驭码CodeRider 2.0 新品体验——情感交流大师(女生版)

本文链接：https://blog.youkuaiyun.com/Math_teacher_fan/article/details/148595476

前言

驭码 CodeRider 是极狐GitLab 推出的基于人工智能和生成式内容技术的新一代软件生产工具，为开发者提供自然语言生成代码、代码补全、代码调优纠错、单元测试生成、代码解释以及智能技术问答等功能。本篇文章我们使用驭码来完成一个情感交流大师女生版。

本次我们要使用驭码CodeRider 2.0来完成整个项目的编码，目标是能解决女孩聊天过程中如回复对方的话语。

AI提示词

你是一位情话专家，专门帮助女生解决聊天对话的问题，回复的内容都很有诗意，并且很有趣，返回的信息永远让对方有话可接，不会让聊天尬场。

1、理解聊天信息，给出对方的目的；

2、根据对方的目的，给出诗意的回复；

3、根据对方的目的，给出有趣的回复；

4、根据对方的目的，给出调侃的回复；

5、根据对方的目的，给出生活的回复；

6、返回的信息格式为json;

7、json格式为：{"Aim":"xxx","data":{"shi":"xxx","qu":"xxx","tiao":"xxx","sheng":"xxx"}}

8、不要返回多余的内容，如果json格式不正确则重新生成。

此次聊天问题是用户输入的问题。

我们对接一下DeepSeek-V3，优势是没有think过程。

基础requests请求参数

这里返回的result的格式需要使用re来获取出来，我们需要使用ALT+K选中后进行提示操作。

返回效果：

json_str = response.json()['choices'][0]['message']['content']

这里我们为了方便操作，将对应的json值逐一获取出来。

aim = re.search(r'"Aim":\s*"([^"]+)"', json_str).group(1)
shi = re.search(r'"shi":\s*"([^"]+)"', json_str).group(1)
qu = re.search(r'"qu":\s*"([^"]+)"', json_str).group(1)
tiao = re.search(r'"tiao":\s*"([^"]+)"', json_str).group(1)
sheng = re.search(r'"sheng":\s*"([^"]+)"', json_str).group(1)
print(aim)
print(shi)
print(qu)
print(tiao)
print(sheng)

这里也就获取出对应的AI返回值了，下面代码是来自于华为的maas服务对应的DeepSeek接口，需要更换对应的APIKey，可以换成自己的AI接口，都一样的，区别不大，这里唯一的建议是使用V3的模型，否则你还得去处理think的格式，挺麻烦的。

# coding=utf-8

import requests
import json
import re
if __name__ == '__main__':
    url = "https://api.modelarts-maas.com/v1/chat/completions" # API地址
    api_key = "genghuanAKIKey"  # 把yourApiKey替换成已获取的API Key 
    
    # Send request.
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {api_key}' 
    }
    data = {
        "model":"DeepSeek-V3", # 模型名称
        "messages": [
            {"role": "system", "content": """你是一位情话专家，专门帮助男性解决聊天对话的问题，回复的内容都很有诗意，并且很有趣，返回的信息永远让对方有话可接，不会让聊天尬场。
1、理解聊天信息，给出对方的目的；
2、根据对方的目的，给出诗意的回复；
3、根据对方的目的，给出有趣的回复；
4、根据对方的目的，给出调侃的回复；
5、根据对方的目的，给出生活的回复；
6、返回的信息格式为json;
7、json格式为：{"Aim":"xxx","data":{"shi":"xxx","qu":"xxx","tiao":"xxx","sheng":"xxx"}}
8、不要返回多余的内容，如果json格式不正确则重新生成。
此次聊天问题是用户输入的问题。"""},
            {"role": "user", "content": "你好"}
        ],
        # 是否开启流式推理, 默认为False, 表示不开启流式推理
        "stream": False,
        # 在流式输出时是否展示使用的token数目。只有当stream为True时改参数才会生效。
        # "stream_options": { "include_usage": True },
        # 控制采样随机性的浮点数，值较低时模型更具确定性，值较高时模型更具创造性。"0"表示贪婪取样。默认为0.6。
        "temperature": 0.6
    }
    response = requests.post(url, headers=headers, data=json.dumps(data), verify=False)
    json_str = response.json()['choices'][0]['message']['content']
    # 返回效果：
    aim = re.search(r'"Aim":\s*"([^"]+)"', json_str).group(1)
    shi = re.search(r'"shi":\s*"([^"]+)"', json_str).group(1)  
    qu = re.search(r'"qu":\s*"([^"]+)"', json_str).group(1)
    tiao = re.search(r'"tiao":\s*"([^"]+)"', json_str).group(1)
    sheng = re.search(r'"sheng":\s*"([^"]+)"', json_str).group(1)
    print(aim)
    print(shi)
    print(qu)
    print(tiao)
    print(sheng)

可视化编码

我们只需要最后绑定到对应的页面视图上，我们使用tk库来完成页面绘制。

使用tk库创建一个可视化窗口，需要一个输入框（user的content参数），一个提交按钮，一个信息显示面板，信息显示面板需要显示的是对一个的：诗意回答，趣味回答，挑逗回答，深意回答，样式为小清新的。

看看效果：

尝试效果：

我们可以切换一下：

看看效果还不错，过程中我直接进行提问第一次返回的代码就是可以直接运行的，效果还非常不错。

还给了个总结：

结构化数据映射：使用字典 tab_mapping明确标签页与数据字段的对应关系，避免硬编码
批量处理：通过循环处理所有标签页，减少重复代码
更健壮的错误处理：
- 检查返回的 JSON 是否是字典类型
- 捕获更广泛的异常情况
- 提供更明确的错误提示
内容构建优化：
- 使用列表拼接构建显示内容
- 自动生成默认提示文本（如"无诗意回复"）
数据提取安全：
- 全部使用.get()方法带默认值
- 分层提取数据（先取 data，再取具体字段）

这种写法更符合 Pythonic 风格，也更容易维护和扩展。

总结

整个上下文测试下来还是很舒服的，并且成功率特别的高，整体的生成之后使用ALT+K的方式针对不合适的地方进行直接修改，非常的方便。

优势类别	具体说明
专注编程	专为开发者设计，不回复无关内容，聚焦代码问题
多模型支持	混合使用多个AI模型，提供最优解决方案
即时响应	作为VSCode插件快速响应开发需求
代码理解强	深度分析上下文，给出精准修改建议
安全可靠	企业级产品支持，通过极狐GitLab官方验证
中文友好	默认中文输出，准确理解本土开发需求
智能提示	支持自动补全、错误检测等IDE增强功能