多轮约束下的代码编写：基于智谱AI的智能开发实践

作者介绍

作者：王嘉玙璠，女，西安工程大学电子信息学院,2025级研究生

研究方向：3D点云、零样本

电子邮箱：bayoulove1@gmail.com

作者：李逸超，男，西安工程大学电子信息学院，2025级研究生张宏伟人工智能课题组

研究方向：机器视觉与人工智能

联系邮箱：2317314922@qq.com

前言:

你有没有遇到过这样的情况：用AI写代码时，需求一变，AI就“失忆”了？明明之前说好的逻辑，改了几轮后，AI竟然忘了最基础的要求？

本文分享一种多轮约束代码生成框架，基于智谱AI GLM-4系列模型，解决传统AI代码生成中的需求变更频繁和上下文丢失两大痛点。

一、痛点分析：传统AI代码生成的局限

在实际开发中，我们常常遇到：

• 需求变更频繁：AI难以同步更新，生成结果偏离预期
• 上下文丢失：多轮修改后，AI忘记早期约束
• 重复劳动：每次微调都可能重写大量代码
• 约束冲突：后期约束破坏前期架构设计

这些问题严重影响了开发效率和代码质量。

二、解决方案：多轮约束代码生成框架

我们提出的框架核心逻辑如下：

用户输入约束1 → AI生成初始代码

用户输入约束2 → AI整合约束1+2，生成优化代码

用户输入约束3 → AI整合所有约束，生成完整代码

关键能力：

• 累积记忆：永久保留所有历史约束，不遗漏任何细节
• 全量生成：每轮输出完整可运行代码，避免逻辑断层
• 版本管理：支持约束的增删改查，可回溯任意历史状态

三、技术架构：模块化设计

系统由以下模块组成：

四、实现原理：基于消息数组的状态维护

我们维护一个messages数组，包含系统提示词、用户约束和助手响应：

[

{"role":"system","content":"你是Python专家..."},

{"role":"user","content":"[约束1] 实现基础KNN"},

{"role":"assistant","content":"[代码V1]"},

{"role":"user","content":"[约束2] 添加标准化处理"}

]

每次请求都发送完整的历史约束序列，让模型具备全局视野，确保新代码不破坏旧约束。

五、实战案例：鸢尾花KNN分类器

我们通过7轮约束，AI自动完成了从数据加载到模型部署的完整代码：

1. 使用sklearn鸢尾花数据集实现基础KNN
2. 按7:3划分训练集与测试集
3. 对特征数据标准化
4. 使用5折交叉验证寻找最优K值
5. 输出分类报告与混淆矩阵
6. 使用joblib持久化模型
7. 创建预测函数

✅AI产出的代码逻辑严密，符合工业级标准。

六、核心代码实现：ConstraintCodeGenerator类

python

classConstraintCodeGenerator:

def__init__(self):

self.constraints=[]

self.history=[]

defadd_constraint(self,text):

self.constraints.append(text)

returnself.refresh_code()

defrefresh_code(self):

prompt=format_prompt(self.constraints)

returncall_zhipu_api(prompt)

