新的会话，我就发了个“你好”，返回的内容也不多，然后底部显示就用了19.1K的上下文，这也太离谱了。 

华为云码道 CodeArts 代码智能体：写给校园开发者的入门地图我用码道 CodeArts 完整做过一个上线的项目（钢带表面缺陷检测系统，第五节有实战走查），在社团群里被同学们问得最多的不是"效果怎么样"，而是——"我也想试，从哪开始？"这篇就回答这个问题：码道是什么、怎么零成本开始、核心能力怎么用、第一个项目怎么落地、提示词怎么写。一篇地图帖，看完知道路怎么走，照着走能走通。一、先把定位说清楚：它不是"补全工具"很多人第一次接触 AI 编程工具，印象停留在"输入几个字母，它帮你补全一行"。码道 CodeArts 的定位不是这个，用我的话说：补全工具是输入法，码道是结对开发者。区别在哪：补全工具处理"你正在写的这一行"；码道处理"你要做的这件事"——你给它一份需求描述，它输出实施方案，确认后直接生成或修改整个模块的多个文件，跨文件保持一致。它是华为云软件开发生产线 CodeArts 家族的 AI 成员。CodeArts 本身覆盖代码托管、流水线、代码检查、测试、部署的完整研发生命周期，码道智能体把 AI 能力接进了这条链路——这意味着它不只是"帮你写代码"，还能衔接后续的检查和构建环节。对学生来说，这条链路的意义是：你在学校就能体验到企业级研发流程的形态——代码怎么管、构建怎么跑、检查怎么自动化，这些在纯本地开发里是接触不到的。打开码道看到的第一个界面是这样的：左边是标准 IDE 工作区，右边就是智能体对话面板，"氛围编程 Vibe-Coding"和"规范开发 Spec-Driven"两种协作模式在这里切换——工具一开始就把"怎么协作"摆在了你面前：  图1. 码道 IDE 欢迎页：左 IDE 工作区 + 右智能体对话面板二、零成本开始：资源获取路线学生身份的完整路径：华为账号 → 华为开发者空间（免费云开发资源入口） → 码道 CodeArts 体验环境 → 开发者空间送的开发环境/云主机资源具体动作顺序：注册华为账号并完成实名——所有华为云服务的前置条件，学生用手机号注册即可进入华为开发者空间——这是免费资源的总入口：云主机、开发环境、案例中心都从这里进学生认证——能解锁更多免费权益，建议一开始就做掉，一次认证长期有效从案例中心进入码道体验环境——先别开自己的项目，把官方案例跑一个，感受一下"结对开发"的工作方式几点提示：从开发者空间进是最顺的路：注册即有免费的开发资源和案例中心，码道的体验环境可以从这里进入，省去自己搭环境具体资源额度以开发者空间和控制台页面实时展示为准（这类政策变化快，任何教程里写的具体数字都可能过期，包括本篇）资源领取后注意闲置回收策略，做完的东西及时导出或提交到代码仓库，这是云上开发的通用习惯三、核心能力地图把我用下来的能力整理成一张表，按"什么时候用"来组织：能力它做什么什么时候用需求分析与方案规划阅读你的需求描述，输出实施方案（模块划分/接口设计/步骤拆解）项目开始时。先确认方案再生成代码，避免方向性返工多文件代码生成一次生成或修改跨多个文件的完整功能新模块开发、加新功能Codebase 索引建立并维护项目结构、模块职责、数据流的索引项目过几千行后必开。任何跨文件修改前先更新索引、要影响面分析Skill 沉淀把重复流程封装为可复用能力同类需求第二次出现时。比如"新增一种页面模式"的固定套路代码阅读与解释定位调用链、解释陌生代码接手老项目、学习开源代码打开真实项目后，中间是代码编辑器、右侧是智能体面板。下面这张图里，中间是一个数据集体检脚本，右侧面板是它对项目做完一次健康检查后的输出（第五节会展开讲这次检查）：    图2. 码道工作台：中间代码编辑器、右侧智能体（健康检查输出）逐个说"用好"的要点：需求分析与方案规划——这个能力最容易被浪费。多数人拿到工具直接跳到"生成代码"，跳过的恰恰是最值钱的一步。让方案先出来，你检查的是思路对不对，成本几乎为零；直接生成代码，你检查的是几百行实现，成本高且容易看走眼。方案确认是性价比最高的质量关卡。多文件生成——注意生成的粒度控制。一次让它生成一个完整功能（比如"带导出的结果列表组件"），不要一次让它生成整个应用。粒度太大，生成的代码你看不完，验证就形同虚设。Codebase 索引——这是"玩具项目"和"真项目"的分水岭。前两千行怎么写都行，几千行之后没有索引的修改就是灾难现场——改了 A 忘了 B，改了样式坏了逻辑。我的习惯是跨两个文件以上的修改，第一句话永远是"先更新 Codebase 索引"。一次真实的索引建立过程长这样：我发出指令 → 它给出思考过程 → 调度 SubAgent 真实执行命令去探索项目 → 索引写入 docs/codebase-index.md（净增 208 行）。注意它不是凭空猜项目结构，是真的去读了你的代码：  图3. 一次真实的 Codebase 索引建立：指令 → 思考 → SubAgent 探索 → 索引落盘Skill 沉淀——判断时机有个简单标准：同一类事情做第二次时，就该沉淀了。第一次你摸索流程，第二次你验证流程可复制，第三次开始就该零成本。技能以斜杠命令的形式集成在对话输入框里，输入 / 就能唤起，比如 /review 审查代码变更、/codebase-structure 分析代码库结构：  图4. Command 与 Skills 区：斜杠命令随输入 / 唤起四、第一个小时：上手三步第一步（15 分钟）：准备一份结构化需求不要上来就"帮我写个 XX 系统"。花十分钟写清楚三块：## 功能清单（做什么，明确边界）## 交互规则（关键行为，精确到"点了以后发生什么"）## 技术约束（用什么栈，不引入什么）需求质量直接决定第一版质量，这一步没法偷懒。第二步（10 分钟）：让它先出方案把需求发给码道，先看它输出的实施方案——模块怎么分、接口怎么定、步骤怎么排。不合适就调整，方案确认之前不生成代码。一轮真实会话长什么样，可以看图3 Codebase 索引那张图：你的指令 → 它的思考过程 → 工具调用 → 产出，全程可见。第三步（35 分钟）：生成 → 验证 → 迭代确认方案后分模块生成，每个模块本地跑通再进下一个。第一小时的目标不是"做出东西"，是走通"需求→方案→代码→验证"的完整循环——这个循环熟练了，后面所有事都只是它的重复。五、实战走查：一轮完整的协作循环（以我的缺陷检测应用为例）光讲方法论还是抽象，拿我自己项目的真实经历走一遍。项目是钢带表面缺陷检测系统：前端检测台 + 后端推理服务 + Docker 部署。这里只看"怎么协作"。5.1 需求文档（动手前半小时写完）我的需求文档骨架（节选）：## 目标钢材表面缺陷检测系统：上传/选择图片，后端 YOLOv8 推理，前端画布展示检测框与置信度，支持结果导出。## 功能清单1. 图片检测：单张上传，画布上绘制检测框（类别+置信度）2. 检测参数：置信度阈值、交并比阈值可实时调节3. 结果列表：序号/类别/置信度/坐标，点击行联动画布4. 类别统计：右侧面板按类计数5. 历史记录与导出## 交互规则（行为级）- 点击结果列表某行时，画布只高亮对应检测框- 置信度滑块调整后需重新过滤显示，无需重新推理- 画布支持缩放与拖动## 技术约束- 前端 Vue 3，后端 FastAPI，单容器 Docker 部署- 推理走 y.val() 管线，保证与训练评估协议一致## 验收标准- ☐ 六类缺陷均可检出并正确标注中文名- ☐ 参数调节即时生效- ☐ 列表与画布联动正确写文档时真正值钱的是交互规则那几行——"点击行只高亮对应框""滑块调整不重新推理"这种行为级描述，每一句都省掉一轮返工对话。