构建 AI 驱动的代码编辑器：结构化 LLM 集成之旅

Source: Dev.to

我一直在构思一个想法：创建一个在线编辑器，它不仅仅是一个聊天窗口，而是一个真正的 配对程序员，深度集成在开发环境中。目标是提供一个能够理解项目上下文、执行复杂任务，并且最重要的是可靠的开发工具。

• 试用地址： llm-codeforge – 目前仅支持 Gemini
• 代码仓库： CodeForge-AI

上下文为王：虚拟文件系统 (VFS)

为了让 AI “看到”整个项目，应用在内存中管理一个完整的虚拟文件系统，并持久化到 IndexedDB。这样助手就拥有文件夹结构和文件的完整且实时的视图——这是任何有意义操作的基本前提。

与 AI 的“合约”：JSON Schema 验证

与大语言模型的交互往往不可预测。为此，我定义了严格的 JSON Schema，要求 AI 必须遵守每一次响应的格式。所有输出都通过 AJV 进行验证。如果验证失败，系统会自动向 AI 发送反馈，要求其纠正响应。这把交互从“希望”变成了“合约”，提升了可靠性。

此外，响应采用多段模式进行划分，分别隔离消息的不同部分，避免了复杂的 JSON 解析问题。

结构化 Prompt 框架（2WHAV “轻量版”）

为了让创建复杂 Prompt 更高效，我构建了 2WHAV 框架的“轻量”版本。这个内部工具会把用户的简单请求展开为详细的技术规范，供 AI 按照执行。目标是让助手从一开始就拥有清晰的行动计划，而不是模糊的想法。

复杂任务的行动循环

助手不仅仅是回复，它还能执行一系列 工具（例如 list_files、read_file）和 操作（例如 create_file、update_file）。这在一个循环中进行，使得 AI 能够把复杂问题拆解为更小的步骤，例如顺序修改多个文件以实现新功能。

以用户体验为中心

技术固然令人着迷，但必须实用。实时预览控制台中出现的每一个错误都是可点击的；一次点击即可把错误直接复制到 AI 的输入框，准备进行分析。这个小细节降低了摩擦，使调试更顺畅，而自动纠错仍在持续开发中。

结论

构建这个应用是一次将软件工程与 AI 结合的有趣旅程。目标不是打造一个“魔法盒”，而是提供一个足够稳健、可预测的工具，能够提供有价值的帮助和可用的代码。

道路仍然漫长，挑战层出不穷，但作为概念验证，我认为已经取得了不错的成果。

你有什么看法？在将 AI 融入我们的开发工作流时，最大的挑战是什么？