Github Grader

• https://github.com/{owner}/{repo} → branch 預設 main
• https://github.com/{owner}/{repo}/tree/{branch}

Step 2 — 取得檔案樹

GET https://api.github.com/repos/{owner}/{repo}/git/trees/{branch}?recursive=1
Authorization: Bearer {token}   # 私有 repo 才需要
User-Agent: openclaw-grader

回傳的 tree[] 陣列中，type=blob 的是檔案。

Step 3 — 讀取程式碼（完整傳入，不截取片段）

讀取副檔名為 .java .kt .py .ts .js .go .cs .sql .md .xml .gradle 的完整檔案內容。 跳過路徑含 test target build node_modules __pycache__ .git dist vendor 等目錄。 跳過 lock 檔案：package-lock.json yarn.lock poetry.lock 等。

GET https://raw.githubusercontent.com/{owner}/{repo}/{branch}/{path}
Authorization: Bearer {token}   # 私有 repo 才需要

Token 保護策略：

• 若所有程式碼 ≤ 600KB（約 15 萬 token）→ 全部傳入 AI
• 若超過 → 優先保留 .java .kt .py .ts .js .go .cs .sql 邏輯檔案，直到填滿 600KB 為止

AI 自行決定重點： 不預先截取片段，讓 AI 看完整程式碼後自行判斷評分依據。

Step 4 — 回傳摘要

Repo: {owner}/{repo} @{branch}
共 {N} 個檔案，讀取 {M} 個程式碼檔案（{KB}KB）

📄 讀取的檔案：
- src/main/java/.../UserController.java  (完整內容)
- src/main/java/.../UserService.java     (完整內容)
...

子技能二：grade（完整評分）

方法 A：使用 RAG KB /grade_stream API（推薦）

直接呼叫 RAG KB 的 SSE 端點，一次取得題目 + 評分方式 + 程式碼：

GET http://localhost:8765/grade_stream?repo_url={url}&token={token}

SSE 事件：

• event: progress — 進度訊息
• event: done — 完成，data 為 JSON：

  {
    "owner": "stu24801",
    "repo": "my-project",
    "branch": "main",
    "file_count": 45,
    "code_files_read": 12,
    "questions_available": ["社群媒體系統.md", ...],
    "grading_prompt": "你是一位嚴格但公正的後端工程師面試評審..."
  }
  

• event: error — 錯誤訊息

收到 done 事件後，將 grading_prompt 交給 AI 推論（即本對話）進行評分。

方法 B：手動步驟（/grade_stream 不可用時）

Step 1 — 從 RAG KB 取題目

GET http://localhost:8765/sources

找 category 含 題目_md 的文件，取其 id：

GET http://localhost:8765/doc/{file_id}

取評分方式：

GET http://localhost:8765/doc_by_source?source_name=評分方式

Step 2 — fetch-repo（見上方子技能一）

Step 3 — 對照題目

Step 4 — 逐項評分

依 評分方式.md 的每個項目評定：

✅ [項目名稱] — 已完成
   說明：在 XxxController.java 第 42 行實作 POST /api/users。

⚠️ [項目名稱] — 部分完成（扣 X 分）
   說明：缺少密碼加鹽處理。

❌ [項目名稱] — 未完成
   說明：未找到 JWT 相關實作。

Step 5 — 輸出報告

## 評分結果

### 是否符合技術要求（共 N 項）：X 項
（逐項列出 ✅ / ❌）

### 是否符合架構要求（共 N 項）：X 項
（逐項列出 ✅ / ❌）

### 是否符合功能要求（共 N 項）：X 項
（逐項列出 ✅ / ❌）

---

## 總評 ({等級符號})

### 未達標部分
1. （列出未達標的具體說明）
2. ...

### 其他評論
- （其他觀察，如是否用 TypeScript、是否有 AI 生成痕跡等）

---

## 結果
- **分數：** {數字} ({等級符號})
- **達標項目數 / 總項目數：** {達標} / {總計} = {比率}

### 評分等級說明
◎（90-100）/ ○（80-89）/ ▲（60-79）/ △（30-59）/ ×（29 以下）

注意事項

相關 URL

• RAG KB 評分 UI：https://rag.alex-stu24801.com/grade_ui
• RAG KB SSE API：http://localhost:8765/grade_stream?repo_url=...
• RAG KB 文件 API：http://localhost:8765/sources、/doc/{id}、/doc_by_source