5.2 方案确认（一轮对话）需求发过去，码道给出的方案分四块：前端视图结构（检测主界面/历史记录/数据看板）、前后端接口设计、推理服务的模型加载与调用方式、Docker 化路径。我在这一轮做的调整是把接口的响应格式定死（坐标、类别、置信度的字段名），因为前后端是分开生成的——接口契约先钉死，两边生成才不会对不上。方案阶段改一句话，比生成完代码再返工便宜十倍。5.3 需求迭代：行为级描述到底长什么样第一版需求只是起点。项目真正成形，靠的是后面几十轮小迭代——每一轮都是一个"行为级需求"。从我的项目里挑三个真实例子，感受一下这种描述和普通描述的差距：例一：语音播报（第一版被我自己推翻）❌ 第一版：检测到缺陷时进行语音提示✅ 第二版：播报具体检测结果，如"检测到斑块"； 数量为零的缺陷类型不播报第一版听起来没毛病，做出来才发现：播报只有"警告"两个字，听到后还是得抬头看屏幕，信息量为零。改成播报具体类别名之后，人不看屏幕也知道检出了什么。这就是"验收看行为"的具体体现：第一版的验收标准是"有声音"，第二版是"不看屏幕也知道结果"。例二：结果列表与画布联动（多写半句省一轮返工）在结果列表中点选某条记录时，画布只显示该记录对应的检测框，其余框隐藏；再次点按恢复全部显示。如果只写"列表和画布联动"，合理的实现是"点击列表时高亮对应框"——所有框都还在，你根本分不清哪个是刚才点的那个。多写的"其余框隐藏"半句话，就是一次返工的距离。例三：文件夹批量检测的完成播报文件夹检测完成后，播报各类缺陷的检出数量（数量为零的类别跳过）；汇总列表中当前查看图片的检测框加粗显示。三个例子的共同点：每一句都可直接验收——做完一眼就能判断对不对，不用来回讨论"这算不算实现了"。反过来，写不出这种句子的需求，说明你自己还没想清楚要什么——这种时候先别发给它，想清楚再发。5.4 审查迭代：让它自己找问题应用能跑之后，我没有继续叠功能，而是让它对项目做了一次整体审查。它给出的健康检查结果里有几条真扎心：检查项等级问题healthcheck 服务名低规范写的是 steel-qc，实际叫 steel-defect-detection，两边对不上健康检查方式中规范用 curl，实际用的是 Python urllib——换环境容易踩坑超时配置低规范 5s，实际 10s，两边不一致CPU 推理方案中规范建议评估 ONNX Runtime，实际未采用更难得的是它不只报问题，还给了修复优先级排序：数据卷路径统一（高）→ healthcheck 统一（中）→ 基础镜像固定版本（低）。我按这个顺序修，一轮全过。这一步是我对"结对开发"态度转变的地方：AI 不只是写代码的，也是审代码的——而且它审的是自己参与写的代码，没有"不好意思指出同事问题"的包袱。图2 工作台右侧面板就是这次审查的真实输出。5.5 验收：对照清单逐项过对照 5.1 的验收标准逐项走：上传真实样本看六类缺陷的检出与中文标注、拖置信度滑块看过滤是否即时、点结果列表行看画布联动。成品长这样——画布上的检测框带类别和置信度，右侧是逐类统计，底部结果列表可点选联动，顶部是置信度/交并比的实时调节：  图5. 缺陷检测应用主界面：检测框 / 逐类统计 / 结果列表 / 参数调节到这里一轮完整循环走完：需求文档 → 方案确认 → 生成 → 审查 → 验收。这个循环我在项目里重复了几十轮——每一轮的套路都一样，变的只是内容。你要练的不是某个具体功能怎么写，就是这个循环本身。六、提示词模板库（可直接抄）把我在项目里反复使用的提示词固化成五个模板，覆盖 90% 的日常场景：模板1·新功能需求## 目标[一句话说清做什么]## 功能清单[编号列出，明确边界]## 交互规则（行为级）[动作 + 对象 + 结果状态，逐条写]## 约束[技术栈 / 不引入新依赖 / 命名规范]## 验收标准[可勾选的清单，可构造用例]模板2·影响面分析（跨文件修改前必发）先更新 Codebase 索引。列出本次修改会触碰的所有文件及原因，说明修改顺序，先不要动代码，等我确认。模板3·Bug 修复## 现象（可复现步骤）1. ...## 预期行为...## 实际行为...## 环境[浏览器/框架版本]请定位候选原因并解释机制，给出最小修改方案。模板4·代码审查以代码审查视角检查以下模块，按四类报告问题：正确性 / 边界情况 / 性能 / 可读性。按严重度排序，只报告，不要修改。模板5·学习模式（学新技术时）我在学 [X]。请生成一个 [Y] 的最小可运行示例，逐行注释解释为什么这么写，不要使用高级特性。模板的价值不在"copy 就对"，在于它逼你把需求想清楚再发出去。模板里填不出来的地方，就是你还没想清楚的地方。七、三个最常见的使用误区带社团同学入门的这一年，我看到的新手误区高度集中在三条：误区一：把它当搜索引擎。 用法是"XX 怎么写"，复制回复里的第一段代码贴进项目，跑不通再问一句，再复制。这不是结对开发，是抄答案——问题在于你抄的代码进入了你的项目，但你不知道它为什么这么写，下一个 bug 来的时候你就抓瞎了。纠正：每个问题的对话以"请解释这段代码为什么这样处理 [某个具体点]"收尾，把它当会回答的老师，不是会吐代码的机器。误区二：一次对话塞十件事。 "帮我加导出功能，顺便把列表改成分页，再把颜色调好看点，还有那个 bug 也修一下"——结果哪件都做不完整，验证也分不清是哪个改动引入的问题。纠正：一个对话一件事，做完、验完、关掉，再开下一个。对话的粒度就是验证的粒度。误区三：生成完不验证直接堆。 尤其是界面代码——"看起来能跑"就 commit，等到三个功能叠加之后才发现某个早期生成埋的状态 bug，排查成本翻十倍。纠正：回到心法第二条——验收看行为不看报错。每个功能点对照验收标准过一遍再进下一个，慢的这五分钟是保险费。八、一周上手计划天任务产出Day 1注册 + 学生认证 + 跑通一个官方案例账号就绪，见过"结对开发"的样子Day 2用模板1写一份小需求（随便什么工具）第一份合格的需求文档Day 3\~4照第五节的循环做一个自己的小工具（管理器/记账/课表均可）一个能跑的小东西Day 5给项目补 Codebase 索引 + 做一次跨文件修改体验索引工作流Day 6把重复流程整理成提示词模板，熟悉 / 命令与技能体系自己的模板库起步Day 7回顾 + 把项目传到代码仓库一周的完整留痕一周结束后，你就有了：一个能演示的小项目、一套自己的模板、以及最重要的——对"AI 结对开发"的真实体感，之后做课设、竞赛就是放大这套流程。九、学生能拿它干什么：五种场景场景用法关键点课程作业需求→骨架一次成型，自己补核心逻辑核心算法自己写（这才是课程考察的），工程壳交给它学科竞赛全栈应用快速交付（我的缺陷检测应用就是这条路）竞赛拼完成度，它把工程量从周压到天毕业设计课题的工程实现 + 实验代码脚本化交接给学弟学妹时，结构清晰的代码是加分项老项目维护Codebase 索引 + 代码解释，快速摸清陌生代码期末接手学长祖传代码的同学应该懂学新技术拿目标技术写一个小项目，边生成边学比看文档快——生成的代码就是带上下文的教材第五种场景特别说一下：AI 生成的代码对不对你也许判断不了，但能不能跑、为什么这么写是可以在验证中搞懂的——这本身就是学习。