首先完成“第5课:代理系统的错误处理与可靠性”即可解锁本课程。转到上一课

简介

在前面的课程中,你已经学习了如何设计提示、连接到 AI API,以及构建代理工作流的结构。本课将把一切联系起来:你将从用户界面一路到评估,在真实的网页应用中构建一个完整的 AI 驱动功能。我们在整个课程中使用的示例功能是一个 AI 驱动的代码审阅工具,它会获取用户粘贴的代码片段并返回反馈以及质量分数。

目标不是编写完美的生产代码。目标是理解堆栈的每一层——前端表单、后端端点、提示、API 调用、响应解析和测试——以便你可以对任何功能重复这种模式。

项目结构

一个小型的 Node.js/Express 应用就足以演示完整流程。后端暴露一个路由,接收代码文本,将其发送给 AI 模型,并返回结构化的反馈。前端是一个简单的 HTML 表单,会提交代码片段并渲染结果。

AI 功能的 4 层架构图:前端表单、后端端点、AI API 调用、以及响应渲染
javascript
// server.js
import express from "express";
import { reviewCode } from "./agent.js";
const app = express();
app.use(express.json());
app.use(express.static("public"));
app.post("/api/review", async (req, res) => {
const { code } = req.body;
if (!code || code.length < 5) {
return res.status(400).json({ error: "Code snippet required" });
}
const result = await reviewCode(code);
res.json(result);
});
app.listen(3000, () => console.log("Server on http://localhost:3000"));

代理层

代理是一个简单的模块,拥有提示模板和 API 调用。将其与路由处理分离,便于独立测试。提示要求模型返回带分数和问题清单的 JSON,从而避免后续脆弱的字符串解析。

javascript
// agent.js
import OpenAI from "openai";
const client = new OpenAI();
export async function reviewCode(code) {
const prompt = `You are a senior code reviewer. Analyze the following code and respond ONLY with valid JSON in this exact shape:
{"score": <number 0-100>, "issues": [{"line": <number or null>, "severity": "low|medium|high", "message": "<text>"}], "summary": "<one sentence>"}
Code:
${code}`;
const response = await client.chat.completions.create({
model: "gpt-4o-mini",
messages: [{ role: "user", content: prompt }],
temperature: 0.2,
response_format: { type: "json_object" }
});
return JSON.parse(response.choices[0].message.content);
}

前端

界面设计故意保持极简。一个用于代码的文本区域、一个提交按钮、以及一个结果面板。发送 JSON 能让代码与后端保持一致,避免表单编码带来的意外。

html
<form id="review-form">
<textarea id="code" rows="10" placeholder="Paste your code here"></textarea>
<button type="submit">Review</button>
</form>
<pre id="result"></pre>
<script>
document.getElementById("review-form").onsubmit = async (e) => {
e.preventDefault();
const code = document.getElementById("code").value;
const res = await fetch("/api/review", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ code })
});
const data = await res.json();
document.getElementById("result").textContent = JSON.stringify(data, null, 2);
};
</script>

测试该功能

直接对代理进行单元测试是捕捉提示回归的最快方式。构建一小组包含预期分数范围的代码片段并循环运行它们。如果对提示进行微调使某个用例变差,你会立即看到。

四步测试循环图:运行测试用例、调用代理、将输出与预期范围比较、记录结果
javascript
// test.js
import { reviewCode } from "./agent.js";
const cases = [
{ code: "def add(a,b): return a+b", expectMin: 70 },
{ code: "eval(input())", expectMax: 30 },
{ code: "function f(){ while(true){} }", expectMax: 40 }
];
for (const c of cases) {
const r = await reviewCode(c.code);
const ok = (c.expectMin ? r.score >= c.expectMin : true) &&
(c.expectMax ? r.score <= c.expectMax : true);
console.log(`${ok ? "PASS" : "FAIL"} score=${r.score} code=${c.code.slice(0,30)}`);
}

常见陷阱

同样的问题经常出现三次。第一,在需要结构化输出时未将 response_format 设置为 json_object,导致静默的解析失败。第二,忘记在服务器端验证输入长度,使用户可以发送超长提示并增加成本。第三,只用完美代码来测试,永远看不出模型对错误的处理。测试集里至少包含一个明显错误的片段。

总结

现在你已经有了发布 AI 功能的工作模式:一个简洁的前端、一个 Express 路由、一个独立的 agent 模块负责 prompt 与 API 调用,以及一个小型测试套件,能够防止回归。将此布局用于摘要器、分类器、聊天助手,或你在网页应用中添加的任何其他 AI 驱动工具。

课后练习

课程检查点

巩固所学知识,获取作业反馈。

0/1
已回答 · 0/1