AI

适用人群:有 Qt/C++ 基础,想了解 2026 年 AI 如何重塑 Qt 开发工作流的人。 更新日期:2026-08-21 目录 1. 时代背景:IDE 接入 ACP 2. qt专家模式:降低 LLM 幻觉的核心手段 3. 本区落地项目 4. 关键技术点 5. 学习方向 1. 时代背景:IDE 接入 ACP 核心要点:AI 不再是一个网页对话框,而是被「缝」进开发工具——Qt Creator 20 原生支持四种 AI 连接方式,其中 ACP Client 让 AI 代理能直接改代码、跑命令、触发构建。 ACP(Agent Client Protocol) 是客户端软件与 AI 编程代理之间的开放协议(Zed 团队维护),让 IDE 原生出现「侧栏 agent」——类似 VS Code Copilot 侧栏的效果。 已确认(2026-08-21,官方文档):Qt Creator 20 的「Using AI」一节列出四种 AI 扩展: 扩展 作用 ACP Client 用 ACP 连接理解你代码库的 AI 代理,替你改文件、跑命令、触发构建(需配合 MCP Server 扩展启用动作) GitHub Copilot 接入 Copilot,编辑模式内补全建议 MCP Server 让 AI 助手经 MCP 控制 Qt Creator(调试 / 构建 / 工程管理) Qt AI Assistant Qt 自带编程助手,接 LLM 后自动补全、建议修复、写测试与文档 官方链接:https://doc.qt.io/qtcreator/creator-using-ai.html(20.0 快照:https://doc-snapshots.qt.io/qtcreator-20.0/creator-using-ai.html) 意义:AI 从「聊天窗口」升级为「开发环境里的协作者」;而要让这个协作者说对 Qt,就得解决它记不住 / 会乱编 API 的问题 —— 这就是下一节。 2. qt专家模式:降低 LLM 幻觉的核心手段 核心要点:不让 AI 背文档,而是让它「先抓官方文档回来,再基于抓到的文本作答」——这就是 Agentic RAG。 ...

DSH（DeepSeek Harness）插件：让纯文本模型也能"看图"。 图片、截图、PDF、Word 文档——统一路由到视觉模型（默认 mimo-v2.5）分析，对话模型只负责文字推理。全程同一供应商契约，按需付费。 English · 中文 ✨ 特性 能力 说明 🖼 四种图片入口 指定路径 / “分析最新截图”（免路径）/ 多张一次 / 桥接粘贴（配合 dsh-image-bridge） 📄 文档解析 PDF 逐页渲染（PyMuPDF）、Word(.docx) 解包内嵌图，一次送视觉模型分析 🎯 确定性视觉路由 视觉调用固定走同一供应商路由（opencode-go）+ 同一凭据，不引入第三方模型 💰 按需付费 只有真正看图时才产生视觉调用；mimo-v2.5 与主流文本模型同价 🔁 两种转述模式 relay（结构化视觉数据：OCR/布局/颜色/SVG）vs direct（视觉模型直接产出，零损耗） 🧹 空白截图自动跳过 小文件直跳 + PNG 像素方差检测，误触的空捕获不会浪费一次调用 📋 来源可见 每次分析返回"分析来源"清单，明确指出实际看了哪些文件 🔧 零依赖 插件本体纯 ESM、不 import 任何 @deepseek-ai 包，本地安装无需 npm registry；文档解析仅需系统 Python 🏗 架构与工作原理 ┌─ 图片入口 ─────────────────────────────────────────────┐ │ ① 指定路径 "分析 D:\xx\img.png" │ │ ② 最新截图 "分析最新截图 / 最新两张截图"（免路径） │ │ ③ 粘贴桥接 dsh-image-bridge 落盘 → [图片附件] 标记 │ │ ④ 文档 "分析 D:\xx\doc.pdf / report.docx" │ └────────────────────────┬───────────────────────────────┘ ▼ analyze_images / analyze_document 工具 │ ┌────────────────┼──────────────────┐ ▼ ▼ ▼ attachments ctx.llm.stream sources (持久化图片) provider: opencode-go (来源报告) model: mimo-v2.5 │ ▼ relay 模式 → 结构化视觉数据（OCR/布局/颜色/SVG）→ 对话模型推理 direct 模式 → 视觉模型直接产出最终答案（如 HTML 复刻） 设计要点 ...