十、使用心法（三条，血泪浓缩）描述到行为级：不说"优化交互"，说"点击列表某条时画布只显示对应框，其余消失"。公式：动作 + 对象 + 结果状态验收看行为不看报错：没报错 ≠ 做对了。每步验收的标准是"行为符合需求描述"约定写文档不写对话：长会话它会出现"记忆漂移"，关键约定要落到 Codebase 索引/项目文档里——文档它每次都能重读，对话历史会衰减十一、两个进阶配合：Git 与测试用过之后你会自然走到这两步，提前说说怎么做对：配合 Git——它生成的每一次代码，都应该是你 review 过之后才 commit。推荐节奏：一个功能点 = 一次对话 = 一次 commit。这样每个 commit 都对应一个明确的行为变更，出问题时回滚的粒度刚好。千万别让它一口气生成三天的量再一次性提交——那不叫版本管理，叫堆放。配合测试——把模板4（代码审查）用在生成代码上是第一层；更进一步的是"先让它写测试再写实现"：给出功能描述，让它先产出验收用例（你确认用例覆盖了需求），再让它按用例实现。用例是你确认过的，实现就有了客观的合格线。十二、常见问题 FAQQ1：免费额度够用吗？ 以控制台实时展示为准。学生做课设/竞赛项目的量级，配合开发者空间的免费资源，起步阶段是够的。Q2：我需要什么基础？ 一门编程语言的基础 + 大概的前后端概念。零基础纯小白建议先学一个月基础再来——智能体放大的是你的判断力，没有判断力就没有东西可放大。Q3：它生成的代码能直接交作业吗？ 能力上可以，但请想清楚两件事：课程考察的是你会不会；以及老师未必看不出来。正确姿势是让它做工程壳，核心逻辑自己写——效率和能力增长兼得。Q4：代码安全吗？ 敏感信息（密钥、token、个人数据）不要出现在提示词里，这是对任何云端 AI 工具的通用纪律。Q5：它和我现在用的其他 AI 编程工具比怎么样？ 本文不做横评。选择建议很简单：如果你在华为云生态里（学生认证、开发者空间、后续要部署华为云），码道和这条链路的衔接是天然优势；不在，也值得把"结对开发"这个用法本身学会——跟哪个工具无关，跟工作方式有关。Q6：小项目也值得建 Codebase 索引吗？ 两千行以内可以不建，直接描述就行。但你只要打算继续维护它，早建早受益——索引的成本是一次对话，收益是之后每次修改的准确性。Q7：Skill 和"保存提示词"有什么区别？ 保存提示词复用的是文字；Skill 封装的是流程——包含步骤、上下文和验证要求，它知道第一步做什么、第二步检查什么。前者是菜谱卡片，后者是会做这道菜的帮手。Q8：学它需要多久形成生产力？ 按第八节的一周计划走，一周达到"能干活"；真正形成自己的模板库和 Skill 资产，大概一个月。投资回报比学一门新框架划算得多，因为这套工作方式可以迁移到你未来的所有项目。十三、结语工具的价值不在功能列表里，在你拿它做出来的东西里。这篇地图帖能给你的只是"知道路在哪"——本周装好环境，下周走完迷你项目，一个月后你回头看，"AI 结对开发"就已经是你的默认工作方式了。这篇是我的"学生开发工具箱"系列第一篇，另外两篇随后发出：异构加速云服务器实战——GPU 实例选型、上机与省钱的完整攻略；AIGC 应用开发入门——从大模型 API 到 RAG 应用的完整路径。代码智能体管效率、云上 GPU 管算力、大模型 API 管能力，三篇连起来就是一套完整的工具箱。有问题评论区见，看到都会回。

并发会话数已达上限(3个),我就开了一个会话啊，有没有搞错啊，还有这个bug是6月份左右的bug,9月份了还没修复太离谱了吧，中间软件都更新10十来次了，项目经理走点心？？？账号只有一人在使用，关闭全部窗口，重启windows，重启VSCode，重启智能体都不行，软件版本：26.8.203，系统win112026-08-21bug1,cid:link_0bug2:https://bbs.huaweicloud.com/forum/thread-0212721820642340728-1-1.html还有同一个项目IDE、Space切换会话居然不同步，不能跟trae的 ide和solo模式一样吗，切换了数据还在。Space的壁纸能删除了吗，太丑了，直接保留的log就行了，跟codex，trae直接一个黑屏就行了

智能体不支持最新版jetbrains的CLion能更新一下吗

在数字经济时代，人工智能、云计算等新一代信息技术加速迭代升级，前沿创新应用层出不穷。为助力广大高校教师精准把握产业技术趋势，将华为云技术及华为根生态技术深度融入人才培养与教学体系，信息技术新工科产学研联盟联合华为，定于2026年9月19-20日，举办2026年第三季度AI、云服务两个课程方向的云技术线上师资培训。现诚邀各高校相关专业教师报名参加，欢迎踊跃报名参训，共促产教协同，共育时代英才。【组织单位】指导单位：信息技术新工科产学研联盟主办单位：ICT人才发展工作委员会、华为技术有限公司 【培训科目】 技术方向开班计划培训时间线上培训时长AIHCCDA-AI 人工智能入门级开发者认证（含码道）9月19-20日2天云服务HCCDA-Tech Essentials（云技术精髓入门级开发者认证）9月19-20日2天 【培训议程】HCCDA-AI（含码道）课程HCCDA-Tech Essentials课程【培训对象】 联盟成员高校，华为ICT学院的计算机、软件工程、电子信息、人工智能等相关专业教师。  【培训亮点】1.前沿知识赋能：聚焦人工智能、云服务等前沿技术，帮助教师及时把握产业技术动态与教学方向。2.理论+实验双轨模式：课程采用理论讲解搭配实验案例实操的模式，教师在学习理论知识的同步完成实践操作，深入理解新技术并可直接应用于课堂教学。3.培训激励：（1）全程参培且通过结课测试，有机会申领对应技术方向的开发者认证考券；（2）通过参培方向的开发者认证且在华为人才在线平台开设相关技术方向班级的在学人数≥30人，可申请新工科教师培训证书。 【培训说明】本次培训免培训费。本次培训线上方式进行。 【报名方式】  1.报名路径请在报名链接页面中“输入班级邀请码处”，填写所选参培方向的邀请码，按指引填写报名信息。报名链接：https://e.huawei.com/cn/talent/usercenter/#/home/myclass-list班级邀请码：2.报名提示：报名信息审核后发送报名成功通知邮件，培训开始前3个工作日内发送开班通知邮件。

