# 安装LangChain-Ruby gem
gem install langchainrb --pre

# 或者在你的Gemfile中添加
# gem "langchainrb", "~> 2.5"

# 创建新的Rails项目
rails new smart_blog --database=postgresql --skip-turbolinks --skip-test-unit

cd smart_blog

# 添加必要的gem到Gemfile
bundle add langchainrb pg devise sidekiq redis-rails

require "langchain"

Langchain.logger.level = :info # 生产环境建议使用:info或:warn

# OpenAI配置(也可以使用其他提供商如Anthropic)
Langchain::LLM::OpenAI.configure do |config|
  config.api_key = ENV["OPENAI_API_KEY"]
  config.llm_options = {
    temperature: 0.7,
    model: "gpt-4-turbo" # 2025年最新模型
  }
end

# LangChain工具注册(可根据需要扩展)
Langchain::Tool.register(
 name: "blog_generator",
 description: "Generate blog related code and content",
 klass: BlogGeneratorTool # 我们稍后会定义这个类
)

class BlogGeneratorTool < Langchain::Tool::Base
 attr_reader :name, :description, :parameters

 def initialize
   @name = "blog_generator"
   @description = "Generate blog related code and content"
   @parameters = {
     type: "object",
     properties: {
       action_type: {
         type: "string",
         enum: ["scaffold", "content", "test"],
         description: "Type of generation needed"
       },
       details: {
         type: "string",
         description: "Details about what to generate"
       }
     },
     required: ["action_type"]
   }
 end

 def execute(action_type:, details: nil)
   case action_type.to_sym
   when :scaffold
     generate_scaffold(details)
   when :content
     generate_content(details)
   when :test
     generate_tests(details)
   else
     raise ArgumentError, "Unknown action type"
   end
 end

 private

 def generate_scaffold(model_details)
   # AI解析用户需求并生成脚手架代码
   prompt = <<~PROMPT
     你是一个资深的Ruby on Rails开发者。根据以下需求生成合适的Rails脚手架命令：
     需求：#{model_details}

     请返回可直接执行的Rails生成器命令。
     如果涉及关联关系，请确保包含正确的引用。
     例如："rails g scaffold Post title:string content:text user:references"
   PROMPT

   response = Langchain::LLM::OpenAI.new.chat(
     messages: [{role: "user", content: prompt}]
   )

   command = response.dig("choices", 0, "message", "content").strip.gsub('"', '')

   # 安全执行生成的命令(实际项目中应该先人工审核)
   if command.start_with?("rails g")
     system(command) 
     return {status: :success, command: command}
   else
     return {status: :error, message: "Invalid command generated"}
   end
 end

 def generate_content(content_brief)
   # AI生成博客内容(实际项目中应该加入人工审核环节)
   prompt = <<~PROMPT
     你是一位专业的博客作者。根据以下要点撰写一篇技术博客文章：
     要点：#{content_brief}

     要求：
     1. Markdown格式输出 
     2. 包含代码示例时确保准确性 
     3. 技术术语解释清晰 
     4. SEO友好，包含适当的关键词 
     5.字数在1500字左右 

     请直接返回文章内容，不要包含额外的解释。
   PROMPT

   response = Langchain::LLM::OpenAI.new.chat(
     messages: [{role: "user", content: prompt}],
     temperature: 0.8 #稍微提高创造性但保持技术准确性 
   )

   {status: :success, content: response.dig("choices", 0, "message", "content")}
 end

 def generate_tests(test_details) 
   # AI为指定模型生成测试用例(基于RSpec)
   prompt = <<~PROMPT 
     你是一个专业的Ruby测试工程师。为以下Rails模型/控制器编写全面的RSpec测试：

     规格说明：#{test_details}

     要求：
     1. FactoryBot工厂定义 
     2. Model测试覆盖所有验证和业务逻辑 
     3. Request测试覆盖所有API端点 
     4. System测试覆盖关键用户流程 

     请直接返回完整的spec文件内容。
    PROMPT

    response = Langchain::LLM::OpenAI.new.chat(
      messages: [{role:"user", content:"prompt"}],
      temperature:"0" #保持最低创造性以确保测试准确性"
    )

    {status:"success","tests":response.dig("choices","0","message","content")}
 end"end"end"

**实践经验分享**:"""
1."在生产环境中,"建议将生成的代码先保存到临时文件,"经人工审核后再合并到主代码库"""
2."可以设置不同的temperature参数":代码生成用较低值(如0."3),"创意内容用较高值(如0."7)"""
3."重要业务逻辑的代码不应完全依赖AI生成,"应作为辅助工具使用"""

##"""高级应用":自动化部署流水线"""

我们可以进一步扩展这个系统,"实现CI/CD的自动化"."以下是关键步骤的示例":

```ruby"""
#"config/deploy.rb中添加AI辅助部署检查"""
namespace":deploy"do"""
desc"""Run"""pre-deployment"""checks"""using"""AI"""
task":ai_check"=>":environment"do"""
llm"="Langchain:::LLM:::OpenAI.""new"""

prompt"="<<~PROMPT"""
你是一个DevOps工程师."请分析以下Rails应用的部署配置并指出潜在问题:
应用名称:#{Rails.application.class.module_parent_name}
Ruby版本:#{RUBY_VERSION}
数据库:#{ActiveRecord:::Base.""connection_config[:adapter]}
当前分支:#{`git branch --show-current`.strip}

重点关注:
1."生产环境安全配置"
2."数据库迁移策略"
3."性能优化建议"
4."监控告警设置"

请列出发现的问题和改进建议."
PROMPT"""

response"="llm.""chat(messages:[{role:"user","content":prompt}])"""

puts"""部署前检查报告:\n#{response.dig("choices","0","message","content")}"""
end"""
end"""