AutoDev项目中Custom Agent执行/write命令的问题分析与解决
在AutoDev项目的开发过程中,我们遇到了一个关于Custom Agent执行/write命令时产生的技术问题。这个问题涉及到文件写入操作、线程安全以及用户界面交互等多个方面,值得深入探讨。
问题现象
当Custom Agent配置了"responseAction": "DevIns"时,执行/write命令会出现以下两种异常情况:
-
当目标文件已存在时,虽然能够正常写入内容,但会意外弹出聊天面板,并伴随线程访问异常的错误日志。
-
当目标文件不存在时,预期应该创建新文件并写入内容,但实际上文件创建失败,同时抛出线程访问异常。
问题根源分析
经过深入排查,我们发现问题的核心在于线程访问控制。IntelliJ平台的线程模型要求UI操作必须在事件分发线程(AWT-EventQueue)中执行,而我们的代码在后台线程(DefaultDispatcher-worker-1)中尝试执行写操作,违反了这一规则。
具体表现为:
- 在WriteInsCommand.execute()方法中,runWriteAction{}块内的文件操作没有正确的线程上下文
- 当文件不存在时,创建新文件的操作会触发更复杂的UI交互,使得线程问题更加明显
解决方案
针对这个问题,我们采取了多层次的修复措施:
-
线程安全改造:重构了WriteInsCommand.execute()方法,确保所有文件操作都在正确的线程上下文中执行。我们引入了runInEdt函数来保证UI操作在事件分发线程中运行。
-
错误处理优化:增强了异常捕获机制,对于文件操作中可能出现的各种异常情况进行了更细致的处理。
-
用户交互调整:修改了DevInsProcessProcessor.executeTask()方法的行为,使其仅在真正需要用户交互时才弹出聊天面板,而不是每次执行都弹出。
-
执行模式区分:识别并正确处理了两种不同的执行场景(通过对话窗口执行和通过.devin文件执行),确保在不同场景下都有恰当的行为。
技术实现细节
在具体实现上,我们特别注意了以下几点:
-
线程切换机制:使用SwingUtilities.invokeLater和coroutine的上下文切换来确保操作在正确的线程中执行。
-
文件操作原子性:保证文件查找、创建和写入操作的原子性,避免竞态条件。
-
状态一致性:确保在执行过程中项目模型的一致性,特别是在文件系统变更时。
-
用户反馈:提供了更清晰的执行结果反馈,让用户能够明确知道操作是否成功以及失败原因。
经验总结
通过解决这个问题,我们获得了以下宝贵经验:
-
平台限制理解:深入理解了IntelliJ平台的线程模型限制,特别是UI操作必须在事件分发线程中执行的规则。
-
异常处理重要性:认识到在插件开发中,细致的异常处理对于提供稳定用户体验的重要性。
-
场景覆盖全面性:意识到需要充分考虑不同使用场景下的行为差异,特别是当同一功能可以通过多种方式触发时。
-
测试策略优化:学习到需要针对不同执行路径设计专门的测试用例,确保各种使用方式都能得到验证。
这个问题及其解决方案为AutoDev项目的稳定性提升提供了重要参考,也为类似IDE插件的开发提供了有价值的实践经验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00