一、案例背景1.1 业务痛点日常在线做题、备考场景中，存在三个高频效率问题：遇到不会的题目，需要手动复制题干到搜索框搜题，操作繁琐，部分题目在UI组件中无法直接选中文本；整理错题时需要手动标注题目所属教材、章节、题型、解题方法，耗时且容易遗漏；零散导出的题目文件需要手动去重、分类整理，构建本地题库效率极低。1.2 方案概述业务侧——AI 赋能搜题与错题分析：基于华为云码道（代码智能体）完成全流程代码开发，打造一款 Chrome 浏览器搜题插件。对接华为云 MaaS 大模型实现智能搜题与错题分析，同时配套 Python 脚本实现本地题库自动化整理，覆盖「搜题 → 解析 → 错题分类 → 题库沉淀」完整链路。工程侧——DevOps 工程化落地：结合华为云 CodeArts DevOps 工具链，使用代码托管做版本管理、代码检查做静态质量门禁、码道做 AI 缺陷修复，形成「AI 智能编码 + 工程化交付」的端到端闭环，保障开发效率与代码质量。二、环境准备2.1 云服务开通服务用途开通说明华为云码道AI代码生成、迭代优化、缺陷修复华为云控制台搜索「码道」开通使用CodeArts 体验版DevOps全流程工具链活动页一键免费开通，基础功能免费华为云MaaS大模型搜题、错题分析能力开通DeepSeek/VL系列预置模型，创建API-Key开通DeepSeek/VL系列预置模型创建API-Key,一定要保存下来！！！2.2 本地环境Chrome浏览器（开启开发者模式，支持加载未打包扩展）Python 3.8+（运行题库整理脚本）2.3 CodeArts服务按需选用说明CodeArts包含需求管理、代码托管、代码检查、流水线、测试管理等完整DevOps子服务，支持按项目场景按需选用，无需全部启用。本项目为个人工具Demo，根据实际需求选用：✅ 代码托管：存放插件源码、Python脚本，管理版本迭代✅ 代码检查：作为质量门禁，扫描JS/Python代码规范与安全告警⭕ 需求管理、测试管理、制品仓库等服务本场景暂不使用，不做配置。三、实现步骤3.1 阶段1：码道生成基础MaaS搜题插件使用码道输入初始需求提示词，一键生成Chrome Manifest V3插件完整项目，核心能力：帮我开发一个Chrome Manifest V3浏览器插件，实现MaaS智能搜题功能，要求如下： 1. 网页选中文本后，右键菜单新增「选中内容搜题」选项； 2. 插件弹窗页支持配置华为云MaaS的API-Key、接口地址、模型名称，配置保存在chrome.storage.local本地存储； 3. 右键点击搜题后，自动调用MaaS接口解析题目，输出题干、选项、参考答案，在弹窗中展示； 4. 支持单题导出为JSON文件，字段包含question、options、answer、source； 5. 增加请求防抖、超时处理、异常提示（401鉴权、429限流、网络错误、JSON解析失败）。 输出完整的插件项目代码，包含manifest.json、background.js、popup.html、popup.js、icon.png。输入提示词码道会自动创建文件夹3.2 阶段2：功能迭代-新增UI元素点选搜题提示词基于当前Chrome Manifest V3 MaaS搜题插件，新增「UI元素点选提取文本搜题」功能，纯前端DOM操作，不要截图、不要OCR识别，原有全部功能100%保留不删除： 原有功能：网页选中文本右键搜题、拖拽矩形框选区域提取文本、MaaS配置、搜题、错题整理、导出JSON、异常处理、请求防抖全部保留。 新增功能需求： 1. 触发方式：popup弹窗内新增「框选题目」按钮，点击后向当前网页content script发消息，进入UI元素点选模式； 2. 模式UI：页面右上角悬浮半透明提示条，文字为「点击题目区域进行点选，按ESC取消」； 3. 交互逻辑：鼠标悬停页面元素时自动添加绿色高亮边框，点击元素后提取该元素及子元素内的所有文本，自动退出点选模式，调用搜题； 4. 文本清洗：新增智能文本清洗函数，去除零宽字符、多余换行、压缩连续空格、去多余空行，解决公式被拆分为每行一个字符的显示异常问题； 5. 保留ESC快捷键取消点选模式，恢复页面原状。 输出完整更新后的代码，不改变原有功能逻辑。浏览器加载插件，导入2-1生成的api-key迭代过程中发现公式类题目显示异常，被拆分为每行一个字符，通过码道优化文本清洗逻辑修复该问题：公式显示异常问题（优化前）3.3 阶段3：功能迭代-新增悬浮面板与错题整理能力通过码道二次迭代，将交互升级为页面内悬浮助手面板，并新增错题分析功能： 基于当前Chrome MaaS搜题插件，将交互升级为页面内悬浮助手面板，并新增错题自动分析功能，原有功能全部保留： 1. 选中题目后，页面左上角弹出黑色圆角悬浮面板（z-index最高，不被页面元素遮挡），面板包含按钮：搜题、自动搜题、继续、取消、最小化； 2. 面板内容区展示题目、选项、答案，底部支持「显示识别原文」展开/收起； 3. 自动搜题开关：默认开启，选中题目后调用MaaS搜题；关闭则只提取文本不自动搜题； 4. 新增错题整理功能：搜题完成后面板新增「错题整理」按钮，点击后二次调用MaaS大模型，基于题干输出：所属教材/书籍、所属章节、题型分类、解题思路与做题方法； 5. 错题整理结果合并到导出JSON，新增字段：book、chapter、question_type、solve_method，原有字段全部保留； 6. 悬浮面板支持最小化为圆形图标，点击恢复；取消/ESC移除所有注入UI，恢复页面原状； 7. MaaS调用统一由background service worker代理，规避content script跨域CORS问题。 输出完整更新后的代码，包含所有修改的文件。公式显示异常问题优化后题目整理功能四、CodeArts DevOps工程化落地4.1 代码托管-源码版本管理在CodeArts中新建代码仓库，将插件全部源码、Python题库脚本上传托管，所有功能迭代都提交版本记录，完整追溯开发过程。操作：进入CodeArts控制台，选择「服务 > 代码托管」，点击「新建仓库」；选择「普通新建」，填写仓库名称，其他参数保持默认，点击确定完成创建；进入仓库，点击「上传文件」，将本地插件源码、Python题库脚本全部拖拽上传，提交版本记录；每次功能迭代完成后，将更新后的代码重新提交，保留完整开发轨迹。4.2 代码检查-质量门禁创建代码检查任务，关联代码仓库，对JS插件代码、Python脚本执行静态扫描，输出代码规范、安全隐患、编码风格等告警报告，作为项目质量门禁。操作：代码源选择刚才创建的代码托管仓库，填写任务名称，规则集保持默认（自动识别JS、Python语言）；点击「开始检查」，等待1-2分钟扫描完成；点击任务名称进入详情页，查看代码规范、安全隐患、代码异味等完整告警报告，截图保存。4.3 码道AI修复代码缺陷将CodeArts代码检查输出的全部告警复制到码道，通过提示词让码道逐条修复所有代码问题，修复完成后将代码重新提交回CodeArts代码托管，验证告警全部清零。在华为云码道对话框中，输入以下提示词：帮我修复以下代码检查出的所有问题，保持原有功能不变，输出完整修改后的代码，要求： 1. 所有代码规范问题、安全隐患、代码异味全部修复； 2. 不改变插件原有搜题、错题整理、导出JSON等核心功能； 3. 代码注释清晰，符合JS、Python编码规范。 代码检查告警内容如下： [此处粘贴CodeArts代码检查输出的全部告警内容] 操作：复制代码检查报告中的所有告警内容，粘贴到提示词对应位置；点击发送，码道自动逐条修复所有代码问题，输出修改后的完整代码；将修复后的代码重新上传到CodeArts代码托管仓库；回到代码检查任务，点击「重新执行」，验证告警数量减少。把问题发给码道可以看到问题数量显著降低五、项目总结5.1 效率提升通过码道代码智能体，从0到1完成浏览器插件、Python脚本的全量代码生成与多轮迭代，开发效率相比纯手动编码提升70%以上，AI辅助快速解决了文本清洗、交互逻辑、接口对接等常见开发问题。5.2 质量保障结合CodeArts代码检查静态扫描作为质量门禁，再通过码道AI自动修复代码缺陷，最后实现自动化执行，形成了「AI生成代码→质量扫描→AI修复→自动化交付」的完整闭环，兼顾开发效率与代码质量。5.3 合规声明本项目仅用于个人学习研究用途：Chrome插件将MaaS API-Key存储在浏览器本地，存在密钥泄露风险，禁止公开发布、分发该插件；MaaS接口调用消耗个人账号额度，请勿滥用；工具严禁用于考试作弊等违规场景，生成的题库仅支持本地存储，禁止对外传播。本文参与【AI 造物实战派】码道 × CodeArts 全流程联合实战案例共创活动，本活动帖链接：https://bbs.huaweicloud.com/forum/thread-0212722308728169504-1-1.html?fid=0112720539844088771

