用 龙虾10 分钟搞定 C 语言 + 前端实训?我试了,真香!

用 龙虾10 分钟搞定 C 语言 + 前端实训?我试了,真香!
在这里插入图片描述

🚀 用龙虾10 分钟搞定 C 语言 + 前端实训?我试了,真香!

一句话总结:选对模型 + 写好提示词,让“龙虾”帮你从零生成可运行的 C 语言成绩管理系统 + 全栈博客前端项目,连实训报告都自动生成!

大家好,我是 VON。最近“AI 编程助手”火出圈,但很多人还在手动敲代码、调 Bug、写报告……其实,只要用对工具,一个指令就能完成整套高校实训作业

今天我就带大家实测:如何用 AI 智能体(俗称“龙虾”) 快速搞定两类典型课程设计——
C 语言学生成绩管理系统
React 全栈个人博客系统

全程无需打开 IDE,甚至不用看一行代码!👇


🔧 第一步:选对模型,效率翻倍!

智能体的输出质量,70% 取决于底层大模型。我这里使用的是 智谱 AI 的 GLM-5 模型,代码生成能力强、支持长上下文,特别适合工程类任务。

🔗 官网:https://bigmodel.cn/

GLM-5 模型界面
💡 小技巧:在 OpenClaw 或 Trae 等框架中,直接输入 zhipu/glm-5,系统会自动配置,省去繁琐设置!
自动配置模型

📝 第二步:C 语言实训 —— 学生成绩管理系统

1. 先让 AI 生成一份标准实训要求(你也可以用自己的)

AI 生成实训要求

2. 关键:写好提示词!

告诉 AI 你的身份和目标,越具体越好:

我是一个计算机大一新生,需要完成 C 语言实训作业。 请根据以下要求开发“学生成绩管理系统”: (粘贴完整需求文档) 
✅ 需求必须包含:功能列表、技术规范、交付物格式(源码 + 报告)

3. 下达指令:“帮我完成这个作业!”

不废话,直接让它开干👇

下达指令

4. 几分钟后,桌面自动生成完整项目!

包含:

  • main.c, student.c, student.h(模块化代码)
  • data.txt(模拟数据文件)
  • report.md(实训报告)
项目文件夹生成


代码与报告已就绪

5. 运行测试(遇到乱码别慌!)

双击 .exe 文件,如果出现中文乱码👇

乱码问题

只需反馈一句:“控制台中文显示乱码,请修复”,它就会自动调整编码或改用英文菜单!

反馈乱码问题

很快就能看到成功运行界面👇

运行成功

6. 功能全测试通过!

✅ 显示所有学生

显示全部

✅ 修改成绩

修改

✅ 按姓名查询

按姓名查

✅ 按学号查询

按学号查

✅ 录入学生信息

录入
📌 进阶功能也全实现:文件持久化、非法输入校验、排序统计、菜单循环……

7. 实训报告自动生成!

报告是 Markdown 格式,内容完整,包含需求分析、设计思路、测试截图、总结反思👇

实训报告
🔁 如果学校要求 Word 文档?只需说:“把 report.md 转成 report.docx”,它秒转!

💻 第三步:前端实训 —— 全栈博客系统

1. 同样,先生成前端项目需求

生成前端需求

2. 提交需求,让它“开干”!

提交前端任务

3. 自动初始化环境 + 下载依赖

它会自动执行 npm create vite、安装 Tailwind CSS 等👇

自动下载环境

4. 项目生成完成!

由于项目较大,稍等几分钟即可👇

前端项目完成

5. 调试技巧:F12 看报错,丢给 AI 修复!

运行时若控制台有红字错误👇

F12 查看报错

直接复制错误信息发给它:“修复这个前端错误”,它会精准定位并返回修正代码!

直到控制台干净无报错👇

无报错

6. 项目效果展示

黑暗主题切换

黑暗主题

发布博客(富文本)

发布博客

个人中心

个人中心

首页文章流

首页

✅ 总结:为什么这方法值得推广?

传统方式AI 智能体辅助
手动敲代码 3-5 天10 分钟生成可运行项目
调试崩溃到深夜自动处理异常、修复 Bug
报告东拼西凑自动生成结构化文档
功能缺漏被扣分严格按评分标准实现
🌟 重点提醒
AI 不是让你“躺平”,而是把时间省下来理解核心逻辑——比如 C 语言的指针、文件 I/O、结构体设计。你可以:阅读生成的代码尝试扩展新功能准备答辩讲解

这才是高效学习!