• 状态解耦：约束与对话历史独立存储
• 全量刷新：每次基于当前所有约束重新生成
• API抽象：可无缝切换GLM-4-Flash或GLM-4.7模型

七、交互指令示例

八、API优化建议

模型选择：

• glm-4-flash：快速迭代，适合简单逻辑
• glm-4.7：复杂架构设计，增强指令遵循能力

九、实验结果与问题分析

Q1：添加更多约束后，生成时间是否变长？

✅会变长，但在GLM-4-Flash的131K上下文中，几百到几千tokens的增量影响不大。主要耗时在API调用和生成过程。

Q2：重复添加相同约束会发生什么？

⚠️约束列表会出现重复项，代码变化不大，但会浪费token，建议避免重复添加。

Q3：代码是否只是简单变长？

❌不是。代码结构会优化，逻辑更清晰，功能更完善，而非简单堆砌。

Q4：如何用它修改代码中的错误？

✅不能直接添加错误信息，而是通过新增约束让AI分析错误并生成正确代码。

十、完整参考代码

import os import re from datetime import datetime from openai import OpenAI # ==================== 配置 ==================== # 请在这里替换成您的API Key YOUR_API_KEY = "824b44b35fc34b5390e568cdedce281f.i45FXdEp6dMZPBa2" # 初始化客户端 client = OpenAI( api_key=YOUR_API_KEY, base_url="https://open.bigmodel.cn/api/paas/v4/" ) # ==================== 多轮约束代码生成器 ==================== class MultiTurnCodeGenerator: def __init__(self): self.constraints = [] # 存储所有约束 self.conversation_history = [] # 存储对话历史 self.current_code = "" # 初始化系统提示 self.conversation_history.append({ "role": "system", "content": """你是一个专业的Python开发工程师。用户会逐步提出代码约束条件，你需要： 1. 记住并遵守所有历史提出的约束 2. 每次生成完整的代码（不要只给修改部分） 3. 代码必须包含完整的注释、文档字符串和类型注解 4. 包含适当的错误处理 5. 每次回复格式：先列出所有当前约束，然后给出完整的代码""" }) def add_constraint(self, constraint): """添加新约束并生成代码""" if not constraint.strip(): return False, "约束不能为空" # 添加约束 self.constraints.append(constraint) # 构建用户消息 constraints_text = "\n".join([f"{i+1}. {c}" for i, c in enumerate(self.constraints)]) user_message = f"""请根据以下所有约束条件生成Python代码： 当前约束列表： {constraints_text} 请生成完整、可运行的代码。""" self.conversation_history.append({"role": "user", "content": user_message}) try: response = client.chat.completions.create( model="glm-4-flash", messages=self.conversation_history, temperature=0.5, max_tokens=4096 ) assistant_reply = response.choices[0].message.content self.conversation_history.append({"role": "assistant", "content": assistant_reply}) # 提取代码 self.current_code = self._extract_code(assistant_reply) return True, assistant_reply except Exception as e: # 失败时移除刚添加的约束和消息 self.constraints.pop() self.conversation_history.pop() return False, f"API调用失败: {e}" def _extract_code(self, response): """从回复中提取代码""" # 匹配Python代码块 patterns = [ r'```python\n(.*?)\n```', r'```\n(.*?)\n```', r'```python(.*?)```' ] for pattern in patterns: match = re.search(pattern, response, re.DOTALL) if match: return match.group(1).strip() return response def remove_constraint(self, index): """删除指定约束""" if 1 <= index <= len(self.constraints): removed = self.constraints.pop(index - 1) print(f"已删除约束 {index}: {removed}") # 重新生成代码 if self.constraints: self._regenerate() else: self.current_code = "" return True else: print(f"约束编号 {index} 无效") return False def _regenerate(self): """基于当前约束重新生成代码""" if not self.constraints: return # 重置对话历史（保留系统提示） self.conversation_history = [self.conversation_history[0]] # 重新生成 constraints_text = "\n".join([f"{i+1}. {c}" for i, c in enumerate(self.constraints)]) user_message = f"请根据以下所有约束条件生成代码：\n{constraints_text}" self.conversation_history.append({"role": "user", "content": user_message}) try: response = client.chat.completions.create( model="glm-4-flash", messages=self.conversation_history, temperature=0.5, max_tokens=4096 ) assistant_reply = response.choices[0].message.content self.conversation_history.append({"role": "assistant", "content": assistant_reply}) self.current_code = self._extract_code(assistant_reply) except Exception as e: print(f"重新生成失败: {e}") def list_constraints(self): """列出所有约束""" if not self.constraints: print("暂无约束条件") else: print("\n当前约束列表：") for i, c in enumerate(self.constraints, 1): print(f" {i}. {c}") def show_code(self): """显示当前代码""" if self.current_code: print("\n" + "=" * 60) print("当前代码：") print("=" * 60) print(self.current_code) print("=" * 