ai-development

name	ai-development
description	指导在 CodeSpirit 项目中集成 AI 功能的完整开发流程。包括 AI 表单填充、AI 长任务处理、LLM 集成和提示词工程。当用户需要添加 AI 功能、集成 LLM、或开发 AI 驱动的业务功能时使用。

AI 功能开发 Skill

快速开始

CodeSpirit 项目支持三种 AI 功能模式：

1. AI 表单填充：零代码方案，自动生成 AI 填充端点
2. AI 长任务处理：异步任务，支持进度跟踪
3. LLM 结构化任务：使用 LLMAssistant 进行内容分析和生成

---

模式选择决策树

需要AI功能？
├── 单字段触发填充？
│   └── 是 → AI 表单填充（字段触发模式）
│
├── 用户自定义需求填充整个表单？
│   └── 是 → AI 表单填充（全局填充模式）
│
├── 批量生成/长时间任务？
│   └── 是 → AI 长任务处理
│
└── 内容分析/审核/生成？
    └── 是 → LLM 结构化任务

---

场景 1：AI 表单填充（零代码方案）

适用场景

• 用户输入触发字段后，AI 智能填充其他相关字段
• 用户在表单顶部输入自定义需求，AI 一次性填充整个表单

工作流程

步骤 1：注册 AI 服务

在 Program.cs 或 API 配置类中：

// 注册 LLM 服务（必需）
builder.Services.AddLLMServices();

// 注册 AI 表单填充自动端点（推荐）
builder.Services.AddAiFormFillEndpoints();

var app = builder.Build();

// 启用 AI 填充中间件
app.UseAiFormFillEndpoints();

步骤 2：配置 DTO

字段触发模式：

[AiFormFill(TriggerField = nameof(Topic))]
public class CreateQuestionDto
{
    [Required]
    [DisplayName("主题")]
    public string Topic { get; set; } = string.Empty;
    
    [DisplayName("题目内容")]
    [AiFieldFill(Priority = 1, CustomDescription = "根据主题生成的题目内容")]
    public string? Content { get; set; }
    
    [DisplayName("选项A")]
    [AiFieldFill(Priority = 2)]
    public string? OptionA { get; set; }
}

全局填充模式：

[AiFormFill(GlobalFillPrompt = "描述您想创建的内容")]
public class CreateContentDto
{
    [DisplayName("标题")]
    public string? Title { get; set; }
    
    [DisplayName("内容")]
    public string? Content { get; set; }
}

步骤 3：测试 AI 填充

系统自动生成 POST /api/{controller}/ai-fill 端点，无需编写控制器代码。

请求示例：

POST /api/questions/ai-fill
{
  "topic": "人工智能"
}

响应示例：

{
  "topic": "人工智能",
  "content": "人工智能是计算机科学的一个分支...",
  "optionA": "..."
}

AiFormFillAttribute 参数

属性	类型	默认值	说明
TriggerField	string	""	触发字段名称，为空时启用全局模式
IgnoreFields	string[]	[]	需要忽略的字段列表
CustomPromptTemplate	string	""	自定义提示词模板
ApiEndpoint	string	"ai-fill"	API端点路径
EnableCache	bool	true	是否启用缓存
Temperature	double	0.1	温度参数，控制随机性

自定义提示词模板

[AiFormFill(
    TriggerField = nameof(Topic),
    CustomPromptTemplate = "基于主题 '{Topic}' 生成相关内容，要求专业准确")]
public class CustomPromptDto { }

---

场景 2：AI 长任务处理

适用场景

• 批量生成题目、问卷等耗时较长的任务
• 需要进度跟踪和日志输出的任务

工作流程

步骤 1：创建任务请求 DTO

public class GenerateQuestionsRequest
{
    public string Topic { get; set; } = string.Empty;
    public int Count { get; set; }
    public string Difficulty { get; set; } = "Medium";
}

步骤 2：创建任务状态响应类

public class AiTaskStatus
{
    public string Status { get; set; }       // "pending", "processing", "completed", "failed"
    public int Progress { get; set; }        // 0-100
    public List<string> Logs { get; set; }   // 日志列表
    public object? Result { get; set; }      // 任务结果
    public string? ErrorMessage { get; set; } // 错误消息
}

步骤 3：实现异步任务 API

[HttpPost("ai/generate-async")]
[HeaderOperation("AI智能生成", "aiForm", 
    Icon = "fa-solid fa-magic",
    StatusApi = "/exam/api/Questions/ai/task-status",  // 状态查询 API（必需）
    PollingInterval = 2000,                             // 轮询间隔（毫秒）
    MaxPollingTime = 300000,                            // 最大轮询时间（5分钟）
    FormTitle = "生成配置",
    StepsTitle = "AI生成进度",
    LogTitle = "生成日志",
    ResultTitle = "生成结果")]
[DisplayName("AI智能生成题目")]
public async Task<ActionResult<ApiResponse<string>>> GenerateQuestionsAsync(
    [FromBody] GenerateQuestionsRequest request)
{
    var taskId = await _aiGeneratorService.GenerateAsync(request);
    return SuccessResponse(taskId);
}

