT 协议项目提升 runtime 权重，电商项目提升 security 权重。详见 maturity_scorer.py 的 PROJECT_TYPE_PROFILES。

7 条防欺骗铁律

铁律	机制	说明
1. 强制找问题	"找不到N个问题算失败"	打破AI讨好倾向
2. 角色随机化	每轮打乱顺序	防止AI记住套路
3. 突袭验证	未使用过的最严苛角色突然提问	检测AI是否在"演戏"
4. 负向激励	说"没问题"触发更严苛审查	让AI不敢轻易说完美
5. 可执行性检查	修复必须有具体代码	过滤空话套话
6. 魔鬼代言人	专门反驳AI的结论	打破确认偏误
7. 状态指纹	AST + 哈希检测文件是否真正修改	防止文字游戏

性能参考

项目规模	首次分析	后续轮次（增量）	完整修复（预估）
小型（<1万行）	2-5分钟	30秒-1分钟	15-30分钟
中型（1-10万行）	10-30分钟	2-5分钟	1-3小时
大型（10-50万行）	30-60分钟	5-15分钟	3-8小时

📜 License

MIT License - 详见 LICENSE

🤝 贡献

欢迎提交 Issue 和 PR！详见 CONTRIBUTING.md

ConvergeLoop - 修到真完美，不是假完美

商业就绪 = 真实执行验证(编译+测试) × 深度分析(8层) × 多角色博弈 × 负向提问 × 交叉验证 × 红蓝对抗 × 质量门控(6级) × 收敛判定 × 成熟度评分(11维度) × 错误学习进化

Name		Name	Last commit message	Last commit date
Latest commit History 805 Commits
.github		.github
convergeloop		convergeloop
docs		docs
scripts		scripts
tests		tests
.dockerignore		.dockerignore
.env.example		.env.example
.gitignore		.gitignore
.gitlab-ci.yml		.gitlab-ci.yml
CHANGELOG.md		CHANGELOG.md
CONTRIBUTING.md		CONTRIBUTING.md
Dockerfile		Dockerfile
LICENSE		LICENSE
MCP_CONFIG.md		MCP_CONFIG.md
MCP_SETUP.md		MCP_SETUP.md
README.md		README.md
THIRD_PARTY_NOTICES.md		THIRD_PARTY_NOTICES.md
docker-compose.yml		docker-compose.yml
main.py		main.py
mcp-config.json		mcp-config.json
pyproject.toml		pyproject.toml
requirements.lock		requirements.lock
requirements.txt		requirements.txt
start_mcp.bat		start_mcp.bat
start_mcp.ps1		start_mcp.ps1
start_mcp.sh		start_mcp.sh

Folders and files

Latest commit

History

Repository files navigation

ConvergeLoop

📑 目录

🎯 解决什么问题

🏗️ 架构总览

📋 前置环境要求

🚀 快速开始（5分钟跑起来）

方式一：从源码运行（推荐开发者）

方式二：pip 安装（如已发布到 PyPI）

🐳 Docker 部署（推荐生产环境）

一键启动

挂载待分析项目

Docker 部署的受保护模式

资源限制

🔧 环境变量配置

核心环境变量

AI 引擎配置（自主模式才需要，协作模式无需设置）

安全相关配置

引擎内部配置

💻 IDE 集成（MCP 协议）

一键安装到 IDE

手动配置 MCP Server

在 IDE 中使用

📦 项目结构

✅ 部署后验证

1. 健康检查

2. Dashboard 验证

3. CLI 功能验证

4. MCP 集成验证

5. Docker 部署验证

❓ 常见问题 FAQ

Q1: pip install -e ".[dev]" 报错 "Could not find a version"

Q2: Docker 构建失败 "failed to compute cache key"

Q3: 启动时报错 "安全拒绝启动：未设置 CONVERGELOOP_API_KEY"

Q4: convergeloop fix 执行后项目没有变化

Q5: Docker 容器健康检查失败 "unhealthy"

Q6: Windows 下中文路径报错 "UnicodeDecodeError"

Q7: MCP Server 在 IDE 中无法连接

Q8: 修复过程中项目文件被误删/重置

Q9: 分析大型项目超时

Q10: 如何查看修复的详细报告

⚙️ 高级配置

主配置文件

修复目标级别

CLI 常用命令

📊 能力一览

8 层深度分析体系

11 维度成熟度评分

7 条防欺骗铁律

性能参考

📜 License

🤝 贡献

About

Topics

Resources

Contributing

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages

Q1: `pip install -e ".[dev]"` 报错 "Could not find a version"

Q4: `convergeloop fix` 执行后项目没有变化