AI&大模型

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 import os from openai import OpenAI try: client = OpenAI( # 替换成你自己的ak api_key="<your key>", base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "你是谁？"}, ], ) print(completion.choices[0].message.content) except Exception as e: print(f"错误信息：{e}") 以上其实就是一个标准的Open AI的API调用代码， 其中的重要参数我们也能发现有很多。 **base_url：**模型服务器地址。 在各种智能体框架和低代码平台中，都会要求配置此参数以指定请求发送到哪个模型服务器。 格式说明： 完整的 API 接口路径通常是：https://域名地址（或者ip+port）/v1/chat/completions 但是大多数智能体框架（如 LangChain、Autogen等等）默认会拼接 /chat/completions，因此我们只需配置到：**https://域名地址/v1/ **即可。 而在我们课程中用的最多的SpringAI，他不太一样的点就是，他默认拼接的是：/v1/chat/completions。所以在SpringAI框架中的配置是只到v1之前。 ...

典型回答 Anthropic 的官方 API 服务器在中国大陆无法直接稳定连接（会被阻断或超时）。注册 Anthropic 账号通常需要海外手机号验证，且订阅 Pro 服务需要海外信用卡支付。此外，Anthropic 的风控非常严格，国内 IP 或非纯净的代理 IP 极易导致账号被封禁（High-risk）。 想要使用，一般有以下几个办法： 1、我使用的是开源版的Open Code，我对比下来和Claude Code的效果差不多。 2、我用的是Claude Code这个工具，但是模型的话，我使用的是智谱的GLM 3.6模型/4模型/3.5模型（或者是Kimi 的K2模型、通义千问Qwen模型），我发现这些模型效果也是不错的。 3、我们公司在境外有子公司，然后我们也和电信合作了，有跨境专线，可以合规的使用Claude模型 4、我们使用的是第三方的中转站，他们能提供Claude的账号池。（但是最近发现有一些中转站存在注水的情况，有些请求会用其他模型替代）

现在面试基本都会问这种问题了，因为用AI辅助编程已经是一个基本能力了，后面肯定会大规模的使用AI Coding，所以，面试会通过这个问题考察大家是否在积极拥抱AI。但是这个问题其实也不仅仅是为了考察你“用过多少种工具”，而是想考察以下三点： 技术敏感度：你是否关注前沿技术，是否愿意拥抱新工具提升效率。 工程化思维：你是把AI当作“抄代码的捷径”，还是当作“辅助思考、审查代码、编写测试”的结对编程伙伴 边界意识：你是否清楚AI的局限性（如幻觉、安全漏洞），是否有审查和验证AI生成代码的能力。 我见过很多人这么回答： “我大部分代码都是AI写的，我只负责复制粘贴。” 面试官会认为你缺乏独立 coding 能力，一旦AI出错你就束手无策。 “我没用过，我觉得没必要/那是作弊。” 显得你固步自封，不愿意接受新工具，团队协作效率可能较低。 “我用过 Github Copilot。”然后就没下文了。 浪费了一个展示你对工具的理解&使用以及优化思维的好机会。 典型回答 目前在国内，用的比较多的AI Coding是下面这几个： Claude Code Open Code （开源版Claude Code） Cursor Github Copilot Qoder TRAE 这几个除了Open Code以外，基本都是需要付费的。 推荐的回答方式： “我主要用 Cursor 进行日常的辅助编程和代码生成，特别是在写单元测试和重构时效率提升很明显，或者有的是涉及到一些比较简单的数据库层面的CRUD我也会让Cursor帮我生成一部分。但我始终坚持’Human-in-the-loop’，所有AI生成的代码我都会经过严格的Review和测试才合并，确保安全和逻辑正确。” 扩展知识 Claude Code国内不能用，你是怎么用的？ ✅Claude Code国内不能用，你是怎么用的？ ...

