第5章 实战一：开发 CLI 聊天机器人

目标概述：开始第一个实战项目——构建一个命令行（CLI）聊天机器人。读者将在本章应用之前掌握的提示词技巧，通过 Cursor + Copilot 引导 AI 编写一个可在终端运行、与用户对话的聊天程序。项目涵盖基本的输入输出处理、对接现有聊天模型 API（如 OpenAI ChatGPT API）等，让读者体验从0到1完成一个功能性 AI 应用。

提示词结构：本章的提示词将详细描述 CLI 聊天机器人的需求，包括：编程语言（Python）、使用何种库或 API（如调用 OpenAI 的 API 进行对话），功能要求（连续对话、退出命令处理），以及代码组织形式（例如将主要逻辑放在 chatbot.py 中）。通过提供示例提示词片段，说明如何让 AI 明确实现这些要求。

流程图：给出聊天机器人的工作流程图，例如：用户在终端输入 -> 程序发送请求到聊天模型 API -> 获取回复并显示 -> 循环等待下一个输入。流程图帮助读者理解程序各部分的衔接关系，也为 AI 生成代码时提供逻辑参考。

可视化代码生成过程：本节通过截屏和解说展示用 Cursor 逐步生成代码的过程。例如：在 Cursor 中输入提示后，AI 首先生成 chatbot.py 的初版代码（展示截图），我们运行测试发现无退出机制 -> 用户在对话窗口对 AI 提示“添加退出命令，当用户输入exit时结束程序”，AI 更新代码（展示diff截图）。如此循环，直到主要功能实现。整个过程直观演示“对话式编程”的体验。

样例项目代码结构：列出最终生成的代码文件清单和结构（本例可能简单，一到两个文件）：例如：

• chatbot.py：主程序入口，处理用户输入和输出，对接聊天模型API；

• config.py：存放API密钥等配置（如有）。
  说明各文件的作用，展示部分关键代码片段并解释其功能。

生成结果截图：展示最终CLI聊天机器人的运行截图。例如终端界面上一问一答的对话，包含用户输入内容和机器人回复。若有彩色输出或特殊格式，也应截图体现，让读者直观看到成果。

测试点与失败案例：总结在开发过程中需重点测试的情形：如网络异常是否处理（API 请求失败怎么办），退出命令是否灵敏，是否会出现无限循环等。列举一个失败案例：开始忘记处理网络错误，AI 生成的代码在断网时抛异常 -> 后续我们通过提示要求添加try-except进行了修正。鼓励读者主动尝试异常场景，看程序反应，并思考改进方法。

术语解释：本章涉及“CLI（命令行界面）”“API 调用”“JSON 序列化/反序列化”等术语，一一予以解释。例如CLI相对图形界面的特点，API Key 在调用OpenAI服务时的重要性等，确保读者理解实现细节背后的概念。