Autonomous F# Code Generation Agent

Саморасширяющаяся система на F#, которая использует LLM (Ollama) для генерации, тестирования и накопления переиспользуемых компонентов в локальной базе SQLite. Реализует замкнутый цикл «Размышление → Генерация кода → Проверка в REPL → Сохранение в GAC-подобный реестр».

Ключевые возможности

• 🧠 LLM‑агент на базе Ollama с поддержкой JSON‑схем (Structured Outputs)
• 📦 Локальный аналог GAC — база SQLite, хранящая код и зависимости
• 🔁 Цикл обратной связи — автоматическое исправление ошибок через dotnet fsi
• 🧩 Планировщик — разбивает сложные задачи на последовательность шагов
• 🔢 Версионирование SemVer — все компоненты имеют суффикс _major_minor_patch
• ✅ Встроенное тестирование — тесты хранятся вместе с кодом и запускаются при каждой проверке
• 🚫 Без внешних зависимостей — только .NET SDK, Ollama и Microsoft.Data.Sqlite

Требования

• .NET SDK 6+
• Ollama с установленной моделью (рекомендуется qwen2.5-coder:latest)
• Пакет Microsoft.Data.Sqlite (устанавливается автоматически через dotnet add package)

Установка и запуск

1. Клонируйте репозиторий:

   git clone https://github.com/yourusername/autonomous-fsharp-agent.git
   cd autonomous-fsharp-agent

2. Создайте проект F#:

   dotnet new console -lang "F#" -o AgentFSharp
   cd AgentFSharp

3. Добавьте пакет SQLite:

   dotnet add package Microsoft.Data.Sqlite

4. Замените содержимое Program.fs на код из репозитория.

5. Убедитесь, что Ollama запущена и модель доступна:

   ollama list
   ollama run qwen2.5-coder:latest

6. Запустите агента:

   dotnet run "Создай функцию для вычисления факториала"

   Или без аргументов — тогда программа предложит ввести задачу вручную.

Использование

Одиночная задача

dotnet run "Создай функцию для вычисления факториала"

Агент сгенерирует код, проверит его в F# Interactive, прогонит тесты и сохранит компонент в базу.

Многоходовая задача с планировщиком

dotnet run "Разработай модуль для работы с банковскими транзакциями: тип результата, функцию валидации, функцию перевода"

Планировщик (LLM) составит список шагов, и агент выполнит их последовательно, обновляя контекст после каждого шага.

Интерактивный режим

Если запустить без аргументов, программа предложит ввести задачу:

Введите задачу для агента (или нажмите Enter для демо-задачи):

Архитектура

Компоненты системы

• Config — настройки подключения к Ollama, схемы JSON, системные промпты
• DatabaseRegistry — работа с SQLite, сохранение компонентов, извлечение контекста с топологической сортировкой
• CoreEngine — взаимодействие с Ollama API и запуск dotnet fsi
• Orchestrator — цикл генерации, проверки и исправления (executeReasoningLoop)
• Planner — разбиение сложной задачи на подзадачи (runPlannedTasks)

Схема базы данных

CREATE TABLE registry (
    id TEXT PRIMARY KEY,          -- например, "calculateFactorial_1_0_0"
    name TEXT NOT NULL,           -- базовое имя (без версии)
    kind TEXT NOT NULL,           -- 'type' или 'function'
    signature TEXT NOT NULL,
    version_major INTEGER NOT NULL,
    version_minor INTEGER NOT NULL,
    version_patch INTEGER NOT NULL,
    source_code TEXT NOT NULL,
    test_code TEXT,
    description TEXT,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE dependencies (
    parent_id TEXT NOT NULL,
    child_id TEXT NOT NULL,
    PRIMARY KEY (parent_id, child_id),
    FOREIGN KEY (parent_id) REFERENCES registry(id) ON DELETE CASCADE,
    FOREIGN KEY (child_id) REFERENCES registry(id) ON DELETE CASCADE
);

Принцип работы цикла генерации

1. Пользователь ставит задачу.
2. Агент извлекает актуальный контекст из БД (только совместимые последние версии).
3. LLM генерирует JSON с полями: name, kind, signature, version, source_code, test_code, dependencies.
4. Система склеивает контекст + новый код + тесты и отправляет в dotnet fsi.
5. Если тесты проходят, компонент сохраняется в БД; иначе ошибки отправляются модели для исправления (до 5 попыток).
6. При многоходовой задаче планировщик заранее формирует список шагов, каждый из которых выполняется как отдельная одиночная задача.

Конфигурация

Все параметры находятся в модуле Config файла Program.fs:

Параметр	Описание	Значение по умолчанию
modelName	Имя модели Ollama	"qwen2.5-coder:latest"
ollamaUrl	Адрес Ollama API	"http://localhost:11434/api/chat"
connectionString	Путь к файлу SQLite	"Data Source=gac_registry.db"

Примеры задач

• "Создай тип данных для точки в двумерном пространстве"
• "Напиши функцию расчёта расстояния между двумя точками, использующую тип Point"
• "Разработай модуль для работы с геометрическими фигурами: типы, расчёт площади, периметра"

Ограничения и возможные улучшения

• Зависимость от качества LLM — модель должна поддерживать JSON‑режим; иногда генерирует ошибки типов, которые исправляются за несколько итераций.
• Отсутствие автоматической очистки — устаревшие версии остаются в базе; можно добавить команду для удаления неиспользуемых.
• Планировщик не всегда идеален — иногда выдаёт лишние шаги; допустимо ручное вмешательство.
• Будущие направления:
  • Автоматическое определение зависимостей из исходного кода
  • Параллельное выполнение независимых шагов
  • Веб‑интерфейс для мониторинга
  • Поддержка других языков (F# сейчас жёстко зашит)

Лицензия

MIT. Вы можете свободно использовать и модифицировать код.