平台在处理图片时不自动调用LLM的多模态功能，而是使用自带的识图功能，使得glm5.3-flash的多模态功能沦为了摆设。 

一、案例背景1.1 业务痛点日常在线做题、备考场景中，存在三个高频效率问题：遇到不会的题目，需要手动复制题干到搜索框搜题，操作繁琐，部分题目在UI组件中无法直接选中文本；整理错题时需要手动标注题目所属教材、章节、题型、解题方法，耗时且容易遗漏；零散导出的题目文件需要手动去重、分类整理，构建本地题库效率极低。1.2 方案概述本项目基于华为云码道（代码智能体）完成全流程代码开发，打造一款Chrome浏览器搜题插件，对接华为云MaaS大模型实现智能搜题与错题分析，同时配套Python脚本实现本地题库自动化整理。工程侧结合华为云CodeArts DevOps工具链：使用代码托管做版本管理、代码检查做静态质量门禁、码道做AI缺陷修复，完整实现「AI智能编码+工程化交付」的端到端闭环。二、环境准备2.1 云服务开通服务用途开通说明华为云码道AI代码生成、迭代优化、缺陷修复华为云控制台搜索「码道」开通使用CodeArts 体验版DevOps全流程工具链活动页一键免费开通，基础功能免费华为云MaaS大模型搜题、错题分析能力开通DeepSeek/VL系列预置模型，创建API-Key开通DeepSeek/VL系列预置模型创建API-Key2.2 本地环境Chrome浏览器（开启开发者模式，支持加载未打包扩展）Python 3.8+（运行题库整理脚本）2.3 CodeArts服务按需选用说明CodeArts包含需求管理、代码托管、代码检查、流水线、测试管理等完整DevOps子服务，支持按项目场景按需选用，无需全部启用。本项目为个人工具Demo，根据实际需求选用：✅ 代码托管：存放插件源码、Python脚本，管理版本迭代✅ 代码检查：作为质量门禁，扫描JS/Python代码规范与安全告警⭕ 需求管理、测试管理、制品仓库等服务本场景暂不使用，不做配置。三、实现步骤3.1 阶段1：码道生成基础MaaS搜题插件使用码道输入初始需求提示词，一键生成Chrome Manifest V3插件完整项目，核心能力：帮我开发一个Chrome Manifest V3浏览器插件，实现MaaS智能搜题功能，要求如下： 1. 网页选中文本后，右键菜单新增「选中内容搜题」选项； 2. 插件弹窗页支持配置华为云MaaS的API-Key、接口地址、模型名称，配置保存在chrome.storage.local本地存储； 3. 右键点击搜题后，自动调用MaaS接口解析题目，输出题干、选项、参考答案，在弹窗中展示； 4. 支持单题导出为JSON文件，字段包含question、options、answer、source； 5. 增加请求防抖、超时处理、异常提示（401鉴权、429限流、网络错误、JSON解析失败）。 输出完整的插件项目代码，包含manifest.json、background.js、popup.html、popup.js、icon.png。3.2 阶段2：功能迭代-新增UI元素点选搜题提示词基于当前Chrome Manifest V3 MaaS搜题插件，新增「UI元素点选提取文本搜题」功能，纯前端DOM操作，不要截图、不要OCR识别，原有全部功能100%保留不删除： 原有功能：网页选中文本右键搜题、拖拽矩形框选区域提取文本、MaaS配置、搜题、错题整理、导出JSON、异常处理、请求防抖全部保留。 新增功能需求： 1. 触发方式：popup弹窗内新增「框选题目」按钮，点击后向当前网页content script发消息，进入UI元素点选模式； 2. 模式UI：页面右上角悬浮半透明提示条，文字为「点击题目区域进行点选，按ESC取消」； 3. 交互逻辑：鼠标悬停页面元素时自动添加绿色高亮边框，点击元素后提取该元素及子元素内的所有文本，自动退出点选模式，调用搜题； 4. 文本清洗：新增智能文本清洗函数，去除零宽字符、多余换行、压缩连续空格、去多余空行，解决公式被拆分为每行一个字符的显示异常问题； 5. 保留ESC快捷键取消点选模式，恢复页面原状。 输出完整更新后的代码，不改变原有功能逻辑。迭代过程中发现公式类题目显示异常，被拆分为每行一个字符，通过码道优化文本清洗逻辑修复该问题：3.3 阶段3：功能迭代-新增悬浮面板与错题整理能力通过码道二次迭代，将交互升级为页面内悬浮助手面板，并新增错题分析功能： 基于当前Chrome MaaS搜题插件，将交互升级为页面内悬浮助手面板，并新增错题自动分析功能，原有功能全部保留： 1. 选中题目后，页面左上角弹出黑色圆角悬浮面板（z-index最高，不被页面元素遮挡），面板包含按钮：搜题、自动搜题、继续、取消、最小化； 2. 面板内容区展示题目、选项、答案，底部支持「显示识别原文」展开/收起； 3. 自动搜题开关：默认开启，选中题目后调用MaaS搜题；关闭则只提取文本不自动搜题； 4. 新增错题整理功能：搜题完成后面板新增「错题整理」按钮，点击后二次调用MaaS大模型，基于题干输出：所属教材/书籍、所属章节、题型分类、解题思路与做题方法； 5. 错题整理结果合并到导出JSON，新增字段：book、chapter、question_type、solve_method，原有字段全部保留； 6. 悬浮面板支持最小化为圆形图标，点击恢复；取消/ESC移除所有注入UI，恢复页面原状； 7. MaaS调用统一由background service worker代理，规避content script跨域CORS问题。 输出完整更新后的代码，包含所有修改的文件。公式显示异常问题优化后题目整理功能四、CodeArts DevOps工程化落地4.1 代码托管-源码版本管理在CodeArts中新建代码仓库，将插件全部源码、Python题库脚本上传托管，所有功能迭代都提交版本记录，完整追溯开发过程。操作：进入CodeArts控制台，选择「服务 > 代码托管」，点击「新建仓库」；选择「普通新建」，填写仓库名称，其他参数保持默认，点击确定完成创建；进入仓库，点击「上传文件」，将本地插件源码、Python题库脚本全部拖拽上传，提交版本记录；每次功能迭代完成后，将更新后的代码重新提交，保留完整开发轨迹。4.2 代码检查-质量门禁创建代码检查任务，关联代码仓库，对JS插件代码、Python脚本执行静态扫描，输出代码规范、安全隐患、编码风格等告警报告，作为项目质量门禁。