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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00