设计模式与 LLM 的结合：以模版方法模式为例
模版方法模式概述
模版方法模式（Template Method Pattern）是一种行为型设计模式。它定义了一个算法的骨架，而将一些步骤延迟到子类中实现。这样，子类可以在不改变算法结构的情况下，重新定义算法中的某些特定步骤。
想象一下泡一杯茶的场景：
- 煮水温杯
- 注水浸茶
- 茶水入杯
- 添加配料
无论泡什么茶，前三个步骤通常是不可省略的。我们可以把这些重复的步骤包装起来成为一个'骨架'，需要时直接使用。当然，你也可以根据需求加枸杞或柠檬，即重新定义特定步骤。
在面向对象编程中，这对应于父类定义流程，子类实现具体细节。这种模式遵循'好莱坞原则'（Don't call us, we'll call you），由框架控制流程，开发者填充细节。
JavaScript 代码实现
在 JavaScript 中，我们可以通过构造函数和原型链来实现模版方法模式。
首先定义一个基类 Tea，用于创建泡茶的对象：
// 定义 Tea 构造函数
function Tea(type, add) {
this.add = add;
this.type = type;
console.log('你准备泡一杯' + this.type);
}
Tea 对象作为原型对象，负责构建对象实例的属性。每个 JavaScript 对象都有一个与之关联的原型（prototype）。当试图访问对象的某个属性时，如果对象本身没有这个属性，JavaScript 引擎会自动查找对象的原型链，直到找到该属性或者到达原型链的末端。
Tea 通过 prototype 属性添加方法，以它为原型的对象可以共享这些方法：
// 在 Tea 对象中使用 prototype 添加方法
Tea.prototype.boilWater = function () {
console.log("把水煮沸");
}
Tea.prototype.steepBag = function () {
console.log("用沸水浸泡茶叶");
}
Tea.prototype.pourInCap = function () {
console.log("把茶水倒进杯子");
}
Tea.prototype.additive = function () {
if (this.add != null) {
console.log("加" + this.add);
} else {
console.log("未添加");
}
}
// 定义模板方法 init，它定义了泡茶的整个流程
Tea.prototype.init = function () {
this.boilWater();
this.steepBag();
this.pourInCap();
this.additive();
}
// 实例化
var greenTea = new Tea('绿茶', '蜂蜜');
var wlTea = new Tea('乌龙茶');
// 调用模板方法 init 来执行泡茶的流程
greenTea.init();
优点分析
- 封装不变部分，扩展可变部分：模板方法模式将不变的行为搬移到父类中，去除子类中的重复代码，使得子类可以专注于实现自己的特定步骤。
- 提供一个很好的代码复用平台：通过模板方法，子类可以复用父类中的代码，同时也可以添加新的行为。
结合大语言模型（LLM）
模版模式毫无疑问是很有挖掘价值的，但完成这样一个任务，我们似乎也可以借助大模型的能力。大模型自身具有很强的自然语言处理能力，可以将非结构化的文本指令转化为结构化的步骤。
基础集成示例
我们需要引入 OpenAI SDK 并配置环境变量。以下是一个简单的 Node.js 示例，展示如何调用大模型来处理泡茶指令：
const OpenAI = require('openai');
require('dotenv').config();
// 初始化客户端
const client = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
baseURL: 'https://api.openai.com/v1' // 建议使用官方或合规的代理地址
});
const getChatResponse = async function (model, prompt) {
try {
const response = await client.chat.completions.create({
model: model,
messages: [
{
role: 'user',
content: prompt
}
]
});
return response.choices[0].message.content;
} catch (error) {
console.error('API Call Failed:', error.message);
throw error;
}
};
const main = async () => {
const text = `
泡一杯茶很容易，首先需要把水烧开。
在等待的过程中，把茶包放入一个杯子。
一旦水烧开了，就把它倒在茶包上，
等待一会，让茶包浸泡，几分钟后，取出茶包，
如果你愿意，加一些蔗糖或牛奶调味，
就这样，你可以享受一杯美味的茶了
`;
const prompt = `
你将获得由三个引号括起来的文本。
如果它包含了一系列的指令，则需要按照以下格式重新编写这些指令：
第一步 - ...
第二步 - ...
...
如果文本不包含一系列指令，则直接写'未提供步骤'。
"""${text}"""
`;
const chatCompletion = await getChatResponse('gpt-3.5-turbo', prompt);
console.log(chatCompletion);
};
main();
进阶应用：动态生成流程
我们可以进一步结合类结构与 LLM，实现更灵活的自助教程雏形。例如，根据用户输入的茶种，动态生成制作步骤并交由 LLM 格式化。
function Tea(type, add) {
this.type = type;
this.add = add || '无';
this.process = `我准备泡一杯${this.type}`;
}
Tea.prototype.init = function () {
this.process += `，需要添加：${this.add}`;
return this.process;
}
var greenTea = new Tea('卡布奇诺', "甜甜的你");
const main = async () => {
const prompt = `
你将获得由三个引号括起来的文本。
如果它包含一个制作饮料的想法，请你提供步骤如：
第一步 - ...
第二步 - ...
...
如果文本不包含一个想法，则直接写'没意思'。
"""${greenTea.init()}"""
`;
const chatCompletion = await getChatResponse('gpt-3.5-turbo', prompt);
console.log(chatCompletion);
};
main();
最佳实践与注意事项
在实际项目中结合设计模式与大模型时，需要注意以下几点：
- 提示词工程（Prompt Engineering）：确保 Prompt 清晰明确，指定输出格式（如 JSON、Markdown 列表），以减少模型幻觉带来的解析错误。
- 异步处理：LLM 调用通常耗时较长，务必使用
async/await避免阻塞主线程，特别是在 Web 服务中。 - 错误处理：网络波动或 API 限流可能导致请求失败，应增加重试机制（Retry Policy）和超时设置。
- 成本控制：频繁调用大模型可能产生较高费用，建议对结果进行缓存（Cache），对于相同输入避免重复请求。
- 安全性：不要在前端代码中硬编码 API Key，应使用环境变量管理敏感信息，防止泄露。
总结
模式与语言模型（LLM）的结合是一种创新的跨领域应用。它将软件工程的最佳实践与 AI 的强大自然语言处理能力相结合，为软件开发带来了新的可能性和效率提升。通过将模版方法模式的骨架固定下来，利用 LLM 填充具体的业务逻辑描述，我们可以构建更加灵活、智能的系统架构。未来，随着多模态大模型的发展，这种结合将在自动化测试、代码生成、智能运维等领域发挥更大的作用。