操作：进入CodeArts控制台，选择「代码 > 代码检查」，点击「新建任务」；代码源选择刚才创建的代码托管仓库，填写任务名称，规则集保持默认（自动识别JS、Python语言）；点击「开始检查」，等待1-2分钟扫描完成；点击任务名称进入详情页，查看代码规范、安全隐患、代码异味等完整告警报告，截图保存。4.3 码道AI修复代码缺陷将CodeArts代码检查输出的全部告警复制到码道，通过提示词让码道逐条修复所有代码问题，修复完成后将代码重新提交回CodeArts代码托管，验证告警全部清零。在华为云码道对话框中，输入以下提示词：帮我修复以下代码检查出的所有问题，保持原有功能不变，输出完整修改后的代码，要求： 1. 所有代码规范问题、安全隐患、代码异味全部修复； 2. 不改变插件原有搜题、错题整理、导出JSON等核心功能； 3. 代码注释清晰，符合JS、Python编码规范。 代码检查告警内容如下： [此处粘贴CodeArts代码检查输出的全部告警内容] 操作：复制代码检查报告中的所有告警内容，粘贴到提示词对应位置；点击发送，码道自动逐条修复所有代码问题，输出修改后的完整代码；将修复后的代码重新上传到CodeArts代码托管仓库；回到代码检查任务，点击「重新执行」，验证告警数量减少或全部清零，截图对比修复前后结果。把问题发给码道可以看到问题数量显著降低五、项目总结5.1 效率提升通过码道代码智能体，从0到1完成浏览器插件、Python脚本的全量代码生成与多轮迭代，开发效率相比纯手动编码提升70%以上，AI辅助快速解决了文本清洗、交互逻辑、接口对接等常见开发问题。5.2 质量保障结合CodeArts代码检查静态扫描作为质量门禁，再通过码道AI自动修复代码缺陷，最后实现自动化执行，形成了「AI生成代码→质量扫描→AI修复→自动化交付」的完整闭环，兼顾开发效率与代码质量。5.3 合规声明本项目仅用于个人学习研究用途：Chrome插件将MaaS API-Key存储在浏览器本地，存在密钥泄露风险，禁止公开发布、分发该插件；MaaS接口调用消耗个人账号额度，请勿滥用；工具严禁用于考试作弊等违规场景，生成的题库仅支持本地存储，禁止对外传播。本文参与【AI 造物实战派】码道 × CodeArts 全流程联合实战案例共创活动，本活动帖链接：https://bbs.huaweicloud.com/forum/thread-0212722308728169504-1-1.html?fid=0112720539844088771

反馈内容建议：问题描述：CodeArts Agent 启动失败，退出码 3221225501 (0xC000001D)。环境信息：Windows 11/10 (AMD64), CPU: Intel Celeron N5105。原因定位：CPU 不支持 AVX 指令集，Agent 内部的预编译模块触发了非法指令异常。诉求：请求研发团队在后续版本中提供不依赖 AVX 指令集的兼容版本（例如 SSE4.2 版本或 WASM 回退方案），或在启动时增加 CPU 指令集检测以避免直接崩溃。

一直出现这个问题，一轮都跑不完，我还是花钱开了套餐，一直在浪费token

AI正在重塑软件开发的底层逻辑。从代码生成到智能体协同，从单工具提效到全链路赋 能，"Al+开发"已经不再是锦上添花的实验，而是每位开 发者必须面对的新范式。然而，工具割裂、场景脱节、 实践模糊···痛点依然存在——我们离真正的"智能开 发”还有多远？ 这个九月，AtomGit 联合华为云HCDG 走进成都，带来 一场聚焦"开源×AI"落地的技术沙龙。我们邀请了来自一 线的技术专家，围绕 AtomCode 架构升级、代码智能体应用、SDD 开发范式、AIAgent 工程化落地等话题，分 享行业实践经验。这不是一场坐而论道的峰会，而是一次开发者之间的深 度对话- -来蓉城，一起"码"出新范式。时间：2026 年 9 月 12日（星期六）14:00地点：天府软件园C区C1三楼多功能厅扫描海报二维码，立即报名 👇 

电脑是 windows  11  企业版，正常升级后提示  如上内容  怎么处理  以前是正常的  升级后才出现的  

【AI 造物实战派】码道智编 × CodeArts 全流程联合实战案例共创活动,从零到一，用 AI 智能体 + DevOps 工具链造出完整应用，共建官方软文案例库！一、活动速览📌 活动主题：AI 造物实战派 —— 码道智编 × CodeArts 全流程联合实战📅 投稿时间：2026 年 8 月 26 日 — 2026 年 10 月 15 日🏆 奖项公示：2026 年 10 月 20 日（本帖公示）🎁 奖励发放：获奖名单公布后 15 个工作日内发放🎯 活动形式：基于码道 + CodeArts 联合实战，撰写案例文章并投稿至华为云论坛二、活动背景与内容华为云码道（代码智能体）支持项目级代码生成、单元测试、代码优化等 AI Coding 能力；CodeArts 提供需求管理、代码托管、流水线、代码检查、测试管理等 DevOps 全生命周期服务；两者融合，实现"AI 智能编码"与"工程化交付"的端到端闭环。诚邀开发者基于真实业务场景，使用码道 + CodeArts 完成联合实战开发，撰写并投稿案例文章。活动方向任选其一（详见第三章"活动方向"）。⚠️ 核心要求：案例必须体现码道与 CodeArts 的联合使用，且至少涉及 CodeArts 一项 DevOps 服务（需求管理 / 代码托管 / 代码检查 / 流水线 / 测试管理）。仅使用码道单一产品、未联动 DevOps 服务的案例不符合主题。三、活动方向以下四个方向任选其一，也可自主命题（方向 D）：方向场景说明产品联动A 智能需求到代码需求管理下发需求 → 码道解析生成代码 → 代码托管提交码道 + 需求管理 + 代码托管B AI 编码 + 质量门禁码道生成代码 → 代码检查静态扫描 → 码道自动修复 → 流水线构建码道 + 代码检查 + 流水线C 全流程智能测试码道生成单元测试 → 测试管理编排 → 流水线执行 → 自动修复码道 + 测试管理 + 流水线D 自主命题结合自身业务场景，自主设计码道 + CodeArts 联合方案（须满足核心要求）自主选择（须至少含 1 项 CodeArts DevOps 服务）四、参与方式完整流程共三步：报名开通 → 实战发帖 → 提交投稿。▶ 第 1 步：报名与开通① 注册/登录华为云，填写　报名问卷（用于奖品发放，10 月 24 日前完成填写，逾期视为放弃奖励）。　注意：报名账号须与发帖账号及开通套餐账号保持一致，否则不予发放奖品。② 免费一键开通华为云码道（CodeArts）代码智能体体验版套餐：③ 按 Case 需要开通/使用 CodeArts 相关 DevOps 服务（需求管理、代码托管、代码检查、流水线、测试管理等可按需使用）。　免费一键开通 CodeArts 体验版套餐。　注：CodeArts 基础功能免费，各 DevOps 服务可按需开通使用，部分服务有免费额度，具体以官网说明为准。