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

【数学建模】用代码搞定无人机烟幕:怎么挡导弹最久?

【数学建模】用代码搞定无人机烟幕:怎么挡导弹最久?

前言:欢迎各位光临本博客,这里小编带你直接手撕**,文章并不复杂,愿诸君耐其心性,忘却杂尘,道有所长!!!! **🔥个人主页:IF’Maxue-ZEEKLOG博客 🎬作者简介:C++研发方向学习者 📖**个人专栏: 《C语言》 《C++深度学习》 《Linux》 《数据结构》 《数学建模》** ⭐️人生格言:生活是默默的坚持,毅力是永久的享受。不破不立,远方请直行! 文章目录 * 一、先搞懂:我们要解决啥问题? * 二、核心计算:代码怎么判断“烟幕有没有用”? * 1. 先算单个烟幕的“有效时间段” * 2. 合并重叠的时间段(避免重复计算) * 3. 只算“导弹到达前”的有效时间 * 三、代码优化:加了2个实用功能,结果直接看 * 1. 跑完直接显示“最优遮蔽时长”

天空的“循环经济”:构建第一代eVTOL与无人机的退役、再制造与材料回收技术体系

天空的“循环经济”:构建第一代eVTOL与无人机的退役、再制造与材料回收技术体系

【摘要】eVTOL与无人机即将迎来的“退役潮”,催生了千亿级的空中循环经济市场。其核心在于构建动力电池梯次利用、复合材料闭环回收与关键部件数字化再制造的技术与标准体系。 引言 低空经济正从概念走向现实,电动垂直起降飞行器(eVTOL)与无人机组成的空中网络,正在重塑城市交通与物流的未来。然而,在技术突破与商业化落地的热潮之下,一个前瞻性问题已然摆在桌面。当第一批大规模部署的机队在未来5至10年内触及其设计寿命终点时,我们将如何面对随之而来的“退役潮”? 这并非简单的设备报废问题,而是一个涉及资源安全、环境保护与产业可持续性的系统性挑战。每一架退役的飞行器,都是一个由高价值动力电池、先进复合材料和精密电子部件构成的复杂资产包。简单填埋或粗放拆解,不仅是巨大的资源浪费,更可能引发严重的环境问题。 因此,构建一个完善的退役、再制造与材料回收技术体系,已不再是可选项,而是低空经济走向成熟的必经之路。这不仅是应对挑战的防御性策略,更是主动开辟一个全新千亿级“空中循环经济”市场的战略布局。本文将从动力电池的全周期循环、复合材料的回收技术突破,以及关键部件的数字化资产管理三个维度,系统性地剖

法奥机器人学习使用

法奥机器人学习使用

1 视频课程 2 学习工具 虚拟机环境 3 拖动锁定 限制拖动模式下机器人的各向自由度,为0则可以自由拖动。 4 工具坐标 对机器人末端安装的工具进行标定:拖动机器人以不同姿态多次前往同一个点; 6点法相对4点法还会标定姿态; 5 矩阵运动功能—码垛 6 单点螺旋线 提前标定螺旋线起点 轨迹绘制 7 版本号及软件升级 查看软件版本号 快速备份复制或应用机器人数据 软件升级 8 工件坐标系 原点-x轴-z轴 原点 - X轴 - XY正平面 9 变量系统 lua变量声明 m = 0 n = “test” 变量查询(在面板可看) RegisterVar(“number”,“m”) RegisterVar(“string”,“n”) 系统变量

Submodular function次模函数 概念——AI学习

Submodular function次模函数 概念——AI学习

论文名称:Submodularity In Machine Learning and Artificial Intelligence 一、综述论文 这篇文章是一篇 综述论文(survey)。 核心目标是: 介绍 Submodular functions(次模函数) 以及它们在 机器学习与人工智能中的应用。 作者想说明一个非常重要的观点: 很多机器学习问题其实是“离散优化问题”。 例如: * Feature Selection:属于数据预处理问题,旨在从原始特征中筛选出最相关、最有信息量的子集,以降低维度、提升模型性能与可解释性。 * Dataset Subset Selection:属于数据采样或核心集选择问题,旨在从大规模数据中选取一个具有代表性的子集,以降低计算和存储成本,同时保持模型性能。 * Active Learning:属于机器学习训练策略问题,通过让模型主动选择最有价值的数据进行标注,以最少的标注成本最大化模型性能。 * Clustering:属于无监督学习问题,旨在根据数据的内在相似性,将未标记的数据自动分组为不同的类别或簇。 * Data