让AI给你写代码（9.1）：引导AI根据输入的问题，并结合本地知识库的预存需求组成提示模板，生成代码并测试，保存

本文链接：https://blog.csdn.net/zhyuli/article/details/138912546

我们以上一篇为基础《备忘：使用langchain结合千问大模型，用本地知识库辅助AI生成代码》，建立一个完整的AI应用，具备按用户输入的问题，匹配本地数据库预设需求，然后转发给AI（千问）生成代码，然后提取代码进行自动测试，如果测试成功，则根据代码再使用AI（千问）生成文件名，保存代码到预设仓库，其流程如下（典型的Rag流程）：
在这里插入图片描述
主要工具：
本地库用的向量持久化工具： ES 7.9
本地库匹配使用的embedding：抱脸虫HuggingFaceEmbeddings的paraphrase-multilingual-MiniLM-L12-v2
LLM 还是选qwen-max

本地库内容还是4个akshare接口

获得上海证券交易所股票数据总貌，包括项目、股票、科创版、主板，可以使用akshare库的stock_sse_summary接口，无入参，返回最近交易日的股票数据总貌，包括流通股本、总市值、平均市盈率、上市公司、上市股票、流通市值、报告时间、总股本，返回字段使用中文，最后用print方法打印行情，代码格式为python…
获得股票个股信息，包括总市值、流通市值、行业、上市时间、股票代码、股票简称、总股本、流通股，可以使用akshare库的stock_individual_info_em接口按股票代码查询，获得相关股票个股信息，返回字段使用中文，最后用print方法打印行情，代码格式为python…
获取股票最新价格、最新成交量、最新涨跌幅、最新换手率，可以使用akshare库的stock_zh_a_spot_em接口获取全市场行情，无入参，再按股票名称或者股票代码过滤获得信息，返回字段使用中文，最后用print方法打印行情，代码格式为python…
获得股票历史行情，包括指定交易日的最高价、最低价、开盘价、收盘价、成交量、涨跌幅、换手率，可以使用akshare库，按stock_zh_a_hist接口按股票代码，获取指定日线数据，startdate和enddate，以及指定前复权，获得日线数据，返回字段使用中文，最后用print方法打印行情，代码格式为python… （行分隔符）

建本地库和依赖本地匹配需求，参考上一篇《备忘：使用langchain结合千问大模型，用本地知识库辅助AI生成代码》

我们把依赖于LM生成代码，根据代码自动获取文件名，以及自动测试，保存文件统一到一个工具类Assistant类

import ...
dashscope.api_key 

CONTEXT_QA_TMPL = """
下面的信息({summary_prompt})是否有这个问题({message})有关，
如果你觉得无关请告诉我无法根据提供的上下文回答'{message}'这个问题，简要回答即可，
否则请根据{summary_prompt}对{message}的问题进行回答
"""

CONTEXT_QA_PROMPT = PromptTemplate(
    input_variables=["summary_prompt", "message"],
    template=CONTEXT_QA_TMPL,
)


# 新增LLM助手
class Assistant:
    def __init__(self, llm: BaseLLM):
        self.llm = llm  # LLM

        self.used_code = ""

        self.python_path = "/home/cfets/gitea/pyWebTest1/pythonRepository/"

        CONTEXT_QA_TMPL = """
        下面的信息({summary_prompt})是否有这个问题({message})有关，
        如果你觉得无关请告诉我无法根据提供的上下文回答'{message}'这个问题，简要回答即可，
        否则请根据{summary_prompt}对{message}的问题进行回答
        """

        self.CONTEXT_QA_PROMPT = PromptTemplate(
            input_variables=["summary_prompt", "message"],
            template=CONTEXT_QA_TMPL,
        )

    # 生成代码
    def genCode(self, message: str, summary_prompt: str):
        prompt = CONTEXT_QA_PROMPT.format(summary_prompt=summary_prompt, message=message)
        print('prompt::', prompt)
        print('\n')

        raw_code = llm(prompt)

        print('raw_code::', raw_code)
        print('\n')

        return raw_code

    # 提取并执行代码列表
    def py_repl_tool_list(self, code: str):
        py_repl = PythonREPL()
        result = {
   }

        realcode_list = re.findall(r'```python(.*?)```', code, re.DOTALL)
        for i in range(len(realcode_list)):
            # 执行
            res = py_repl.run(realcode_list[i])

            # 判断执行结果，如果成功，则保存代码，如果不成功，不保存
            result[i] = py_repl.run(realcode_list[i])

            if "Error" not in result[i]:
                print('执行成功')
                self.saveCode(realcode_list[i])
            else:
                print('执行失败 错误信息:', result[i])

        return result

    # 自动保存
    def saveCode(self, code: str):
        file_name = self.python_path + self.getFileName(code)

        try:
            if not os.path.exists(file_name):
                with open(file_name, 'w') as f:
                    f.write(code)
                    print('文件保存成功')
            else:
                print('文件已存在')
                version = random.randint(1, 100)
                file_name = file_name.split(".py")[0] + str(version) + ".py"
                with open(file_name, 'w')