登录社区云,与社区用户共同成长
邀请您加入社区
一句话生成游戏 + 一句话同步仓库,整个过程不到两分钟。对于想快速做个小游戏消遣的程序员来说,这种效率是手动编码比不了的。当然,生成的代码也不是完美无缺——前面提到的自撞检测边界问题,还有游戏难度曲线、食物生成策略这些,都还有人工优化的空间。但作为一个 MVP(最小可行产品),质量已经超出预期了。回到开头那个问题——国庆宅家想玩游戏又不想花钱怎么办?答案不是去到处找破解版,而是用技术手段自己造。A
大赛历时两个月,来自全球700多所高校、20890名选手、4057支队伍经过八大赛区区域初赛、区域复赛、全球总决赛等环节的激烈角逐,最终,江山赛区来自山东大学的“光子世界”队在华为云码道的辅助下,凭借对赛题的深入理解和高超的组合优化求解技术赢得全球总冠军和最佳智能体应用实践奖,大赛还决出了2个亚军,5个季军,1个最优美代码奖和1个最佳软件开发过程奖。AI时代欢迎每一个努力进步的你!面向未来,华为持
亮点说明提示词即引擎游戏规则通过提示词描述给 AI,AI 输出 JSON 指令驱动游戏,而非硬编码逻辑JSON 协议设计7 种动作类型覆盖全部游戏阶段,AI 100% 遵循格式差异化 AI 人格7 名 AI 玩家拥有不同性格和发言风格,对局生动不重复流式打字机实时提取 speech 字段,只显示发言内容,不暴露原始 JSON身份保密机制两层保密(座位卡 + 日志),参与模式下不剧透优雅中断 AI
FastAPI 的强大,很大程度上来自 Pydantic 的校验能力。我们写下类型声明,FastAPI 在运行时自动把它变成边界检查器。name:字符串,长度限制 1 到 50;age:整数,限制在 6 到 120 之间(ge大于等于、le小于等于);gender:字符串,用正则限定只能是"男"“女”“其他”;email:邮箱格式字符串;grade与major:可选字段,代表班级和专业方向。
在日常开发中,"接口(API)"是前后端协作的桥梁。无论是招聘系统中的候选人简历、教务系统中的学生档案,还是电商平台里的商品信息,归根到底都离不开最朴素也最重要的四类操作——增、删、改、查,业界常把它称为 CRUD(Create / Read / Update / Delete)。可以说,CRUD 是几乎所有业务系统的地基,也是最值得每个后端开发者熟练掌握的基本功。在本文中,我将从零开始,使用 P
注册华为云账号下载安装CodeArts代码智能体IDE(或VS Code/JetBrains插件)登录授权,自动开通免费体验版新建项目,切换到智能体模式输入自然语言需求,让AI自动编程预览成果,体验完整的Web应用华为云码道将AI深度融入开发流程,无论是新手入门还是专业开发,都能显著提升效率。2026年,AI编程已不再是概念,而是每一位开发者触手可及的现实工具。现在就打开CodeArts,开始你的
回顾整个项目,我们用极少的代码完成了一个功能完整、文档齐全、测试充分的学生信息管理接口服务:五张业务接口涵盖增删改查与搜索分页,Swagger 文档自动生成且可交互调试,二十个测试用例守护接口质量,分层清晰的代码结构为后续扩展留足了空间。在此基础上,后续可以沿着多个方向继续深入:接入 SQLite 或 MySQL 实现真正的持久化;引入 JWT 实现身份认证与权限控制;使用 Docker 打包服务
码道之上,写代码的人越来越多,写诗的人却越来越少。我常常在想,一个程序员如果只剩下 if/else,那他和一台打印机又有什么区别。诗词是汉族文化里最精巧的表达方式之一,五个字可以装下一座山,七个字可以淌出一条江。我决定把这两件看似毫不相干的事情放在一起——让大模型学会作诗,让网页学会品诗。于是有了「诗韵AI诗词对答对话系统」。它不是一个花架子 demo,而是一个真正跑在浏览器里的、能够与用户一来一
