AI 探索 on Saiga

第一次用 AI 写前端代码：哪些好用，哪些坑

wuwenzen@outlook.com (wuwj) — Sun, 18 Dec 2022 00:00:00 +0000

2022 年我开始把 AI 编码助手真正用在日常开发里，体验可以用一句话概括：

它不是银弹，但如果用得好，很像一个永远不喊累的实习生。

这篇文章主要记录几个方面：

它在哪些场景明显好用；
哪些地方容易翻车；
我最后形成的一些使用习惯。

1. 几个「惊艳到」的使用场景

1.1 写样板代码（boilerplate）

比如：

新建一个 Vue 3 组合式组件；
写一个标准的 Axios 封装；
初始化一个简单的 React 页面结构。

以前要么复制项目里旧代码改，要么从 CLI 模板改；
现在直接丢一句：

「写一个 Vue3 + TypeScript 的表格组件，支持分页、排序，props 包含 xxx。」

然后拿到一个 70% 可用的版本，再按自己习惯调整。

1.2 写简单的工具函数

例如：

将后端分页结果转换为前端表格数据；
格式化日期/金额；
从树结构中找到某个节点路径。

用自然语言描述需求 + 给一两个例子，AI 通常能给出还不错的实现。
有时候还能顺带推荐几种写法，帮你对比。

1.3 帮忙「翻译」老代码

面对一些古早 jQuery/复杂 if-else 的老代码，直接让 AI：

「帮我解释这段代码在干嘛，并用更现代的写法重构。」

得到的是：

一段自然语言解释（方便确认理解）；
一版初步的重构实现（不一定完美，但至少是个起点）。

2. 重构和单测：AI 很适合当助手

2.1 帮忙拆函数 / 命名

长函数重构时，让 AI：

「这段函数太长了，帮我按逻辑拆成几个小函数，顺带起一些更好的函数名。」

用大模型做一个简单「文档问答助手」

wuwenzen@outlook.com (wuwj) — Sun, 30 Oct 2022 00:00:00 +0000

2022 年开始，大模型 API 越来越好用，大家最直觉的一个想法就是：

能不能把项目文档「喂给」模型，然后直接用自然语言问问题？

这篇文章记录的是一个从 0 到 1 的小 Demo：用大模型 API + 向量检索，实现一个能回答「我们自己文档」问题的小助手。

1. 目标和约束

目标很简单：

把部分项目文档（接口说明、架构设计、规范）导入系统；
在一个聊天界面里，可以问：
- 「用户登录接口的必填参数有哪些？」
- 「私募投资人小程序的技术栈是什么？」
助手能基于文档给出相对准确的回答。

约束：

不追求「完美答案」；
优先做到：能指向正确文档，并给出简洁总结。

2. 总体架构

整体流程可以概括成：

文档导入 & 切分；
向量化（Embedding）并存入向量库；
用户提问 → 向量检索相关片段；
把相关片段 + 问题一起发给大模型 → 生成回答；
前端展示答案 + 引用片段。

用一张简图就是所谓的：RAG（检索增强生成）。

3. 文档预处理：从 Markdown 到「小段文本」

我们选用的文档源主要是：

Git 仓库里的 Markdown（README、设计文档）；
部分导出的接口文档（JSON/YAML 转文本）。

预处理步骤：

把 Markdown 转成纯文本（保留标题层级）；
按一定策略切分成「小段文本」，比如每段 300–500 字；
每段附带元信息：文档名、段落标题、在文档中的位置。

简单示例：

{
  "docId": "fund-investor-miniapp",
  "title": "技术栈与整体架构",
  "content": "前端采用 Vue3 + uni-app...",
  "section": "2.1 技术栈",
  "index": 5
}

切分策略的小经验：

用云端 NLP API 做一个简单的文本分析工具

wuwenzen@outlook.com (wuwj) — Sun, 05 Dec 2021 00:00:00 +0000

很早之前就对「AI 能不能帮忙看评论、看工单」这件事好奇过，但自己训模型门槛挺高，于是先选了条最省事的路：

找一个云厂商提供的 NLP API，用 HTTP 请求的方式做一层简单封装，做一个「文本分析小工具」。

这篇文章记录的是那次尝试的过程。

注：下面不强调具体厂商名字，主线思路在于「怎么用」，而不是「用谁」。

1. 想做一个什么样的小工具？

需求非常朴素：

输入一段文本（比如用户评论、客服工单）；
自动判断它是「正向 / 负向 / 中性」；
选做：给出一个大致类别，比如「产品问题 / 物流问题 / 售后问题」。

最终希望变成一个简单的 Web 页面：

左边输入框；
右边展示：情感结果、类别标签、关键句/关键词。

2. 挑选一个云 NLP 服务

大部分云厂商都会提供类似能力：

情感分析（Sentiment Analysis）；
文本分类（Text Classification）；
关键词提取、实体识别等。

通常接入步骤类似：

注册账号；
在控制台创建一个 NLP 应用 / 项目；
拿到 API Key / Secret / Endpoint；
看一眼文档里示例请求。

示例请求（伪代码）：

POST /nlp/sentiment
Authorization: Bearer <API_KEY>
Content-Type: application/json

{
  "text": "这次发货太慢了，等了一个星期才收到。"
}

响应大概会是：

{
  "sentiment": "negative",
  "confidence": 0.94
}

或者更细一些：