MicroAgent 还可以与任何开源 LLM、OpenAI 模型或其他 Claude 模型一起使用，例如 GPT-4O、Claude-3、CodeQwen、Mixtral 8x22b、Mixtral 8x7b、GPT-4、Grok-1.5 和 Gemini Code Assist。MicroAgent 是一种 AI 编码代理或文本到应用程序工具，可以生成代码并实时测试生成的代码。不过，它的方法存在一些问题，我将在本文中讨论这些问题。
https://github.com/BuilderIO/micro-agent
Hi，这里是Aitrainee，欢迎阅读本期新文章。
一般来说，我们目前看到的文本到应用程序软件可以相当不错地生成应用程序，尽管它们大多数有一个问题，那就是生成的代码并不总是可靠的。
这里的可靠性是指代码是否能在首次运行时正确工作。这是我们大多数编码代理面临的一个重大问题。
例如，使用像Aider这样的工具：
如果它生成了错误的代码，你需要来回与Aider交流，解决发生的错误等等。
这会成为一种麻烦，因为你无法依赖生成的代码，除非你自己进行了测试。
但是，如果我们使用的编码代理不仅能生成代码，还能为脚本编写测试，并运行测试以检查其是否正常工作，如果不正常，它还能修复呢？
这就是我今天要介绍的内容——MicroAgent。
MicroAgent是一种与传统编码代理方法不同的编码代理。
通常，常规的编码代理生成代码，完全依赖用户检查其是否正常工作。但MicroAgent首先生成代码，然后为代码生成测试，然后运行测试并检查是否通过。
如果代码通过了测试，则任务成功；如果没有，则将错误反馈给代理，代理修复代码，然后再次通过测试。这会递归进行，直到所有测试用例通过。
他们说，MicroAgent的理念是创建一个明确的测试用例，可以清楚地反馈代码是否按预期工作，并对代码进行迭代，直到所有测试用例通过。
它支持OpenAI的Claude，并允许更改OpenAI模型端点，从而支持使用Ollama和Groq。
因此，我将向你展示如何使用OpenAI和Ollama进行设置。让我们开始并检查一下。安装非常简单，你只需运行这个npm安装命令，它就会被安装。
一旦安装完成，你可以使用micro agent命令来使用它。但在此之前，我们需要先设置API密钥和模型。
我会先向你展示如何使用OpenAI，然后再展示如何使用AMA。只需运行这个config set openAI key命令，并输入你的API密钥。一旦完成，运行这个set model命令并将模型设置为GPT-4o。
一旦完成，我们可以开始使用它了。你可以导航到任何之前的项目，或者创建一个新目录并在其中使用它。
我将会在一个新目录中使用它。进入目录后，只需运行micro agent命令。如果你在一个空目录中运行它，它会要求你创建一个node项目。
好，现在完成了，让我们再次运行micro agent命令。现在你可以使用它了。让我们让它生成一个简单的程序来添加两个数字。
当你输入一个提示时，它会告诉你为文件命名，或者如果你不想命名，它也会为文件生成一个名称。你只需按下回车键即可使用生成的名称。
现在可以看到，它正在生成。它首先生成代码。一旦生成代码，它就会生成测试。
可以看到，现在代码生成了，测试也生成了。它在询问生成的测试是否正确。你需要发送“good”提示来告诉它测试是正确的，然后它会运行测试并检查是否正常工作，并在测试未通过时进行迭代修复。
好了，任务完成了，
现在让我们看看代码。
这看起来相当不错，程序是正确的，应该能正常工作。
测试也创建得很好，这也很棒。
但让我们也尝试用它做一些有用的事情。为此，让我们用create next app命令创建一个next应用程序。
现在让我们在这里启动micro agent。让我们让它创建一个登录页面，并告诉它这是一个nextjs应用程序。
好的，它正在生成代码、测试和所有相关内容。稍等一下。
好，经过多次尝试，测试未通过。
据我所知，如果AI生成的代码可能有问题，那么AI生成的测试也可能有问题，而且它没有任何解决办法。
所以，如果生成的测试有问题，它将无法正常工作。而且，如果测试多次失败，它也不会尝试修复测试脚本，这意味着如果第一次测试脚本不正确，它将一直卡在循环中，直到最终退出。
尽管如此，生成的代码仍然会放入文件夹中，所以你可以查看它。生成的页面看起来像这样，非常基础，感觉像是回到了90年代。
但我认为这是一个有缺陷的系统设计，因为它最终回到了AI生成代码的问题所在。我还尝试创建另一个只有一个标题标签的简单页面，它的测试也失败了。
我认为这个页面根本不需要测试。所以，我认为它可能在功能性脚本和类似有最终输出的东西方面表现不错，但除此之外就不行了。
现在让我也告诉你如何使用Ollama进行设置。首先，访问Alama网站，点击下载按钮，选择你的操作系统并进行安装。
安装完成后，转到模型页面，选择Deep Seek Coder V2模型。点击它并复制安装命令，然后将其粘贴到终端并安装。安装完成后，发送一条消息并检查是否正常工作。
现在我们需要将Alama的API基地址更改为本地主机和端口11434，就像这样，这将指向Alama。还要用这个命令将模型更改为Deep Seek Coder。
一旦完成，你现在可以与Ollam一起使用它了，它也能正常工作。
你还可以通过这个选项将其与其他兼容OpenAI的平台一起使用。
总体而言，我会说，如果你通常进行功能性编程并使用测试，这是一个不错的选择。
我不使用测试，因为我认为你只能活一次，我直接SSH进入服务器并直接编辑代码。但我认为现在人们正在使用测试，所以对于那些使用测试的人来说，它可能是有益的。