▶ 第 2 步：实战与发帖① 使用码道 + CodeArts 完成联合实战开发，撰写案例文章，点击发帖　参考模板：【案例共创】华为云码道 + MaaS：AI智能小助手的双擎驱动② 在华为云论坛"CodeArts 码道代码智能体"版块发帖，具体要求如下：　• 版块：选择"CodeArts 码道代码智能体"版块　• 标题：以【案例共创】开头，并包含"码道"关键词（示例：【案例共创】基于码道 + CodeArts 的 XX 实战）③ 文末须添加以下引用文案及活动链接（请复制使用）：　"本文参与【AI 造物实战派】码道 × CodeArts 全流程联合实战案例共创活动，本活动帖链接：cid:link_2"▶ 第 3 步：提交投稿将您的发帖链接回复到本活动帖评论区，即完成投稿。注意：请直接回复帖子链接，以便工作人员统计。五、评选标准专家评审团对案例文章进行评审，采纳条件（须同时满足）：✅ 主题合规：体现码道 + CodeArts 至少一项 DevOps 服务的联合使用。✅ 可复现性：操作步骤完整可复现，内容含实际操作截图（不得使用示意图代替）。✅ 内容完整：涵盖背景介绍、环境准备、实现步骤、效果展示。✅ 安全合规：不包含真实生产敏感数据，已做脱敏处理。六、奖项设置奖项不叠加，按高价值发放。发放对象为已完成实名认证的华为云用户，须填写报名问卷中的账号地址相关信息。🥇 优质案例一等奖（3 名）　获得条件：案例经评审团采纳评审，纳入官方软文案例库　奖品：苏泊尔保温杯 + 华为文创键盘垫     / 华为智选智能跳绳🥈 优质案例二等奖（5 名）　获得条件：案例质量优良但未达一等奖标准，经评审团评定入选评审　奖品：马克杯 / 熊猫小夜灯 / 便携式 U 型枕🥉 首篇投稿奖（10 名）　获得条件：前 10 名有效投稿者（按提交回复时间排序，每人限 1 次）　奖品：华为文创键盘垫 + 手持电风扇💬 盖楼互动奖（不限，奖品送完为止）　获得条件：使用渠道码注册并截图（包含用户名）在评论区参与互动盖楼，楼层为 9（重复盖楼不算，奖品送完为止）　奖品：冰箱贴 / 小风扇 / 手机支架──────────────────📌 补充说明：• 同一作者可投稿多篇，每篇须为不同场景方向，不得重复内容。• 同一作者多篇投稿被采纳时，按最高奖项发放，奖项不叠加；若对应奖品已发完，则按等值高价值商品替代发放。• 案例须原创，未在其他平台发布过。抄袭、洗稿一经发现，立即取消资格。• 优质案例将被正式收录至官方案例库，供广大开发者学习，并注明创作者署名，实现与开发者共创官方文档。• 优质案例将选送至华为云站内外技术社区进行推荐。• 本活动最终解释权归"AI 造物实战派 —— 码道智编 × CodeArts 全流程联合实战"活动所有。七、联系方式如有疑问，可在本帖留言或私信版主幼儿园地头蛇 / 小助手-yao，也可添加 CodeArts 代码智能体案例活动交流群进行交流。👇 参与活动请直接在本帖下方回复案例链接哦！（盖楼奖提供包含用户名的套餐链接开通截图即可——华为云码道 CodeArts 代码智能体体验版套餐）

码道LSP：打通“最后一公里”，让AI真正懂你的项目案例简介：代码智能体已能写单元测试、解释复杂算法、甚至重构老旧模块，但用过的开发者总感觉它"差点意思"：问"方法的调用方有哪些"，grep 捞回一堆字符串，注释、日志、无关模块里都有；问"字段改动影响多大"，清单混着同名不同表字段，只能人工复核。问题出在哪？大模型看到的是"文本"，你需要它理解的是"语义"。传统方案只能把提问转译成 grep、find 命令，将结果连同源码塞给模型，就像用传真机传高清地图——信息没丢，但噪声太大，关键坐标全被淹没。本实验通过四个小实验验证了码道LSP功能，可显著优化此痛点。一、概述1.1 案例介绍免费开通华为云码道（CodeArts）代码智能体，码道智能体是基于智能生成、智能问答两大核心能力构建起一套全方位、多层次的智能开发体系。在智能生成方面，它能够依据开发者输入的需求描述，准确且高效地生成高质量代码；智能问答功能则如同开发者身边的专属技术顾问。LSP（Language Server Protocol）是一套标准协议，由微软在2016年提出，目的是规范开发工具与语言服务器之间的信息交换方式。它通过将语法解析、类型推导、符号索引等重型计算从IDE侧剥离至独立的语言服务器进程，从而解决了早期“每个IDE都要为每种编程语言单独实现一套代码分析引擎”的 NxM 重复建设问题。如今，LSP 已是现代IDE生态的事实标准，VS Code、Neovim、Eclipse等主流工具均已原生支持。既然 LSP 能帮IDE“看懂”代码——准确找出定义、引用、调用链、继承关系——那它能否帮 AI 也“看懂”代码？从场景上来看，AI 和开发者面临同样的问题：面对海量源码，纯文本搜索永远分不清“真正的引用”和“碰巧同名的字符串“。码道官网上也提到：华为云码道代码智能体已预置本地LSP功能。开启该功能后，智能体可基于语言服务提供代码分析结果、代码跳转及符号信息，实现更精准的代码理解和代码修改操作。接下来，我们就通过四场实验，来观察判断引入 LSP 后，究竟起到了什么作用。1.2 适用对象个人开发者高校学生企业开发人员1.3 案例时间本案例总时长预计90分钟。1.4 案例流程说明：安装 CodeArts 代码智能体开通 DeepDeek API在码道IDE中配置自定义模型开始进行四个实验总结1.5 资源总览本案例预计花费2元。资源名称规格单价（元）华为云码道（CodeArts）代码智能体体验版免费DeepSeek APIdeepseek-v4-pro参考DeepSeek官网二、基础环境与资源准备2.1 AI IDE华为云码道安装部署参考案例AI IDE华为云码道（CodeArts）代码智能体安装部署完成Windows版AI IDE华为云码道（CodeArts）代码智能体安装部署。2.2 创建 DeepSeek API Keys登录 DeepSeek 官网，进入“API 开放平台”：选择 API Keys，点击“创建 API key”，创建并保存 API key：2.3 在个人版码道IDE中配置自定义模型打开码道IDE，进入设置界面，找到“模型”选项：参考下图完成配置：2.4 在码道IDE中启停 LSP同理选择“实验室特性”，完成 LSP 的开启或关闭。三、实战为了横向对比启停 LSP 的差异，本实验使用了两台电脑（8C16G），保持其他设置项不变的情况下，分别开关LSP，每个场景均新开对话，并选择2.3配置的自定义模型进行提问，提示词保持一致，从而进行四个实验场景的验证。本案例使用的 Java 开源项目为蘑菇博客，作者陌溪。3.1 场景一：继承链追踪业务背景：BlogServiceImpl 继承了多层基类，理解其完整继承链对后续开发至关重要。提示词：请完整梳理 BlogServiceImpl 的类继承链和方法来源，包括它从每一层父类继承了哪些可直接调用的方法。BlogServiceImpl 位于 mogu_xo 模块的 com.moxi.mogublog.xo.service.impl 包下。3.1.1 关LSP3.1.2 开LSP3.1.3 对比从输出的结果图片来看，两组均准确识别了 BlogServiceImpl → SuperServiceImpl → ServiceImpl → Object 的完整继承路径, 以及 BlogService 接口的 39 个业务方法、MyBatis-Plus ServiceImpl 的 CRUD 基础方法、SuperService 的自定义扩展方法。 核心事实层面，未出现“开LSP 找到而 关LSP 遗漏”的本质差异。