揭秘！AI 如何智能生成技术挑战关卡？基于 LangChain4j + 通义千问的实战方案

2401_89707442

366人浏览 · 2026-05-18 12:47:08

2401_89707442 · 2026-05-18 12:47:08 发布

揭秘！AI 如何智能生成技术挑战关卡？基于 LangChain4j + 通义千问的实战方案

本文将深入剖析"程序员技术练兵场"项目中的核心功能——AI 智能生成关卡的技术实现，带你掌握 LangChain4j + 通义千问的实战应用。

一、功能概述

1.1 什么是 AI 智能生成关卡？

在程序员技术练兵场平台中，用户可以输入自己的当前薪资和学习方向（如 Java 后端、前端、Python、AI 算法等），系统会自动生成符合用户技术水平的技术挑战关卡。

比如，一个薪资 15K 的 Java 后端工程师，可能会收到这样的挑战：

“某电商平台订单服务出现数据库死锁，请分析原因并给出解决方案…”

这种千人千面的关卡生成方式，让每个用户都能获得最适合自己的技术挑战。

1.2 技术选型

技术组件	版本	说明
Spring Boot	3.5.5	基础框架
LangChain4j	1.4.0-beta10	AI 应用开发框架
通义千问	qwen-plus	阿里云大语言模型
MyBatis Plus	3.5.13	数据持久化

二、核心设计思路

2.1 整体流程

2.2 关键设计点

提示词工程：设计高质量的 System Prompt，确保 AI 生成的内容符合业务需求
结构化输出：让 AI 返回 JSON 格式，方便程序解析和存储
降级机制：当 AI 服务不可用时，提供默认关卡，保证系统可用性
声明式接口：使用 LangChain4j 的注解方式，代码简洁易维护

三、代码实现详解

3.1 AI 服务接口定义

LangChain4j 采用声明式接口的方式定义 AI 服务，非常优雅：

@AiService
public interface LevelGenerationAiService {

    @SystemMessage(fromResource = "prompts/level-generation-system.txt")
    @UserMessage("{{userMessage}}")
    LevelGenerationResponse generateLevel(String userMessage);
}

关键注解说明：

@AiService：标记这是一个 AI 服务接口
@SystemMessage：定义系统提示词，fromResource 从资源文件加载
@UserMessage：定义用户消息模板，{{userMessage}} 是占位符

3.2 系统提示词设计

提示词文件 level-generation-system.txt 的设计是整个功能的核心：

你是一位资深的技术面试官，擅长根据候选人的水平设计技术挑战题目。

## 任务要求
根据用户的薪资水平和学习方向，生成一个真实企业场景的技术挑战。

## 输出格式
请以 JSON 格式返回，包含以下字段：
- title：挑战标题
- description：挑战描述（真实业务场景）
- options：技术方案选项数组
- correctAnswer：正确答案索引
- difficulty：难度等级（1-5）
- salaryRange：建议薪资范围

## 注意事项
1. 题目要贴近真实企业开发场景
2. 难度要与用户薪资匹配
3. 选项要有迷惑性，不能太明显
4. 避免纯理论题目，要有实际应用价值

3.3 响应结构定义

AI 返回的 JSON 会自动映射到 Java 对象：

@Data
public class LevelGenerationResponse {
    private String title;
    private String description;
    private List<String> options;
    private Integer correctAnswer;
    private Integer difficulty;
    private String salaryRange;
}

3.4 Service 层调用

在 Service 层，我们需要拼接用户消息并调用 AI 服务：

@Service
public class LevelServiceImpl implements LevelService {

    @Resource
    private LevelGenerationAiService levelGenerationAiService;

    @Override
    public Level generateLevel(Integer salary, String direction) {
        // 构建用户消息
        String userMessage = String.format("""
            请为以下用户生成技术挑战：
            - 当前薪资：%dK
            - 学习方向：%s
            """, salary, direction);

        try {
            // 调用 AI 服务
            LevelGenerationResponse response = levelGenerationAiService.generateLevel(userMessage);
            
            // 转换为实体并保存
            Level level = convertToEntity(response);
            levelMapper.insert(level);
            return level;
            
        } catch (Exception e) {
            // 降级：返回默认关卡
            log.error("AI 生成关卡失败", e);
            return getDefaultLevel(salary, direction);
        }
    }
}

3.5 AI 服务配置

使用 Java Config 方式配置 AI 服务 Bean：

@Configuration
public class AiConfig {

    @Bean
    public LevelGenerationAiService levelGenerationAiService(
            ChatLanguageModel chatLanguageModel) {
        return AiServices.builder(LevelGenerationAiService.class)
                .chatLanguageModel(chatLanguageModel)
                .build();
    }

    @Bean
    public ChatLanguageModel chatLanguageModel() {
        return QwenChatModel.builder()
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .modelName("qwen-plus")
                .temperature(0.7)
                .maxTokens(2000)
                .build();
    }
}

四、技术难点与解决方案

4.1 多参数模板问题

问题：LangChain4j 的 @UserMessage 注解不支持多参数模板。

解决方案：在 Service 层使用 String.format() 拼接完整的用户消息，AI 接口只接收一个 userMessage 参数。

// ❌ 错误写法
@UserMessage("薪资: {{salary}}, 方向: {{direction}}")
Response generate(Integer salary, String direction);

// ✅ 正确写法
@UserMessage("{{userMessage}}")
Response generate(String userMessage);

// 在 Service 层拼接
String userMessage = String.format("薪资: %d, 方向: %s", salary, direction);

4.2 JSON 解析问题

问题：AI 返回的 JSON 可能包含 Markdown 代码块标记。

解决方案：在提示词中明确要求纯 JSON 输出，或添加后处理逻辑：

private String cleanJsonResponse(String response) {
    return response
        .replace("```json", "")
        .replace("```", "")
        .trim();
}

4.3 降级机制

问题：AI 服务可能因网络、配额等原因不可用。

解决方案：提供预定义的默认关卡，保证系统可用性：

private Level getDefaultLevel(Integer salary, String direction) {
    Level level = new Level();
    level.setTitle("系统默认挑战");
    level.setDescription("这是一个默认的技术挑战...");
    level.setOptions(List.of("方案A", "方案B", "方案C"));
    level.setCorrectAnswer(0);
    return level;
}

五、实际效果展示

5.1 前端界面

用户选择薪资和学习方向后，系统自动生成关卡：

AI生成关卡界面

5.2 生成示例

输入：

薪资：20K
方向：Java 后端

AI 输出：

{
  "title": "高并发订单系统优化",
  "description": "某电商平台的订单服务在秒杀活动中出现大量超卖问题，请分析原因并给出解决方案。",
  "options": [
    "使用 synchronized 锁",
    "使用 Redis 分布式锁",
    "使用数据库乐观锁",
    "使用消息队列削峰"
  ],
  "correctAnswer": 1,
  "difficulty": 4,
  "salaryRange": "18K-25K"
}