AI Agent / 系统课时
实现文本 Patch
实现文本 Patch
本篇解决智能体生成代码补丁时容易误修改的问题,最终实现基于上下文匹配的最小文本 Patch,让修改动作只影响确认过的目标区域。
学习目标
- 理解文本 Patch 的组成和应用流程
- 掌握上下文校验与最小修改原则
- 能设计安全的 Patch 生成和验证逻辑
文本 Patch 的核心问题
直接根据行号修改文件存在风险。代码在多人协作中会持续变化,原来的第 20 行可能已经不是目标代码。
因此 Patch 不应该只记录位置,而应该同时记录目标上下文。执行时先搜索匹配内容,再决定是否应用修改。
一个安全 Patch 通常包含原始片段、新片段以及前后文信息。
生成最小文本补丁
最小 Patch 的目标是减少修改范围,只改变必要内容。例如将函数中的一个返回语句替换,而不是重新生成整个文件。
示例 Patch 数据:
json
{
"file": "src/order.ts",
"operation": "replace",
"contextBefore": "function createOrder(data) {",
"oldText": "return data.id;",
"contextAfter": "}",
"newText": "return order.id;"
}预期结果
text
补丁定位到 createOrder 函数中的目标语句,并只替换 return data.id;。生成 Patch 时,智能体需要优先选择稳定上下文,而不是依赖绝对行号。
校验目标内容是否匹配
应用 Patch 前需要执行匹配检查。如果 oldText 不存在,说明文件状态已经变化。
python
from dataclasses import dataclass
@dataclass
class Patch:
old_text: str
new_text: str
def apply_patch(content: str, patch: Patch) -> str:
# 修改前必须确认目标内容唯一存在
count = content.count(patch.old_text)
if count != 1:
raise ValueError("patch target mismatch")
return content.replace(patch.old_text, patch.new_text, 1)
source = "return user.name;"
result = apply_patch(source, Patch("return user.name;", "return user;"))
print(result)预期输出
text
return user;如果匹配数量为 0,表示目标代码已经不存在;如果超过 1,表示上下文不足,需要提高定位精度。
处理 Patch 失败情况
Patch 失败不是异常终点,而是智能体重新规划的信号。常见处理策略包括:
- 重新读取最新文件内容
- 扩大上下文范围重新匹配
- 使用符号解析定位目标
- 请求人工确认高风险修改
不要通过模糊搜索强行替换,因为错误修改通常比修改失败更难发现。
Patch 与版本控制协作
文本 Patch 的设计理念接近版本控制系统中的 diff,但智能体场景需要更多验证信息。
普通 diff 关注文件差异,而智能体 Patch 关注“这个修改是否仍然适用于当前代码状态”。因此上下文校验、唯一匹配和执行日志都是必要组成部分。
本课总结
- 安全 Patch 依赖上下文匹配,而不是固定行号。
- 应用 Patch 前必须验证目标内容唯一存在。
- Patch 失败时应重新定位,而不是强制覆盖。
下一课预告
下一课将继续完善代码修改引擎,探索如何结合语法解析实现更可靠的符号级代码变更。
按自己的节奏,确认真正理解。