让AI给你写代码，初体验（一）

我尝试AI编程主要是解决，我熟悉后台开发，但不熟悉前台的开发，自己写web应用前端页面搞的非常纠结，想通过AI解决这个痛点，于是入坑。

一开始我尝试了阿里的通义灵码，尝试使用akshare库，编制一些简单获取筛选数据代码，但感觉存在一些问题，例如
“使用akshare最新接口，查询全市场行情后，再在其中筛选出600029的最新市场价”
1 可能是因为我选的是开源库接口并不是太稳定，以及按老接口编制的程序信息在数量上压倒最新的接口，代码准确率偏低

注意这里至少有两个问题：
1） ak.stock_zh_a_spot() 是新浪接口，非常的慢
2） akshare新版本把列名的返回值改成中文，而给出的是英语

所以我尝试纠错，要求AI，请使用akshare最新接口，但是结果不尽如人意

AI在编造接口！！！ ak.stock_zh_a_spot_newest() 是什么鬼…

注意，我希望是使用较快的 ak.stock_zh_a_spot_em()

2 其次目前通义灵码需要手工粘贴代码，就是只能支持代码片段，很难进行工程化

--------------------失望的分隔线-----------------------------

然后我尝试使用 千问（qwen）大模型的限时免费版本——qwen_max

千问大模型API的申请可参考 ，官方 千问API以及用户经验 [从零开始 通义千问大模型本地化到阿里云通义千问API调用](https://blog.csdn.net/qq_51116518/article/details/134448138?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-1-134448138-blog-135868918.235%5Ev43%5Epc_blog_bottom_relevance_base6&spm=1001.2101.3001.4242.1&utm_relevant_index=4)

这是支持多轮对话的场景代码（注意我略去了 API token 请自行补充）

from http import HTTPStatus
import dashscope
from dashscope import Generation
from dashscope.api_entities.dashscope_response import Role
def conversation_mutual():
    messages = []
    
    while True:
        message = input('user:')
        messages.append({'role': Role.USER, 'content': message})
        whole_message = ''
        responses = Generation.call(Generation.Models.qwen_max, messages=messages, result_format='message', stream=True, incremental_output=True)
        print('system:',end='')
        for response in responses:
            if response.status_code == HTTPStatus.OK:
                whole_message += response.output.choices[0]['message']['content']
                print(response.output.choices[0]['message']['content'], end='')
            else:
                print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (
                    response.request_id, response.status_code,
                    response.code, response.message
                ))
            
    print()
    messages.append({'role': 'assistant', 'content': whole_message})
if __name__ == '__main__':
    conversation_mutual()

我们来看一下测试效果

注意，千问提供的这段代码需要修改才能运行的，例如返回值代码需要修改为sh600029，返回值需要中文等等，问题是首先要解决ak.stock_zh_a_spot() 是很慢的接口，让我们再来精进一下**: stock_zh_a_spot()较慢，请使用akshare较快的实时行情接口，例如东财的接口**

执行代码报错，显然返回值里没有‘当前价’

于是告知AI，stock_zh_a_spot_em()返回值，当前价不存在

AI完成修改，这次执行成功了

当然千问AI仍然有一定的可能胡编接口，需要主人对编程和相关库接口有一定的了解，才能逐步矫正，当然实际应用不需要做到完全没有问题，一般问题，直接改代码就成。

完成代码生成，接下来就要想办法把代码保存到本地可执行文件，很容易想到，千问提供的内容，引入正则表达式筛选’''pyhon … ‘’'之间的内容，保存为py代码脚本即可，

pyContent = re.findall(r'```python(.*?)```', whole_message, re.DOTALL)

我们在接入千问API程序的基础上略做改进

from http import HTTPStatus
import dashscope
import re
from dashscope import Generation
from dashscope.api_entities.dashscope_response import Role

def conversation_mutual():
   
    
    messages = []
    
    while True:
        message = input('user:')
        messages.append({'role': Role.USER, 'content': message})
        whole_message = ''
        responses = Generation.call(Generation.Models.qwen_turbo, messages=messages, result_format='message', stream=True, incremental_output=True)
        print('system:',end='')
        for response in responses:
            if response.status_code == HTTPStatus.OK:
                whole_message += response.output.choices[0]['message']['content']    
                print(response.output.choices[0]['message']['content'], end='') 
            else:
                print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (
                    response.request_id, response.status_code,
                    response.code, response.message
                ))
        print('\n')   
        #每轮对话都进行正则过滤
       targetPath="/home/cfets/gitea/pyWebTest1/server/"   #保存目录
       fileName=targetPath+"test2.py"    #保存文件名
       
       #print('message：'+message)
       #对两个```之间内容进行萃取
       pyContent = re.findall(r'```python(.*?)```', whole_message, re.DOTALL)
       #print('pyContent：'+pyContent[0])

       #保存至文件
       with open(fileName, 'w') as f:
       f.write(pyContent[0])
                
                
    print()
    messages.append({'role': 'assistant', 'content': whole_message})

if __name__ == '__main__':
    conversation_mutual()

保存为test2,执行成功

后续准备利用AI搭建一个Flask轻量级的前后台应用，且听下回分解