典型回答 模型 首先是模型，不管是Cursor还是Claude Code，还是阿里的Qoder、字节的TRAE，效果好的话，一定是要选择优质的模型，在编程方面，公认的是Claude 模型效果最好了。 原生IDE体验 Cursor是基于VS Code二开的，并非简单的IDE插件，而是将 AI 能力深度融入编辑器底层。用户无需切换上下文即可调用 AI 功能（如代码生成、调试、重构）。 上下文感知 通过解析整个项目结构、依赖关系和代码历史，Cursor 能理解复杂业务逻辑，生成更符合项目风格的代码，而非孤立片段。 当你打开一个项目时，Cursor 会在后台异步扫描所有文件，将代码块（函数、类、变量定义）转化为向量嵌入（Embeddings），存储在本地向量数据库中。在用户提问时，根据你的问题，从向量库中检索出最相关的 10-20 个代码片段。不仅看关键词匹配，还看代码结构的相似度。将这些精选片段与你当前的编辑内容、错误日志、终端输出组合成一个“超级提示词”发送给模型。这使得模型仿佛“读完了整个项目”，但实际上只消耗了极少的 Token，既保证了准确性，又降低了延迟和成本。 强大的内置工具 Cursor中内置了很多工具，在开发时，这些工具，如Shell工具、文件读写工具、浏览器工具、Python代码编写和执行工具等等都非常的重要。能够帮助我们在开发时验证和修正、以及更好的修改代码。 扩展知识 cursor rules 在 Cursor 中，在项目根目录下的 .cursor/rules/ 目录中可以放一些规则文件，扮演着“项目宪法”或“团队首席架构师”的角色。 它的核心作用是：为 AI 设定针对当前项目的、持久化的行为准则和上下文约束，确保 AI 生成的代码始终符合项目的特定风格、技术栈和规范，而无需你在每次对话中重复强调。 他的常见作用如下： 统一代码风格与规范定义：代码的格式化标准、命名约定、注释风格等。 变量命名必须使用 camelCase，常量使用 UPPER_SNAKE_CASE。 每个函数必须包含 Java Doc 注释，说明参数和返回值。 强制技术栈与架构约束：明确项目使用的特定库、版本限制以及架构模式，防止 AI 幻觉出过时或不兼容的代码。 本项目使用 Next.js 14 (App Router)，严禁使用 pages 目录或 getServerSideProps。 定义业务逻辑与安全红线：植入项目特有的业务规则、安全策略或敏感操作的处理流程。 所有数据库查询必须经过权限验证中间件。 涉及金额的计算必须使用Decimal，严禁使用 float/double。 优化交互模式与输出格式：规定 AI 的回答方式、详细程度以及是否包含解释。 只输出代码块，不要包含任何解释性文字。 如果发现潜在的性能问题，请在代码注释中标记 TODO。 提供领域特定的上下文：补充大模型训练数据中可能缺失的项目特有知识或缩写定义。 在本项目中，‘Tmall’ 指的是天猫，‘TB’ 指的是淘宝。

Vibe Coding（氛围编程）是由前 OpenAI 联合创始人、特斯拉 AI 总监 Andrej Karpathy 在 2025 年初提出的一个概念。 它描述了一种完全由大语言模型（LLM）驱动的编程新范式。在这种模式下，开发者不再逐行编写代码，而是通过自然语言描述想法，让 AI 生成可运行的代码，开发者主要负责“感受”代码运行的效果（Vibe），并在出错时通过自然语言反馈进行修正。 **程序员不写代码，只是提需求，代码由AI写，如果出现错误，再把错误给AI，让AI改。**这就是所谓的 Vibe（氛围）：你可能并不理解代码的每一行，但依然能让它跑起来。” Vibe Coding 的核心特征 自然语言即代码 传统编程：开发者需要掌握语法、库函数、设计模式，将逻辑转化为精确的代码。 Vibe Coding：开发者只需用人类语言描述意图（如“做一个带深色模式的待办事项列表”），AI 负责将其转化为具体的代码实现。编程语言本身变成了“中间件”，对用户透明。 “黑盒”式开发 开发者不需要完全理解生成的每一行代码细节。 重点从“如何实现”转移到了“想要什么结果”。 只要程序能跑通、符合预期，就不深究底层逻辑；只有当出现严重 Bug 或性能问题时，才介入审查代码。 快速迭代与试错 流程：提出想法 -> AI 生成 -> 运行测试 -> (若失败) 复制报错信息给 AI -> AI 修复 -> 再次运行。 这种循环极快，允许开发者在几分钟内验证多个创意，极大地降低了原型开发的门槛。 Vibe Coding vs. 传统编程 vs. AI 辅助编程 维度 传统编程 AI 辅助编程 (Copilot 模式) Vibe Coding 核心动作 手写每一行代码 手写主干，AI 补全片段 自然语言描述，AI 生成整体 知识要求 精通语法、架构、调试 熟悉语法，能判断 AI 建议 懂逻辑、懂需求，语法要求低 调试方式 断点、日志、源码分析 检查 AI 补全是否正确 直接运行，报错丢给 AI 修 关注点 实现细节、性能优化 效率提升、减少重复劳动 创意实现、最终效果 (Vibe) 典型工具 VS Code, IDEA GitHub Copilot、通义灵码 Cursor,Claude Code。Qoder 它并不是要完全取代程序员，而是解放了生产力，让开发者从繁琐的语法和样板代码中解脱出来，将精力集中在创意、架构设计和产品体验上。对于 Cursor 这样的工具而言，它正是实现 Vibe Coding 的最佳载体之一，通过强大的上下文理解和对话能力，让这种“凭感觉编程”变得切实可行。但是如果用不好，也会有各种问题，如以下这些常见的问题 ...