如果 AI 的回复是一大段自然语言,前端只能整段展示,无法排版。而如果我给 AI 定死一段 JSON 协议,那么人类、大模型、HTML 页面三者之间就签了一份契约:AI 负责产出结构正确的数据,页面负责把它们摆进该有的位置。契约一签,两端都可以各自独立迭代——这比让双方"互相适应"要优雅一个数量级。"idiom": "AI 接上的四字成语","pinyin": "带声调拼音,字间空格","mean
从这个只有三百多行的项目中,我们可以看到现代 Python 后端开发的魅力:类型注解定义数据契约、框架自动生成文档与校验、REST 规范约束接口语义,三者结合让"写好文档化接口"变成了一件低成本、高质量的事情。如果你也想动手试试,建议不要停留在阅读——把代码下载下来,先跑通再逐个接口调用一遍,然后尝试加上一个"按专业筛选"的查询参数,或者把统计接口改成按班级分组。当你亲手把一个纯手写的接口项目逐步
做这个项目之前,我一直在想:怎样的 AI 应用,既有文化底蕴,又能把技术栈完整地跑一遍?成语,是汉语中历经千年沉淀下来的语言结晶。四字一句,言简意赅,字里行间藏着典故与智慧。而成语接龙,则是几乎每个中国人都玩过的文字游戏——一个人说出"守株待兔",下一个人必须以"兔"字(可同音)开头,接出"兔死狐悲",如此往复,妙趣横生。传统成语接龙的最大痛点是什么?需要有一个判官。谁来判断你接的成语是否真实存在
摘要:本文完整记录了「心屿」——一个面向长程心理陪伴的 AI 心灵医生对话系统的开发全流程。项目完全基于 HTML5、CSS3 与原生 JavaScript 构建,零框架、零后端、零构建工具,真正做到了「一个 html 文件就能跑起来的 AI 应用」。文章从需求背景、系统提示词工程、Python 参考代码到 JavaScript 的流式改造、前端模块设计、情绪可视化、持久化存储,一直到真实的踩坑排
l码道 · 成语接龙 AI 对话:从 Python 到纯前端的流式对话实战用 HTML5 + CSS3 + JavaScript 将一段 Python 流式调用代码,改造成一个可以和 AI 实时对战成语接龙、还能边玩边学的完整 Web 应用。这篇文章完整还原了我的开发思路、代码转换过程、提示词工程细节以及踩过的坑。一、缘起:为什么想做成语接龙 AI?我一直觉得,把传统文化和 AI 结合起来是一件很
云计算技术已经渗透到软件开发的每一个角落,ECS(Elastic Compute Service,云服务器)作为最基础的云服务形态,是许多开发者学习云原生实践的起点。这部课设项目的目标很朴素——在一台云服务器上,动手实现一个完整可用的 Web 服务,把学校里学过的数据结构、HTTP 协议、前后端交互等知识真正串起来。这个仓库中的项目就是一个以"学生信息管理系统"为载体的 ECS 云服务作业。一台云
在 Python 生态里,做 Web 接口的主流选择有 Flask、Django、FastAPI 等。我选择 FastAPI,主要是看重以下几点。第一,性能好。FastAPI 基于 Starlette 构建,底层是异步的 ASGI 架构,官方基准测试中吞吐量在主流 Python 框架中名列前茅。即使本项目目前只用同步逻辑,留出的异步能力升级空间也是实实在在的。第二,类型提示带来极佳的开发体验。
项目地址:https://atomgit.com/2501_93821753/Shuyuai_Caishuzi.git
如何把大模型的能力,包装成有质感、有规则、可体验的产品。第一,流式。让人看到过程,体验就从"等待"变成了"期待"。第二,契约。让模型返回结构化 JSON,前端就能"精确地美",而不是"粗暴地展示"。第三,规则与氛围。成语接龙的一字之差要有人裁决,诗韵的四种模式要有各自的呼吸节奏;产品不是 API 的传声筒,而是规则、趣味与美学的容器。“码道"二字,既是写代码的"道”,也是把代码写成作品的"道"。
