集成AI大语言模型的在线编程实验平台设计与实现.pdf

ISSN1002-4956实验技术与管理第41卷第8期2024年8月

CN11-2034/TExperimentalTechnologyandManagementVol.41No.8Aug.2024

DOI:10.16791/ki.sjg.2024.08.030

集成AI大语言模型的在线编程实验平台设计与实现

厉旭杰，顾雨辰，姚持恩

（温州大学计算机与人工智能学院，浙江温州325035）

摘要：传统在线编程实验平台受限于反馈信息的局限性、忽视代码风格及规范性、代码的可读性、代码的

效率等多种因素，不利于学生的学习和发展。该文设计并实现了一个集成AI大语言模型的在线编程实验平

台方案，该方案在传统平台基础上，引入了大语言模型的实时代码建议、程序安全扫描和判题结果分析优化

功能。通过AI大语言模型的实时分析、诊断和优化建议，大大提高了教学效果，增强了学生与系统的互动，

能够使学生更好的理解编程概念并提升解决问题的能力。该研究证实了AI模型在编程教育中的价值，并为

人工智能在高等教育技术的应用提供了新的视角和策略。

关键词：大语言模型；编程实验平台；程序设计；人工智能

中图分类号：TP311.1文献标识码：A文章编号：1002-4956(2024)08-0215-07

在信息技术飞速发展的背景下，计算机科学在高显示，这些大语言模型展现了强大的编程能力。AI大语

等教育中的影响力日益显著。编程不仅是计算机专业言模型的兴起为编程教育提供了新的视角和可能性[5-6]。

学生的核心技能，也是其他专业学生解决具体问题和目前主流的AI编程辅助工具，如GitHubCopilot、

开展创新活动的重要工具。掌握扎实的编程技能，对Tabnine、Kite、Codota、DeepCode和Intellicode等，

学生未来在科技领域的职业发展具有重要作用。传统在代码生成、错误诊断和编程建议提供方面展示了卓

的程序设计教学在实践教学环节存在诸多不足，例如越的能力。这些工具的整合能够显著增强在线编程实

反馈机制的延迟与局限性、对代码风格与规范性的忽验平台的功能，使之不仅能够判断代码的正确性，还

视、代码可读性差等，这些问题会严重影响学生的学能提供实时的、针对性的编程指导和优化建议[7-9]。这

习体验和发展潜力。针对这些问题，应引入智能化的种技术的应用不仅能优化学习过程，同时是教育者用

教学工具和环境，提供即时、具体、多维度的反馈，来提升教学效果的强大工具。

强化学生的编程实践能力，培养对代码质量的敏感性，在大语言模型领域中，目前主流的模型包括：

并提升解决实际问题的能力，从而有效提升计算机科ChatGPT[10]、Claude、智谱清言、星火讯飞、文心一

学教育的质量和效果。言、通义千问等，其中国内大语言模型智谱清言和通

在计算机科学教育领域，大语言模型（LLM）展义千问作为开源模型，为本项目的大语言模型本地化

现出能够清晰且系统地解释复杂的计算机科学知识和部署提供了可行方案。2024年6月阿里巴巴开源了通

概念的能力[1]。这些模型在对话生成、语言翻译、编义千问2.0，智谱AI开源了GLM4模型。本文引入由

程辅助等多个方面表现出色，因此LLM是编程教学