🔚 最后

如果你也在为期末实训头疼,不妨试试这个方法!
模型推荐:GLM-5 / Qwen-Max / Claude 3.5
提示词核心:身份 + 需求 + 技术栈 + 交付格式

Read more

【30天从零玩转AI应用开发】第2篇:大模型API注册+调用实战

【30天从零玩转AI应用开发】第2篇:大模型API注册+调用实战

文章目录 * 前言 * 【30天从零玩转AI应用开发】第2篇:大模型API注册+调用实战(OpenAI/文心一言/通义千问) * 专栏副标题 * 专栏简介 * 摘要 * 关键词 * 前言 * 一、3大主流大模型API对比(新手必看) * 新手选择建议(避坑指南): * 二、API注册+密钥获取(文字版超详细指南) * 2.1 OpenAI注册+密钥获取(含避坑技巧) * 准备工具: * 注册步骤(每一步都标清按钮位置): * 避坑技巧: * 2.2 百度文心一言注册+密钥获取(10分钟搞定) * 准备工具: * 注册步骤: * 关键提醒: * 2.3 阿里通义千问注册+密钥获取 * 准备工具: * 注册步骤: * 三、API调用实战(Python代码可直接复制) * 3.

全开源,自主可控!这款 AI + 无人机一体化平台,多行业刚需场景直接拉满!

全开源,自主可控!这款 AI + 无人机一体化平台,多行业刚需场景直接拉满!

项目地址: https://gitee.com/haishi-tech 引言 低空经济产业化加速推进,无人机行业应用却常被设备管控难、作业效率低、数据碎片化三大痛点卡脖子。专为专业场景打造的亥时无人机系统,以 “智能管理 + AI 监测 + 精准控制” 全流程闭环解决方案,打破行业应用壁垒,成为电力、安防、测绘等专业用户的共同选择! 核心优势:全面开源,成熟可控 系统简介 1. 一体化架构,告别零散适配烦恼亥时无人机系统深度集成设备管理、飞行控制、AI 监测与巡检业务四大核心模块,构建 “端 - 边 - 云” 全链路技术支撑。无需额外开发适配,从设备接入、飞行操控到数据分析、报告生成实现无缝衔接,彻底解决传统方案多系统割裂、数据不通的痛点,让作业流程更顺畅。 1. 2. AI 监测中台,让智能贯穿全流程

斯坦福大学 | CS336 | 从零开始构建语言模型 | Spring 2025 | 笔记 | Assignment 1: Transformer LM Architecture Implement

斯坦福大学 | CS336 | 从零开始构建语言模型 | Spring 2025 | 笔记 | Assignment 1: Transformer LM Architecture Implement

目录 * 前言 * 1. Problem (linear): Implementing the linear module (1 point) * 2. Problem (embedding): Implement the embedding module (1 point) * 3. Problem (rmsnorm): Root Mean Square Layer Normalization (1 point) * 4. Problem (positionwise_feedforward): Implement the position-wise feed-forward network (2 points) * 5. Problem (rope): Implement RoPE (2 points) * 6. Problem

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成 你有没有在博物馆里,一边盯着珍贵文物,一边手忙脚乱翻手机查讲解词?或者站在异国展馆前,听不懂导览员的外语解说,只能靠猜?更别提那些中英混杂、带方言口音的现场录音——传统语音转写工具要么卡住不动,要么识别错得离谱。 今天要聊的,不是又一个“理论上能用”的AI模型,而是一个真正跑在本地、开箱即用、专为真实场景打磨过的语音转文字服务。它不靠云端API,不依赖稳定网络,不挑音频格式,甚至能在没有外网的展厅设备上安静运行。它的名字叫SenseVoice Small——但这次,我们把它从实验室搬进了博物馆的玻璃柜之间。 1. 为什么是SenseVoice Small?轻量不等于将就 很多人一听“Small”,下意识觉得是阉割版、凑数款。但SenseVoice Small恰恰相反:它是阿里通义千问团队针对边缘部署和实时交互场景,专门精简优化的语音识别模型。参数量仅约2亿,却在保持95%以上主流语种识别准确率的同时,把单次推理耗时压到300毫秒以内(RTF < 0.15)。 关键不在“