在日常开发中,我们经常会遇到一个尴尬的场景:前端同学已经写好页面了,后端接口却还在评审中;产品想要快速验证一个想法,数据库表结构却还没定下来。这时候,一个"轻量到看一眼就能跑起来"的接口服务就显得尤为重要。本文要分享的,就是这样一个基于FastAPI的学生信息管理接口项目。它实现了对学生表的完整增删改查(CRUD)操作,数据存储只用了一个内存列表,不需要安装任何数据库;更贴心的是,FastAPI
《脑内会议》是一款让AI替你“吵架”的纯前端工具,通过四角色辩论预演现实争执。用户输入议题,AI化身理性派、暴躁哥、毒舌女、和事佬,轮流发言,流式输出如真实会议。基于原生HTML/CSS/JS,零依赖、无构建,支持手机端响应式。核心技术是用浏览器fetch+ReadableStream模拟Python的SSE流式请求,实现“边想边说”的沉浸感。既解压又练逻辑,让“事后诸葛亮”变成“现场赢麻了”。
在日常开发中,“增删改查”(CRUD)是所有业务系统的地基。无论是电商平台的商品管理、内容站点的文章发布,还是校园系统的学生信息管理,本质都是围绕某类数据的增删改查。对于初学者而言,最容易踩的坑是:一上来就陷入繁琐的数据库配置、ORM 映射、事务隔离等重概念,反而把"接口设计"这个核心主线丢掉了。不使用任何数据库,用 Python 列表在内存中完成数据存储,聚焦三个核心目标——一是理解 RESTf
我们使用 Pydantic v2 的BaseModel来定义数据模型。先定义一个作为公共基类,包含姓名、年龄、性别、邮箱、班级、绩点这些字段,并为每个字段加上校验规则:姓名最短 1 个字符最长 50 个字符,年龄必须在 1 到 150 之间,绩点在 0 到 5 之间且允许为空。(新增请求体)、(更新请求体,所有字段可选,支持部分更新)、Student(响应模型,包含自增 ID)。除此之外,我们还需
没有任何框架,没有任何构建工具,也没有任何后端服务。打开index.html就能玩。有人可能会问:对接大模型接口,密钥放前端不是会泄露吗?这确实是生产环境必须面对的问题。零成本部署。GitHub Pages / Gitee Pages / 本地双击即可运行,不需要服务器、不需要域名、不需要运维。学习价值最大化。没有框架黑盒,每一个 DOM 操作、每一次事件绑定都是手写的,最能巩固基本功。演示方便。
在框架遍地开花的今天,我选择了最朴素的 HTML5 + CSS3 + JavaScript 组合,理由有三:第一,零门槛交付。项目不依赖 Node.js 环境、不依赖 npm 安装、不需要打包器,任何一个能打开浏览器的设备——甚至一台老旧的办公电脑——都能立即运行。交付率极高。第二,教学价值最大化。去掉框架这层"面纱",SSE 流式解析、DOM 操作、fetch 请求这些底层原理全部直接暴露在眼前
在人工智能与大模型快速发展的今天,把大语言模型的能力接入到我们日常的 Web 应用中,已经不再是一件遥不可及的事情。无论是智能客服、知识问答,还是内容创作辅助,大模型都能扮演非常出色的角色。作为软件技术专业的学生,我一直希望亲手完成一个"真正跑在浏览器里、由 AI 驱动的完整应用",而不只是停留在调用接口打印文本的层面。这个想法最终落地成为了“AI 家乡文旅对话导游”项目。
AI 项目的核心是"契约",不是"魔法"。模型输出的随机性并不可怕,可怕的是没有一个清晰的、可解析的格式约束。一份好的系统提示词 + 一份容错解析函数,比疯狂堆 try/catch 有用得多。流式是体验的分水岭。同样的文字,一次性吐出和逐字浮现,给玩家的感受天差地别。把 SSE 的"行缓冲"处理好,流式就是很朴素的能力。纯前端依然有它的生态位。在一个体量适中的项目里,原生 HTML/CSS/JS
如果你是一个经常出行的旅行爱好者,大概都经历过这样的时刻:打开搜索引擎,在"XX 城市旅游攻略"的页面之间来回跳转,把不同博主推荐的景点、美食、住宿信息手抄到一个备忘录里,然后自己一点一点拼凑出所谓的"行程单"。这个过程既繁琐又低效,等到真正出发的时候,往往发现行程里的时间安排根本不合理,景点之间隔了半个城市,一天要赶三四个地方,累得连拍照的力气都没有。
