每次在 dev.to 发评论前,这位作者都要把草稿粘进 AI 聊天窗口,再粘一遍那段长长的提示词,把修改结果复制回来,最后贴进 dev.to。每一次都这样。
作者不是英语母语者,dev.to 是其公开练习写作的地方。作者不希望拼写或语法错误分散读者对内容的注意力,所以会在发布前用 AI 检查一遍。但每次重复粘贴同一段提示词实在繁琐,于是作者做了一个小型本地网页应用:粘贴评论,拿到修改稿和解释,不用再重复粘贴提示词。
它做什么
界面分两栏。在左侧面板粘贴评论,点击 Revise,会得到四项结果:
作者认为最有用的部分是解释,它把一次纠错变成可以学习的东西。示例:
原文:“I have learned the principles behind the main stream AI agent like OpenClaw, Claude Code.”
修改后:“I have learned the principles behind mainstream AI agents like OpenClaw and Claude Code.”
解释包括两条:把“main stream”改成“mainstream”,使用标准拼写;把“AI agent like OpenClaw, Claude Code”改成“AI agents like OpenClaw and Claude Code”,修正单复数一致和列举标点。
这就是拼写检查器和写作教练的区别。拼写检查器只告诉你改了什么,这个工具还告诉你为什么改。
它怎么工作
浏览器把评论发送到 POST /feedback。FastAPI 先校验请求:空白或只有空格的评论会在调用 AI 之前被拒绝。
llm.py 向 DeepSeek 发送两条消息:一条固定的系统提示词,一条用户评论。系统提示词要求输出两个带确切标题的部分——## Revised Text 和 ## Paragraph Explanations。代码随后按这两个标题切分回复,一次 AI 回复就变成两个字段。
最后,提交记录存入 SQLite,并以 JSON 返回。GET /history 默认返回最近十条提交,由 FastAPI 从 SQLite 读取。
三个决定塑造了代码:提示词是一个文件(prompts.py),不是用户每次手打的;输出格式是一份契约,提示词要求两个标题,代码依赖它们;历史记录用纯 SQL 加 Python 内置的 sqlite3,因为这个项目同时是一次 SQL 学习练习。
怎么建起来的
作者用 GLM-5.3-Flash 构建了这个应用。应用本身调用 DeepSeek 的 API,模型在 .env 中设置(.env.example 使用 deepseek-flash)。
作者从最小的版本开始,先做一个能证明想法的命令行 MVP:第一版从终端读取文本,带上固定系统提示词发送,打印结果。没有界面,没有数据库。它只回答一个问题:AI 修改到底有没有用?答案是有用。
大部分工作花在提示词上。提示词经过几轮修改:先是技术写作和评论的风格,然后是保持作者语气、保留代码块和技术术语的规则,最后是解析器需要的确切输出标题。
接下来,作者把它扩展成 FastAPI 应用,一个 HTML 页面加一个 SQLite 历史记录。作者当时不会 FastAPI,也不懂数据库,于是让 AI 写了第一版。
应用跑起来后,作者试着理解它、学习 FastAPI 和 SQL。从 AI 助手那里得到的建议很简单:读官方文档或教程,然后在项目里找到同样的模式,把两者对照。文档里的示例容易跟,项目代码是真实应用,对照既确认了学到的东西,也暴露了漏掉的细节。
比如 SQL 课程教的是普通语句:
INSERT INTO submissions (original, revised, explanation, model, created_at) VALUES ('...', '...', '...', '...', '...');
项目里的代码却是把值作为参数单独传入。这叫参数化查询,真实应用在运行时就是这样插入数据的。
自己试试
代码在 GitHub 上:dev-comment-reviser。需要 Python 3.10+ 和一个 DeepSeek API 密钥。在 Windows 上,如果 python 不在 PATH 里,用 py -m 代替 python -m。
克隆仓库、进入目录、安装依赖、复制 .env.example 为 .env,把 DeepSeek API 密钥填进 .env,然后启动服务器,打开 http://127.0.0.1:8000。
默认情况下,评论会被发送到 DeepSeek API 修改,历史记录留在本机的 SQLite 文件里。想换别家 API,在 .env 里设置 DS_BASE_URL、DS_MODEL 和 DS_API_KEY。任何兼容 OpenAI 的 API 应该都能用;不兼容的 API 需要改 llm.py 里的客户端。
作者做这个工具的全部理由,就是不想再重复粘贴同一段提示词。作者好奇别人怎么处理这件事:会用 AI 修改写作吗?用哪个工具?这个答案会影响下一步做什么。
热门跟贴