步骤 4：实现状态查询 API

[HttpGet("ai/task-status")]
[DisplayName("查询任务状态")]
public async Task<ActionResult<ApiResponse<AiTaskStatus>>> GetTaskStatus(
    [FromQuery] string taskId)
{
    var status = await _aiGeneratorService.GetTaskStatusAsync(taskId);
    return SuccessResponse(status);
}

步骤 5：实现服务层逻辑

public class AiGeneratorService : IScopedDependency
{
    private readonly LLMAssistant _llmAssistant;
    private readonly IMemoryCache _cache;
    
    public async Task<string> GenerateAsync(GenerateQuestionsRequest request)
    {
        var taskId = Guid.NewGuid().ToString();
        
        // 初始化任务状态
        var status = new AiTaskStatus
        {
            Status = "pending",
            Progress = 0,
            Logs = new List<string>()
        };
        _cache.Set($"ai_task_{taskId}", status);
        
        // 后台执行任务
        _ = Task.Run(async () => await ProcessTaskAsync(taskId, request));
        
        return taskId;
    }
    
    private async Task ProcessTaskAsync(string taskId, GenerateQuestionsRequest request)
    {
        var status = _cache.Get<AiTaskStatus>($"ai_task_{taskId}");
        status.Status = "processing";
        status.Logs.Add("开始生成题目...");
        
        try
        {
            for (int i = 0; i < request.Count; i++)
            {
                status.Progress = (int)((i + 1) * 100.0 / request.Count);
                status.Logs.Add($"正在生成第 {i + 1} 题...");
                
                // 调用 LLM 生成题目
                var question = await _llmAssistant.GenerateContentAsync(
                    $"生成一道关于{request.Topic}的{request.Difficulty}难度题目");
                
                // 保存题目
                // ...
            }
            
            status.Status = "completed";
            status.Progress = 100;
            status.Logs.Add("生成完成！");
        }
        catch (Exception ex)
        {
            status.Status = "failed";
            status.ErrorMessage = ex.Message;
            status.Logs.Add($"生成失败: {ex.Message}");
        }
    }
    
    public async Task<AiTaskStatus> GetTaskStatusAsync(string taskId)
    {
        return _cache.Get<AiTaskStatus>($"ai_task_{taskId}") 
            ?? new AiTaskStatus { Status = "not_found" };
    }
}

---

场景 3：LLM 结构化任务

适用场景

• 内容审核和分析
• 结构化数据提取
• 批量处理任务

工作流程

步骤 1：注入 LLMAssistant

public class AuditService : IScopedDependency
{
    private readonly LLMAssistant _llmAssistant;
    
    public AuditService(LLMAssistant llmAssistant)
    {
        _llmAssistant = llmAssistant;
    }
}

步骤 2：创建提示词模板

public static class PromptTemplates
{
    public const string QuestionAudit = @"你是一个专业的题目审核专家。

任务：审核以下题目是否符合要求。

题目内容：{Content}
选项：{Options}

要求：
1. 题目内容清晰准确
2. 选项设计合理
3. 只有一个正确答案

输出格式（JSON）：
{{
  ""isValid"": true/false,
  ""issues"": [""问题1"", ""问题2""],
  ""suggestions"": [""建议1"", ""建议2""]
}}";
}

步骤 3：定义响应 DTO

public class AuditResult
{
    public bool IsValid { get; set; }
    public List<string> Issues { get; set; } = new();
    public List<string> Suggestions { get; set; } = new();
}

步骤 4：调用 LLM 处理

public async Task<AuditResult> AuditQuestionAsync(QuestionDto question)
{
    var prompt = PromptTemplates.QuestionAudit
        .Replace("{Content}", question.Content)
        .Replace("{Options}", string.Join(", ", question.Options));
    
    var result = await _llmAssistant.ProcessStructuredTaskWithTemplateAsync<AuditResult>(
        "question_audit",
        new { question },
        new StructuredTaskOptions 
        { 
            EnableRetry = true, 
            MaxRetries = 2 
        });
    
    if (result.IsSuccess)
    {
        return result.Result!;
    }
    
    throw new BusinessException($"审核失败: {string.Join("; ", result.Errors)}");
}

步骤 5：批量处理

public async Task<List<AuditResult>> BatchAuditAsync(List<QuestionDto> questions)
{
    var batchResult = await _llmAssistant.ProcessBatchStructuredTaskAsync<QuestionDto, AuditResult>(
        questions,
        batch => BuildBatchPrompt(batch),
        new BatchProcessingOptions 
        { 
            BatchSize = 10,
            MaxRetries = 2,
            DelayBetweenBatches = TimeSpan.FromSeconds(1),
            ContinueOnFailure = true
        });
    
    return batchResult.SuccessResults
        .Where(r => r.IsSuccess)
        .Select(r => r.Result!)
        .ToList();
}