本文从零实现了一个学生信息管理系统 API:用 FastAPI 承载接口,用内存列表完成增删改查,用 Pydantic 完成声明式校验,用自动生成的 Swagger UI 免去了手写文档的负担。整个过程代码量精简、结构清晰、文档完备,非常适合作为 FastAPI 的入门项目或团队内部的接口原型脚手架。技术浪潮变化很快,但"清晰的接口设计、可靠的参数校验、规范的错误反馈、自动化的文档产出"这些工程诉
我们都有过这样的经历:课堂上老师讲到一个概念,当时听懂了,课后做题却发现完全不会;翻教材抓不住重点,网上一搜,得到的是一大堆良莠不齐的内容,筛选信息比学习本身还耗时间。常见的问题有三个。第一,回答是"大段文字墙",没有重点、没有结构,读起来像阅读理解;第二,回答缺少"学习场景"的要素——没有关键要点提炼、没有生活化例子、没有下一步可以追问的方向;第三,对话是"一次性"的,昨天问的问题和今天问的问题
码道 · 歌词大比拼开发手记:AI 出上一句,等你来接下句。
词乐对对碰」是一个由 AI 驱动歌词与诗词对答的互动游戏:点击开始,AI 抛出一句经典"上句",玩家在输入框写下"下句",AI 即时判定对错、打分并给出俏皮点评,全程无需后端服务。Vue / React 单页应用:组件化、响应式固然先进,但需要引入构建工具链(Vite、Webpack)、Node 环境与依赖管理。对一个课程演示级的项目来说,npm install 的时间可能比写代码还长,而且任何一
在 FastAPI 中,数据模型通常用 Pydantic 的 BaseModel 来定义。id:学生唯一标识,由系统自动分配,无需调用方传入;name:姓名,必填,长度限制在 1~50 个字符;age:年龄,必填,范围限制在 0~150;gender:性别,可选,取值限定为 male / female / other,通过正则表达式约束;email:邮箱,可选;grade:年级/班级,可选;maj
谜弈AI乐园」从一条 Python 示例出发,最终长成为一个五脏俱全的小型产品,这段旅程本身就像一场解谜:流式迁移是解开编码之迷,协议设计是解开沟通之迷,状态机是解开规则之迷,UI 是解开体验之迷。而我很确信,这正是「码道」所倡导的创作方式——让 AI 不止于回答问题,而是成为作品的一部分。给 AI 立规矩,比给 AI 写更多指令更有效。一份强约束的输出协议 + 一套容错解析链路,是「模型输出不可
在日常开发和教学中,我们经常需要一套简单、可控、能快速上手的后端接口来演示"前后端分离"、练习 Restful API 设计,或者作为前端联调的 Mock 服务。传统做法往往是搭一套完整的 Web 工程:配置数据库、编写 DAO、引入 ORM、做请求分发……一套流程下来,光环境搭建就要花去不少时间,对于想快速验证想法、或者刚入门 API 开发的同学来说,显得过于沉重。
在麦步的创作世界里,代码从来不只是工具,更是表达创意的方式。作为一名经常和音乐、产品打交道的人,我一直对"歌词"有一种特殊的情感:一句歌词,往往承载着整首歌的情绪;而两句歌词之间的衔接,则是词作者最见功力的地方。你有没有想过,如果让 AI 来玩"歌词接龙"的游戏,会碰撞出什么样的火花?这个想法诞生于一堂实践课。课程要求我们用 HTML5、CSS3 和 JavaScript 构建一个 AI 对话类项
它通过规则匹配,检查疑似硬编码凭据、危险代码写法、调试输出、未完成标记,以及 README、开源协议和依赖清单等项目文件是否存在,并生成 HTML 报告。亲自运行项目也很有必要。不太顺畅的地方是,有时候任务会中断,或者界面显示完成,却没有明确的最终回复。关联 AtomGit 仓库后,我先让码道读取 README、页面代码和样式文件,说明技术架构、扫描流程及功能边界,暂时不修改代码。点击“导出报告”