唯一的差别在于 开LSP 明确标注了 BlogMapper.java:17、SuperService.java:18 等精确文件行号，而 关LSP仅以“位于 mogu_base 模块”等模糊描述替代。既然两组都100%完成了任务，那在 Token 消耗上，开LSP 总该更省一些吧，可惜的是，根据 DeepSeek 的统计，两者也几乎保持持平，甚至在码道IDE中的上下文使用率也基本持平。此时作者有点担心，担心场景可能设计失败，亦或者 LSP 没起作用，只能硬着头皮往下走，进行场景二。3.2 场景二：跨模块调用链分析业务背景：mogu_admin 模块的 BlogRestApi 调用了 mogu_xo 模块的BlogService，需要理解完整调用链。提示词：请从 BlogRestApi.add() 方法出发，向下追踪完整的业务调用链，列出每一层调用的类名、方法名、所在模块和核心逻辑。BlogRestApi 位于 mogu_admin 模块。3.2.1 关LSP3.2.2 开LSP3.2.3 对比实验组输入命中缓存输入未命中缓存输出 Token上下文使用率精准度关LSP582,91236,9845,95028.7%100%开LSP307,20040,06111,44815%100%在跨模块调用链追踪这一“高检索密度”任务中，开LSP 使模型上下文总量下降 44%，上下文使用率从 28.7% 降至 15%，大幅降低了模型的认知冗余。开LSP 为什么会在“输入未命中缓存”和“输出”上更高，按照往常对LSP的体验来看，应该是更节省Token才对。作者分析：前者是因为 LSP 协议的结构化坐标元数据比纯文本 grep 结果更“重”，后者是因为带行号的精确信息自然比模糊描述占用更多 Token。这 8,500 Token 的“精确性溢价”，换来的是 275,712 Token 的“源码垃圾”被彻底挡在上下文之外。然而，虽然节省了约 27 万 Token，但因为deepseek定价的关系，现在反而是关LSP 花费了 0.37 元，开LSP目前消耗了 0.4 元。关LSP 虽以“暴力阅读”策略同样达到了 100% 的调用链覆盖，但其代价是上下文臃肿膨胀、上下文使用率也高出不少。LSP 的核心价值并非让每一轮工具调用都更“轻”，而是通过精确坐标替代全文阅读，从根本上阻止上下文被污染，将有限的上下文容量用在更有价值的地方。3.3 场景三：方法签名重构影响分析业务背景：需要给 BlogService.addBlog() 方法增加一个参数，评估影响范围。提示词：我需要给 BlogService 接口的 addBlog 方法增加一个 String 类型的 source 参数。 请帮我：1. 找出所有调用 addBlog 方法的地方（包括 Feign 远程调用）2. 列出需要同步修改的文件清单3. 评估这次修改的风险点3.3.1 关LSP这里可以看到 AI 确定 BlogRestApi.java 第64行是唯一入口：这里显示：没有 Feign 接口直接包含 addBlog 方法：可以看到此时明明说“未直接调用 addBlog”，却仍然返回了16个类列表，产生了大量的无效内容：3.3.2 开LSP在开LSP 的情况下，关于唯一入口和 Feign 远程调用0处的结论，两组依然是一致的：此时也可以看到，只用了一句话带过了同类情况，完全没有展开那16个文件的清单：3.3.3 对比实验组输入命中缓存输入未命中缓存输出 Token上下文使用率精准度关LSP172,41626,3898,54814.6%100%开LSP104,96022,0827,81214.3%100%在该场景中，开LSP 使输入总 Token 减少 36.1%，输出 Token 减少 8.6%，总 Token 减少 35%。两组在核心调用点的识别上均达到 100% 准确率，但关LSP 的回答中包含了大量“无需修改的类”清单——这是纯文本搜索无法区分“真正引用”与“文本相关”所致的信息冗余。这恰恰体现了LSP 的核心价值“降噪”：findReferences 基于 AST 精准返回调用点，无需逐一验证；而 grep 需要反复打开文件确认上下文，在上下文窗口中留下了大量“不需要修改”的冗余信息。3.4 场景四：实体类字段变更影响分析业务背景：需要修改 Blog 实体类的字段，评估所有受影响位置。提示词：Blog 实体类（com.moxi.mogublog.commons.entity.Blog）中有一个 isPublish 字段。请分析如果要将这个字段重命名为 publishStatus 并修改类型为 String，需要同步修改哪些文件？请按模块分组列出具体文件路径和行号。3.4.1 关LSP可以看到 AI 给出了包含实体类、VO 类、Service 层等等9个维度，看似大而全，但其中混杂了 SysDictType、SysDictData 等无关表的同名字段，导致开发者需要像“排雷”一样逐一甄别：3.4.2 开LSP开启LSP后，可以看到 AI 只列出了真正依赖 Blog.isPublish 的18个文件，无一干扰：3.4.3 对比实验组输入命中缓存输入未命中缓存输出 Token上下文使用率精准度关LSP778,88062,0319,10516.3%被噪音污染开LSP746,36821,0556,79839%100%在“实体字段重命名”这一任务中，LSP 的“去噪能力”形成了降维打击：关LSP 此时已被同名文本干扰，将 SysDictType、SysDictData 等无关表的同名字段列为“修改项”，混淆了“Java 引用”和“文本匹配”；开LSP 后，AI 通过语法树理解字段归属，自动过滤掉所有无关实体和常量，只聚焦于 Blog 类本身的引用链，精准区分了“字段读写引用”与“SQL/JSON 文本”，回答的信息密度和质量远高于关LSP。从混乱的大杂烩到精准定位，LSP 让分析结果可直接落地执行，这是 LSP 在“代码修改”类任务中价值最集中的体现。同时还可以观察到，此时关LSP 所对应的上下文使用率要比开LSP 要小，在这里作者认为是上下文窗口被压缩造成的。在添加模型界面，可以看到还有一项高级配置，展开后可以看到默认配置的上下文窗口Tokens是：输入184k，输出16k。总结实验总共花费了关LSP 0.77元，开LSP 0.64元，确实体现了 LSP 更省 Token 的特点。根据四场实验结果来看，可以判断出，码道代码智能体在IDE中集成了 LSP 能力后，将其进一步延展到智能体与大模型的协作链路中，智能体不再通过脆弱的 grep 去理解项目，而是直接通过 LSP 向语言服务器请求精确的语义坐标，再将这些“结构化的证据”高效地传递给大模型。码道代码智能体充分发挥了 LSP 的“语义翻译官”作用，实现从文本筛选到语义识别的跨越，真正让 AI 读懂你的项目，打通大模型到项目落地的最后一公里。四、反馈改进建议如您在案例实操过程中遇到问题或有改进建议，可以到[论坛]CodeArts代码智能体案例体验/案例建议反馈贴_开发者空间_华为云论坛评论区反馈即可，我们会及时响应处理，谢谢！

安装了仓颉SDK,顺利；安装了codeart ide for cangjie 顺利；创建第一个工程，可执行的，demo.cj编译通过；启动调试，出现：“debug server failed to start”。什么原因？