mcp-prompts

dev-intelligence-orchestrator 是一款先进的开发助手，专为弥合静态分析工具与自适应学习系统之间的差距而设计。它作为软件工程任务的综合编排层，能够自动检测项目环境并应用学习到的配置，以优化工具性能。通过模型上下文协议 (MCP)，它实现了开发工具（如 cppcheck、pylint、pytest）与集中式提示管理服务器之间的无缝通信。此技能专为希望减少手动配置开销并提高开发生命周期中自动化质量门精度的软件工程师与 DevOps 专业人员所打造。

• 自动检测项目语言、框架与构建系统，包含 C++、Python、Kotlin、Java、PlatformIO、CMake 与 Gradle。

• 通过解析日志并应用模式识别来进行智能构建错误诊断，提供可执行的建议。

• 根据已学习的历史成功经验，动态调整静态分析工具（如 cppcheck、pylint）的标志设置。

• 实现自我优化学习循环，捕捉、评估并重复使用反复开发任务的最佳配置。

• 支持多层级配置置信度分数，确保自动化工作流程中优先使用经过验证的高效设置。

• 通过 HTTP API 或标准 CLI 交互与 mcp-prompts 服务器无缝集成，支持文件系统与 AWS 服务等灵活存储后端。

• 请确保开发环境中可连接至 mcp-prompts 服务器，以启用配置策略的持久性记忆；若服务器离线，系统将优雅降级至默认行为。

• 输入通常包括项目目录、用于构建分析的日志文件以及用于静态分析的目标源代码路径。

• 系统需要在环境中安装常见的开发实用程序（如 jq 以处理 JSON）以及相应的分析可执行文件（如 pytest、cppcheck、pylint）。

• 实际工作流程始于捕捉基准性能的初始执行，随后根据收集到的成功指标进行后续的自动化优化。

• 使用提供的脚本包装器以确保执行的一致性；用户可通过将自定义逻辑加入现有的学习领域钩子，针对特殊项目需求扩展此编排器。