mcp-prompts

dev-intelligence-orchestrator 是一款進階開發助理，專為縮短靜態分析工具與適應性學習系統之間的差距而設計。它作為軟體工程任務的綜合編排層，能夠自動偵測專案環境並應用學習到的配置，以優化工具效能。透過模型內容協議 (MCP)，它實現了開發工具（如 cppcheck、pylint、pytest）與集中式提示管理伺服器之間的無縫通訊。此技能專為希望減少手動配置開銷並提高開發生命週期中自動化品質閘精確度的軟體工程師與 DevOps 專業人員所打造。

• 自動偵測專案語言、框架與建置系統，包含 C++、Python、Kotlin、Java、PlatformIO、CMake 與 Gradle。

• 透過解析日誌並應用模式識別來進行智慧型建置錯誤診斷，提供可執行的建議。

• 根據已學習的歷史成功經驗，動態調整靜態分析工具（如 cppcheck、pylint）的旗標設定。

• 實作自我優化學習迴圈，捕捉、評估並重複使用反覆開發任務的最佳配置。

• 支援多層級配置信心分數，確保自動化工作流程中優先使用經過驗證的高效設定。

• 透過 HTTP API 或標準 CLI 互動與 mcp-prompts 伺服器無縫整合，支援檔案系統與 AWS 服務等靈活儲存後端。

• 請確保開發環境中可連線至 mcp-prompts 伺服器，以啟用配置策略的持續性記憶；若伺服器離線，系統將優雅降級至預設行為。

• 輸入通常包括專案目錄、用於建置分析的日誌檔以及用於靜態分析的目標原始碼路徑。

• 系統需要環境中安裝常見的開發公用程式（如 jq 以處理 JSON）以及對應的分析執行檔（如 pytest、cppcheck、pylint）。

• 實務工作流程始於捕捉基準效能的初始執行，隨後根據收集到的成功指標進行後續的自動化優化。

• 使用提供的腳本包裝器以確保執行的一致性；使用者可透過將自訂邏輯加入現有的學習領域掛鉤，針對特殊專案需求擴充此編排器。