不要死记硬背 Qt 类名，告诉它你想干什么。 一个为 opencode 设计的 Qt 领域智能体 Skill：你只需要用中文描述需求 （“查一下线程怎么用”），它会自动映射为 QThread，抓取官方文档，并返回小白能看懂的核心 API 总结。 这不是搜索引擎，这是一个懂 Qt 的领域智能体。 ✨ 它能做什么 能力 说明 示例 意图感知 中文概念自动映射为 Qt 类名 “线程” → QThread，“画形状” → QPainterPath 继承链展开 自动递归抓取父类文档 查 QTcpSocket 返回整个 QAbstractSocket→QIODevice→QObject 族，2 个 API → 216 个 来源标注 每个 API 标注来自哪个类 connectToHost（来自 QAbstractSocket） 小白化总结 官方文档降维成通俗解释 构造函数 / 最常用函数 / 关键信号 / 示例 / 注意事项 三级数据源 在线 → 本地离线文档 → JSON 缓存 断网可用，二次查询秒回 会话隔离 显式开启专家模式，不误触发 未开启时零劫持 Web/Java 等非 Qt 问题 🚀 快速开始 环境要求 Python 3.10+ 依赖：requests、beautifulsoup4 opencode（可选用任意支持 Skill 的 Agent 运行器） 安装 git clone <your-repo-url> qt-doc cd qt-doc pip install -r requirements.txt # 安装 skill 到 opencode 全局（可选） cp -r qt-doc ~/.config/opencode/skills/ 使用 重启 opencode 后，在会话中： ...

仅当用户显式要求开启 Qt 专家模式时触发，如说"开启Qt专家模式"、“进入Qt专家模式”、 “Qt专家模式"等。 一旦触发，本会话进入 Qt 专家模式，直到会话结束： 之后该会话内的所有 Qt/C++ 问题都用本 skill 流程回答（映射类名→抓文档→小白化总结）。 会话保持生效：通过 /sessions 恢复该对话，专家模式依然生效。 新开对话默认不加载本 skill，需再次显式开启——实现会话级隔离。 在专家模式下，非 Qt 的通用编程问题（如 Java/Web）正常回答，不套用 Qt 文档流程。 流程 把用户描述映射为 Qt 类名（Q 开头）。 先查本 skill 目录下的 mapping.json 精确匹配。 未命中则凭 Qt 领域知识推断（如"画形状”→QPainterPath）。 无法确定时询问用户。 调用抓取脚本（可传多个类名，一次抓取）： 优先使用环境变量 QT_FETCH_CMD 指向脚本（如 python /path/to/qt_fetch.py）。 未设置时，用当前仓库内脚本：python <repo>/qt_fetch.py <类名1> <类名2>...。 示例：python ../qt_fetch.py QThread QTimer 读取 stdout JSON。若 errors 非空，说明该类未找到，提示用户检查拼写或模块。 基于 JSON 的 title/brief/apis 做小白化总结。 输出规范（中文，开头带 [qt-doc]） 这是什么：一句话说明该类用途。 构造函数：核心 1-2 个。 最常用函数：数量视类而定——核心常用类 5-8 个，简单类 3-4 个。 关键信号：1 个 + 触发时机（有信号时）。 示例代码：简短 5-8 行。 ⚠️ 注意：继承或使用要点。 继承链 查询结果含 inheritance_chain（从派生到基类）与每个 API 的 inheritsFrom 来源。 若某类 API 很少（如 QTcpSocket），说明它继承自父类，常用函数多在父类文档中—— 总结时应说明函数来自哪个父类（如 connectToHost 来自 QAbstractSocket）。 ...