---

提示词工程最佳实践

1. 角色设定清晰

你是一个专业的{角色}。

2. 任务描述具体

任务：根据以下信息生成一道高质量的题目。

主题：{Topic}
题型：{QuestionType}
难度：{Difficulty}

3. 输出格式明确

输出格式（JSON）：
{
  "Content": "string, 必填。题目内容",
  "OptionA": "string, 必填。选项A内容",
  "OptionB": "string, 必填。选项B内容"
}

4. 约束条件清晰

要求：
1. 题目内容不超过 2000 字符
2. 选项设计合理，避免明显错误
3. 只有一个正确答案

5. 提供示例（复杂场景）

示例：
输入：主题="人工智能"，难度="Medium"
输出：{
  "Content": "人工智能的核心技术包括哪些？",
  "OptionA": "机器学习、深度学习、自然语言处理",
  ...
}

提示词模板

参见 prompt-templates/ 目录：

• question-generator.txt：题目生成提示词
• content-audit.txt：内容审核提示词
• survey-generator.txt：问卷生成提示词

---

错误处理

常见错误类型

错误类型	原因	处理方式
401 Unauthorized	API 密钥无效	检查配置，更新密钥
400 Bad Request	模型名称错误	验证模型名称是否正确
429 Too Many Requests	请求限流	添加重试和延迟
Timeout	请求超时	增加超时时间，拆分请求
JSON解析失败	响应格式不正确	使用 ILLMJsonProcessor 自动修复

自动错误处理

系统自动处理：

• ✅ 流式模式检测：自动检测"只支持流式模式"的模型并重试
• ✅ JSON 自动修复：截断、括号不匹配、引号错误等
• ✅ 重试机制：支持配置重试次数和延迟

错误处理示例

public async Task<T> SafeGenerateAsync<T>(string prompt) where T : class
{
    try
    {
        var result = await _llmAssistant.ProcessStructuredTaskWithTemplateAsync<T>(
            "template", 
            new { prompt },
            new StructuredTaskOptions { EnableRetry = true, MaxRetries = 3 });
        
        if (result.IsSuccess)
        {
            return result.Result!;
        }
        
        _logger.LogError("AI生成失败: {Errors}", string.Join("; ", result.Errors));
        throw new BusinessException("AI生成失败，请稍后重试");
    }
    catch (HttpRequestException ex)
    {
        _logger.LogError(ex, "LLM API请求失败");
        throw new BusinessException("AI服务暂时不可用");
    }
    catch (TaskCanceledException ex)
    {
        _logger.LogError(ex, "LLM请求超时");
        throw new BusinessException("AI响应超时，请缩短输入或稍后重试");
    }
}

---

性能优化

缓存策略

[AiFormFill(
    TriggerField = nameof(Topic),
    EnableCache = true,               // 启用缓存
    CacheExpirationMinutes = 30       // 30分钟过期
)]

缓存键规则：包含输入内容的哈希值，相同输入直接返回缓存结果。

批量处理优化

var options = new BatchProcessingOptions
{
    BatchSize = 10,                              // 每批10条
    DelayBetweenBatches = TimeSpan.FromSeconds(1), // 批次间延迟
    MaxRetries = 2,                              // 最大重试次数
    ContinueOnFailure = true                     // 失败时继续处理
};

Token 控制

• 合理设置 MaxTokens，避免过度消耗
• 使用缓存减少重复请求
• 长文本分段处理
• 定期监控 Token 使用量

---

安全最佳实践

API 密钥管理

// ✅ 使用 Aspire 统一配置（推荐）
var llmApiKey = builder.AddParameter("llm-ApiKey", secret: true);

// ✅ 使用环境变量
.WithEnvironment("LLM__ApiKey", llmApiKey)

// ❌ 禁止：硬编码密钥
var apiKey = "sk-xxxxxxxx";  // 绝对禁止！

敏感数据保护

// 排除敏感字段
[AiFieldFill(Enabled = false)]
public string Password { get; set; }

// 使用 IgnoreFields
[AiFormFill(
    TriggerField = nameof(Name),
    IgnoreFields = new[] { "Password", "IdCard", "BankAccount" }
)]

权限控制

[HttpPost("ai-fill")]
[Authorize]
[RequirePermission("Question.AiFill")]
public async Task<ActionResult> AiFill([FromBody] CreateQuestionDto dto)
{
    // AI 填充需要特定权限
}

---

检查清单

开发 AI 功能时：

• 注册 LLM 服务（AddLLMServices）
• 配置 DTO 特性（AiFormFill、AiFieldFill）
• 测试 AI 填充功能
• 处理错误和异常
• 配置缓存（如适用）
• 添加权限控制（如适用）
• 排除敏感字段
• 监控 Token 使用量

---

相关资源

• AI 开发规范
• 提示词模板
• 使用示例