当前LLM的能力越来越强，结合Continue、VS等工具，以具备备独立编程和完成项目的能力。

比如将Continue与 VS Code 内置的测试探针(Test Adapter)、终端输出和 Lint 信息深度绑定。

这里尝试提供一套从手动闭环到全自动闭环的自动编程框架方案。

1 基础设施

要形成闭环，LLM必须看得见测试结果和报错信息。

1）开启 Continue 的自动上下文

在 VS Code 设置中，确保 Continue 的Experimental选项中开启enableInlineCompletion和automaticContext。

2）绑定测试命令

在keybindings.json中为测试命令绑定快捷键（如Ctrl+; T运行当前测试），方便后续 AI 调用。

3）安装 MCP（模型上下文协议）服务器

通过 Continue 的 MCP 配置，挂载一个exec工具，让 AI 有权执行npm test或pytest并读取 stdout/stderr。

2 三层闭环

2.1 人工触发式闭环

人工触发式闭环最稳定，适合日常开发，也适合开发一些复杂算法、复杂数据处理流程。

利用 Continue 的Slash Commands和Context 引用：

1）编程

选中函数，输入/edit编写核心逻辑。

2）测试

选中代码，输入/comment说“基于这个函数生成单元测试用例”。

Continue 会生成测试代码并插入同目录。

3）验证

手动点击 VS Code 测试面板的运行按钮，将失败的堆栈信息（Terminal 输出）全选。

4）修复

在 Continue 对话框输入@terminal（引用终端输出）并说“修复这个报错”。

AI 结合报错精准打补丁。

2.2 半自动指令闭环

利用 Task 功能，构建半自动指令闭环，适合模式固定、功能校简单的代码自动化开发。

在 Continue 中开启Agent Mode（代理模式），输入一条复合指令：

/task 请完成以下闭环：编写一个 isPrime 函数；紧接着在 test.js 中编写对应的 Jest 测试用例；然后执行 npm test；如果测试失败，读取 terminal 日志，自动修正 isPrime 逻辑，重复执行直到测试通过。

Agent 模式会调用内置工具执行命令，并根据输出进行多轮自我修正。

如果目标代码比较复杂，设计到多个复杂算法的实现，数据流程复杂，不太推荐这种方式。

2.3 全自动 Git Hooks 闭环

这是最自动化的方案，但可能不太成熟。

具体为：

借助 Continue 的自定义规则（Rules）+ VS Code 的Run on Save插件。

1）配置.continue/rules.json

设置当检测到.ts文件保存时，自动触发npm run test:related。

2）将测试结果(Json)通过管道传给 Continue 的autofix功能。

3）测试覆盖率低于阈值，生成补充测试代码写入文件，形成Save->Test->Fix->Re-save循环。

3. 闭环示例

假设要重构一个复杂的排序函数。

1）编程

写一个新函数quickSort。 自动补全代码结构。

2）测试

输入/test或右键选择 “Continue: Generate Tests”。

扫描原函数入参/出参，自动生成边界测试（空数组、重复值、大数）。

3）验证

快捷键运行测试，终端报错TypeError: undefined。

闭环关键：点击 Continue 对话框的"Attach Context"选择Terminal Selection。

4）诊断

提问：“为什么报错？” AI 定位到未处理null值，并给出修复代码。

5）二次验证

点击生成的修复代码中的"Apply"。

代码自动替换，再次手动运行测试，全绿通过。

reference

---

AI编程提效新范式：Continue开源工具全栈应用指南

https://blog.gitcode.com/87cf4272894ce3dda314d8ed73e835b4.html

在VS Code中借助AI自动编写单元测试和集成测试

https://www.php.cn/faq/1822998.html

Check on Your Spaghetti Software Factory

https://blog.continue.dev/spaghetti-software-factory