iFlowCLI的博客

本文探讨了在调用二方包开发时大模型应用的挑战与解决方案。作者在实现订单状态查询功能时发现，大模型无法直接读取依赖的二方包代码，导致生成的代码出现错误。经过多次尝试后，作者总结出三种解决方案：手动投喂源码、使用AoneCopilot/ClaudeCode工具读取源码，以及通过本地反编译工具建立索引。其中第三种方案效果最佳，通过建立类索引和反编译工具，使大模型能像IDE一样查看依赖包的代码结构，显著提高了代码生成的准确性。文章揭示了当前大模型在处理复杂业务依赖时的局限性，并强调为模型提供适当工具和上下文的重要性

本文介绍在C3级代码仓库中落地LLM代码评审的实践。针对安全要求，基于Qwen3-Coder、RAG等技术构建自动化评审Agent，通过RAG注入私域知识增强上下文理解能力。该系统部署于CI流水线，自动触发代码评审，已累计执行上千次评审，成功拦截数十次高危缺陷。实践表明，AI评审可有效发现传统方法易忽略的逻辑风险，显著提升评审效率与质量。当前持续优化准确性、误报率等指标，探索修复建议生成功能。该方案具备通用性，可复用于各类代码门禁平台或AI辅助编程工具。

BMAD-METHOD是一个开源项目，通过自定义命令和敏捷开发流程相结合，提升AI开发助手在项目中的上下文理解能力。在iFlowCLI通过/analyst、/pm、/architect等命令与不同角色agent交互，逐步生成brainstorm文档、PRD、架构设计等。