本文是接着让AI给你写代码，初体验（三）- AI加上格式化对话，实现对单个文件的修改/保存
回顾一下当时实现的需求，对AI生成代码实现保存，然后再打开，修订后再保存。 那么能不能再往前进一步，真正实现输入文字需求，逐步引导AI小助手生成代码、然后执行代码，保存代码，并且在原代码基础上，根据新增输入提示需求，修改或者新增代码实现功能的逐步集成，进而构建一个较为完整的AI辅助编码的应用（仍然使用通义千问大模型）。
我们分为上下两部分分享，上半部分将应用代码的修改，下半部分，用一个例子实现用提示最后生成代码，包含应用数据获取及绘图，这里先说上半部分。
先回顾一下AI加格式化对话实现对单个文件的修改和保存的流程：
主人： 要求打开本地指定代码
小助手： 打开本地指定代码，并反显
主人：要求结合这段代码和新需求，增加一个功能
小助手： 将这段代码和新需求提交给AI，并反显AI给出的建议
主人： 要求修改
小助手：将修改要求提交给AI，并反显AI给出的建议
主人：要求合并代码
小助手：将合并代码的要求提交AI，并反显
主人： 要求保存代码
小助手：将AI给的代码提取保持
主人：退出对话
小助手：结束对话
现在这个流程基本上可以改进为（斜体部分）
主人： 要求打开本地指定代码
小助手： 打开本地指定代码，并反显
主人：要求结合这段代码和新需求，增加/修改一个功能
小助手： 将这段代码和新需求提交给AI，并给出新增功能后的代码
主人： 要求执行代码
小助手：执行代码并反显结果
主人：要求保存代码
小助手：将AI给的代码保存到指定文件
…
主人：要求退出对话
小助手：结束对话
（执行功能目前仅限于python）
然后用相近语意识别改进格式化正则匹配，使得小助手更加智能一些，例如输入“请打开文件XXXX”，““麻烦打开XXX文件” AI小助手都可以识别到**“打开文件”操作， 输入"请保存代码"，“请保存文件”，都可识别为“保存文件”**操作… 此为其一，据此小助手要做的操作可按字典定义为
直接匹配到要操作的函数
这里的关键是选择相似语意匹配的工具，需要注意的必须同时满足两个要求：
1） 这几个操作关键词之间要有足够的区分度
2 ） 与这几个操作关键词不想干的语句需要有足够的区分度
需要用到中文词汇预训练模型或者其他工具，我尝试了及种
- HuggingFace的bert-base-chinese预训模型
- nltk近义词函数nltk.edit_distance
- sentence-transformers的paraphrase-multilingual-MiniLM-L12-v2预训模型
其中，HuggingFace的bert-base-chinese预训模型下载和安装可以参考在Hugging Face上下载并使用Bert-base-Chinese
bert-base-chinese模型可以下载到本地，计算语义相似度的用法如下：
HuggingFace的bert-base-chinese的问题主要是，操作关键词之间的区分度不够，比如"保存文件"和““打开文件”相似度就是 0.9359，过于相近
nltk近义词函数nltk.edit_distance函数用法：
计算结果
2
0
2
4
4
与输入语意最相似的词汇是： 保存文件
基本满足要求
sentence-transformers的 paraphrase-multilingual-MiniLM-L12-v2模型，下载安装和初步应用可参考 [原创]python计算中文文本相似度神器
具体应用如下
计算各操作项的自相似结果矩阵如下：
tensor([[1.0000, 0.5882, 0.4500, 0.3998],
[0.5882, 1.0000, 0.3156, 0.2404],
[0.4500, 0.3156, 1.0000, 0.3043],
[0.3998, 0.2404, 0.3043, 1.0000]])
拉的是比较开的，相对效果比较好 ，当然也不是没有问题，比如"麻烦保存代码"，会识别成"执行代码" （nltk.edit_distance函数也会是这个结果），解决办法在操作集中增加1个操作项，“保存代码”和“保存文件”指向的操作一致
operation_set = {
“打开文件”: assistant.openFile,
“保存文件”: assistant.saveFile,
“保存代码”: assistant.saveFile,
“执行代码”: assistant.executeCode,
“结束对话”: assistant.endTalk
}
解决了语意相似性的问题，我们看看主要的代码修改，这里只标注修改部分，原先代码还是请移步让AI给你写代码，初体验（三）
主程序：
需要注意的是，
1 因为语意匹配对两个待比较的短语长度非常敏感，需要预处理，我们这里简化，去掉英文符号（主要是文件名，路径等），保留中文主干，函数remove_non_chinese如下
2 匹配函数就是找一个最接近的操作，为预防误操作因此要控制匹配相似度（similarity），这里选0.7 大致上可以匹配 {‘运行代码’ ： ‘执行代码’ } {‘麻烦执行上述代码’ : ‘执行代码’}等等… 如果全部操作匹配不上，就向外网 AI大模型提交
3 匹配函数的归一化处理 op_reply = operation_setoperation #匹配执行 取消参数，参数输入在之前有方法执行 assistant.setMessage(message) # 向小助手提交主人的消息
然后我们看一下 AI助手程序
这里需要说明的是 filepathMatch函数用了正则表达式匹配文件去掉路径后的文件名
为满足匹配需要，至少需要输入 /file.xxx 而不是 file.xxx