Shire 提供了一种简便 AI 编码智能体语言，能够让大型语言模型（LLM）与控制集成开发环境（IDE）之间自由对话，以实现自动化编程。

其主要架构设计原则为：

• IDE 即上下文环境
• 语言即抽象接口
• 原子化功能单元

原则 1：IDE 即上下文环境

集成开发环境（IDE）不仅仅是一个文本编辑器或编程环境，它更是一个能够理解、处理和操作代码的高级工具。这种设计理念下，IDE 的作用远不止于代码编辑，它还包括了代码的语法分析、语义理解以及操作执行等功能。 在 Shire 中，我们采纳了一系列的设计原则，以支持 IDE 的智能化和自动化：

• 上下文感知变量化。我们定义了一系列上下文变量，例如选中的文本、光标前后的文本、文件名和路径等。这些变量能够辅助 IDE 理解和操作代码的不同部分，使得开发者与 AI 都能基于上下文信息进行代码处理和分析。
• 模式-动作上下文构建。我们借鉴 Unix 的 Shell 编程思想，引入了模式-动作概念。这种模式允许根据特定的模式（如文件类型或内容特征）执行相应的动作（如 grep、sort、xargs）。通过此模式，IDE 可以根据用户定义的条件对文件和数据进行筛选和处理，显著提升了代码操作的灵活性和效率。
• AST 查询语言 AstQL。这是一种用于描述和执行 PSI（程序结构接口）查询的语言。DSL（特定领域语言）定义了变量声明、条件查询和结果选择的结构。这种语言使得开发者和 AI 能够根据特定的语法结构和查询条件，从代码中提取和分析所需信息。这样的设计让 IDE 不仅仅是一个静态的文本编辑器，而是一个能够通过语义理解和查询执行来智能操作代码的工具。 示例：

解释如下代码片段。

项目相关的技术栈上下文： $frameworkContext

$selection

在此示例中，我们展示了如何利用 Shire 的设计原则和功能来解析代码和上下文信息。通过定义变量和执行特定的模式-动作操作，IDE 可以根据条件筛选和处理代码文件，并通过 PSI 查询语言进行高级的代码结构分析和提取。这样的能力不仅提升了开发者的效率，还使得 AI 能够更智能地参与到代码开发和分析过程中。

原则 2：语言即抽象接口

语言接口是一种使用自然语言作为领域特定语言（DSL）或与系统进行交互的接口。它通过解析、处理和分析自然语言，指导系统的设计、开发和执行。 其设计目的是提高开发效率、准确性和用户体验，使用户能够使用自然语言描述系统需求、执行任务并获取系统生成的结果。

在 Shire 中，我们采纳了一种语言接口设计原则，将自然语言作为领域特定语言（DSL）或与系统进行交互的接口。这种设计原则涵盖以下几个方面：

• 领域特定语言（DSL）。DSL 是一种专门用于解决特定领域问题的语言，其通过简单、直观的语法和语义，让开发者更容易地描述和执行特定任务。在 Shire 中，我们引入了一种类似于 YAML 的 HobbitHole，用于描述数据处理流程和 IDE 交互逻辑。通过这种 DSL，开发者可以定义数据处理流程、交互逻辑和输出结果。
• 自然语言即 LLM 接口。对于大型语言模型（LLM）而言，自然语言是一种重要的接口，用于描述和执行代码生成任务。开发者可以通过自然语言描述， 定义代码生成模板、变量和条件，以及执行代码生成任务。这种设计原则让开发者能够更直观、灵活地描述和执行代码生成任务，提升了代码生成的效率和准确性。 示例：

---
name: "AutoTest"
description: "AutoTest"
interaction: AppendCursor
actionLocation: ContextMenu
---

为以下的 ${context.language} 代码编写单元测试。
...

通过上述配置，我们定义了一个名为 "AutoTest" 的 HobbitHole，用于生成自动化测试代码。通过这种 DSL + 自然语言的结合，我们可以定义 IDE 中的交互类型、操作位置和其他属性，进而实现代码生成任务的自动化和智能化。

原则 3：原子功能单元（Atomic Functional Units）

原子功能单元（Atomic Functional Units, AFUs）是一种设计方法，旨在将复杂系统分解为独立且功能明确的最小操作单元。这种设计原则受到 Linux 设计思想的启发，强调模块化、独立性和简洁性。

1. 原子性和模块化。每个原子功能单元（AFU）都是独立且不可再分割的基本操作单元，采用模块化设计，能够独立执行特定任务，并可以自由组合和重用。
2. 简单接口与管道式处理。AFUs 暴露简单明确的输入和输出接口，通过管道连接，形成高效且连贯的数据处理流程，隐藏内部实现细节，简化用户操作。
3. 高内聚低耦合。每个 AFU 内部专注于特定任务（高内聚），与其他单元通过简单接口进行通信（低耦合），提升系统的灵活性、可维护性和扩展性。

以下是一个示例，展示如何对Java文件进行Embedding，以提供模板中的变量，作为LLM（大型语言模型）的上下文：

---
variables:
  "searchResult": /*.docx/ { splitting | embedding | searching("API 设计范式") }
---

根据如下的内容，总结一下 API 如何设计：

$searchResult

在这个示例中：

• splitting：将文档拆分为独立的部分，每个部分可以单独处理。
• embedding：对每个部分进行 Embedding，以便在 LLM 中使用。
• searching：在 Embedding 的内容中搜索特定的关键词或概念。

通过这种方式，我们可以将复杂的任务分解为独立的原子功能单元，每个单元都是独立的，可以自由组合和重用，从而提高系统的灵活性和可维护性。