60) else: print("暂无代码，请先添加约束") def export_code(self, filename=None): """导出代码到文件""" if not self.current_code: print("没有可导出的代码") return if filename is None: timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") filename = f"generated_code_{timestamp}.py" # 添加文件头 header = f'''""" 自动生成的代码 生成时间: {datetime.now().strftime("%Y-%m-%d %H:%M:%S")} 约束条件数量: {len(self.constraints)} 约束列表: {chr(10).join([f"- {c}" for c in self.constraints])} """ ''' with open(filename, 'w', encoding='utf-8') as f: f.write(header + self.current_code) print(f"✅ 代码已导出到: {filename}") return filename # ==================== 交互式界面 ==================== def print_help(): """打印帮助信息""" print(""" 命令说明： add <约束> - 添加新的约束条件 list - 列出所有约束 show - 显示当前生成的代码 remove <编号> - 删除指定约束 export [文件名] - 导出代码到文件 clear - 清空所有约束 help - 显示帮助 exit - 退出程序 示例： add 函数名使用蛇形命名法 add 添加完整的文档字符串 remove 2 export my_code.py """) def main(): """主程序""" print("\n" + "=" * 70) print("🚀 多轮约束代码生成器") print("=" * 70) print("\n您可以逐步添加约束，AI会基于所有历史约束生成代码") print("输入 'help' 查看命令说明") print("=" * 70) generator = MultiTurnCodeGenerator() round_num = 1 while True: try: user_input = input(f"\n[{round_num}] > ").strip() if not user_input: continue # 解析命令 parts = user_input.split(maxsplit=1) command = parts[0].lower() args = parts[1] if len(parts) > 1 else "" # 处理命令 if command == "exit": print("\n👋 再见！") break elif command == "help": print_help() elif command == "add": if not args: print("❌ 请提供约束内容，例如: add 函数名使用蛇形命名法") else: print(f"⏳ 正在添加约束: {args}") success, result = generator.add_constraint(args) if success: print(f"\n✅ 约束已添加！当前共有 {len(generator.constraints)} 条约束") generator.show_code() round_num += 1 else: print(f"❌ {result}") elif command == "list": generator.list_constraints() elif command == "show": generator.show_code() elif command == "remove": if not args: print("❌ 请提供约束编号，例如: remove 2") else: try: index = int(args) generator.remove_constraint(index) if generator.current_code: generator.show_code() round_num = len(generator.constraints) + 1 except ValueError: print("❌ 请输入有效的数字编号") elif command == "export": filename = args if args else None generator.export_code(filename) elif command == "clear": confirm = input("⚠️ 确认清空所有约束和代码？(y/n): ") if confirm.lower() == 'y': generator.constraints = [] generator.conversation_history = [generator.conversation_history[0]] generator.current_code = "" round_num = 1 print("✅ 已清空所有约束") else: print(f"❌ 未知命令: {command}") print("输入 'help' 查看可用命令") except KeyboardInterrupt: print("\n\n👋 再见！") break except Exception as e: print(f"❌ 错误: {e}") # ==================== 快速演示 ==================== def demo_mode(): """演示模式：自动演示多轮约束编程""" print("\n" + "=" * 70) print("📖 演示模式 - 多轮约束编程示例") print("=" * 70) generator = MultiTurnCodelistGenerator() # 示例约束序列 demo_constraints = [ "写一个函数，判断一个整数是否为质数", "函数名使用 is_prime，使用蛇形命名法", "添加完整的文档字符串，说明函数功能、参数和返回值", "使用类型注解（Type Hints）", "添加错误处理，如果输入不是整数则抛出 TypeError", "性能优化：只需要检查到平方根即可" ] print("\n将依次添加以下约束：") for i, c in enumerate(demo_constraints, 1): print(f" {i}. {c}") input("\n按 Enter 开始演示...") for i, constraint in enumerate(demo_constraints, 1): print(f"\n{'='*60}") print(f"第 {i} 轮约束: {constraint}") print('='*60) success, result = generator.add_constraint(constraint) if success: print(f"\n✅ 约束已添加，当前共有 {i} 条约束") generator.show_code() else: print(f"❌ 失败:list {result}") if i < len(demo_constraints): input("\n按 Enter 继续下一轮...") print("\n" + "=" * 70) print("🎉 演示完成！") print("=" * 70) # 导出最终代码 generator.export_code("demo_output1.py") # ==================== 程序入口 ==================== list if __name__ == "__main__": print("\n请选择模式：") print(" 1. 交互模式（逐步添加约束）") print(" 2. 演示模式（自动演示示例）") choice = input("\n请输入选择 (1/2): ").strip() if choice == "2": demo_mode() else: main()