AIgoAI智能算法教学与评测平台（四）——（后端篇）（模型相关）

本文内容：后端模型相关方法的介绍

负责人：孙秋延、危钰清

进度：基本完成框架，但之后和前端集成时还需要修改。

---

一、已实现方法与说明

方法路径	方法功能	简要说明
/chat/generate	通用对话	用户传入 prompt 和可选 promptType，系统自动封装提示词并调用大模型获取回答。
/chat/explain	逐行代码解释	提交一段代码，由模型生成对应的逐行中文解释，帮助理解代码逻辑。
/chat/generate-template	生成代码模板	用户描述问题并指定语言，系统返回对应语言的函数框架和输入输出结构。
/chat/nl2oj	自然语言转标准OJ题目格式	支持将用户用口语描述的题目自动转化为结构化题目信息，包括输入、输出、样例等字段。
/chat/suggest-fix	出错代码修复建议	提交代码和错误日志，由大模型分析问题并生成修复建议，用于减少用户调试成本。

所有方法均通过统一的服务方法 callAiForOneReply(prompt, promptType) 调用大语言模型，并在 wrapPrompt 中封装不同任务类型所需的提示模板。

二、与前端集成可能需修改的部分

在与前端集成和联调过程中，以下几处可能需要进一步调整：

• 错误提示结构：当前返回格式为统一的 Result.success() / Result.error()，如需兼容更细粒度错误类型或，还要调整枚举类 ResultCode。

• 任务状态接口：如果调用太慢，就改为异步调用，可新增任务队列管理。

• 前端可视化需求：某些模型返回内容为自然语言长文本，可能需格式化结构（如换行转 <br>）或拆分为段落返回，前后端需对格式进行约定。

三、总结

以上为我本阶段完成的全部后端工作内容。在实现过程中，已尽量抽象共用逻辑，提升接口一致性与可维护性。后续如需对接评分系统、多轮上下文或知识库检索能力，可在当前结构上直接扩展。