AI写作大师Qwen3-4B代码实例：自动化API文档生成

1. 引言

1.1 业务场景描述

在现代软件开发中，API 文档是前后端协作的核心纽带。然而，手动编写文档耗时耗力，且容易因代码变更而滞后，导致团队沟通成本上升。尤其在敏捷开发和持续集成（CI/CD）流程中，保持文档与代码同步成为一大挑战。

1.2 痛点分析

传统文档编写方式存在以下问题： -更新不及时：开发者优先实现功能，文档常被延后甚至忽略。 -格式不统一：不同开发者编写的文档风格差异大，影响可读性。 -维护成本高：每次接口变更都需要人工同步修改文档。

1.3 方案预告

本文将展示如何基于Qwen3-4B-Instruct模型，结合其强大的自然语言理解与生成能力，构建一个自动化 API 文档生成系统。通过解析代码注释或 OpenAPI Schema，AI 可自动生成结构清晰、语言专业的中文文档，显著提升开发效率。

2. 技术方案选型

2.1 为什么选择 Qwen3-4B-Instruct？

维度	Qwen3-4B-Instruct	其他轻量级模型（如 0.5B）
参数量	40亿	5亿以下
逻辑推理能力	强，能理解复杂函数关系	一般，易产生逻辑错误
长文本生成质量	支持千字级连贯输出	输出易重复、断裂
中文语义理解	专为中文优化，表达自然	常见语法生硬
CPU 运行可行性	支持 low_cpu_mem_usage 加载	可运行但响应慢

从上表可见，Qwen3-4B-Instruct 在保持 CPU 可运行的前提下，提供了接近大模型的智能水平，非常适合用于企业级文档自动化任务。

2.2 架构设计思路

系统采用“代码解析 → 结构化提取 → AI 润色生成”的三段式架构：

前端代码扫描：使用 AST（抽象语法树）工具提取函数名、参数、返回值等元信息。
中间层转换：将元信息转化为标准化 Prompt 输入格式。
AI 文档生成：调用 Qwen3-4B-Instruct 接口，生成符合技术文档规范的自然语言描述。

3. 实现步骤详解

3.1 环境准备

确保已部署Qwen/Qwen3-4B-Instruct镜像，并可通过本地 HTTP 接口访问。假设服务运行在http://localhost:8080/v1/completions。

安装依赖库：

pip install fastapi uvicorn python-multipart astor markdown

3.2 代码解析模块

我们以 Python Flask 接口为例，目标是从如下代码自动生成文档：

def create_user(name: str, age: int, email: str = None): """ 创建新用户 :param name: 用户姓名，必填 :param age: 年龄，需大于0 :param email: 邮箱，可选 :return: 用户ID """ return f"user_{hash(name)}"

使用ast模块提取函数信息：

import ast def parse_function_from_code(code_str: str) -> dict: tree = ast.parse(code_str) func = tree.body[0] # 假设只有一个函数 assert isinstance(func, ast.FunctionDef) args = [] for arg in func.args.args: arg_name = arg.arg default_val = None if arg_name in [a.arg for a in func.args.defaults]: default_val = "optional" args.append({ "name": arg_name, "required": default_val is None, "type": "unknown" # 可扩展类型推断 }) docstring = ast.get_docstring(func) or "" return { "name": func.name, "docstring": docstring, "parameters": args, "returns": "User ID string" }

3.3 构建 Prompt 并调用 AI

构造结构化提示词，引导 Qwen3-4B-Instruct 生成专业文档：

import requests def generate_api_doc(func_info: dict) -> str: prompt = f""" 你是一个资深技术文档工程师，请根据以下函数元数据，生成一份标准的中文 API 接口文档。 要求： - 使用正式、清晰的技术语言 - 分为【接口说明】、【请求参数】、【返回值】三个部分 - 参数需标明是否必填 - 不要包含代码实现细节 函数信息： 名称：{func_info['name']} 描述：{func_info['docstring']} 参数：{', '.join([f"{p['name']}({ '必填' if p['required'] else '可选'})" for p in func_info['parameters']])} 返回值：{func_info['returns']} 请开始生成文档： """.strip() payload = { "prompt": prompt, "max_tokens": 512, "temperature": 0.3, "top_p": 0.9, "stream": False } response = requests.post("http://localhost:8080/v1/completions", json=payload) result = response.json() return result.get("choices", [{}])[0].get("text", "").strip()

3.4 完整调用示例

# 示例代码字符串 code_snippet = ''' def create_user(name: str, age: int, email: str = None): """ 创建新用户 :param name: 用户姓名，必填 :param age: 年龄，需大于0 :param email: 邮箱，可选 :return: 用户ID """ return f"user_{hash(name)}" ''' # 执行流程 func_meta = parse_function_from_code(code_snippet) doc_content = generate_api_doc(func_meta) print(doc_content)

3.5 预期输出结果

运行后，AI 生成的文档可能如下：

【接口说明】
该接口用于创建一个新的用户记录。调用者需提供用户的基本信息，系统将生成唯一的用户标识符并返回。
【请求参数】
- name：用户姓名，字符串类型，必填字段。
- age：用户年龄，整数类型，必须大于0，必填字段。
- email：用户邮箱地址，字符串类型，可选字段，若未提供则默认为空。
【返回值】
返回一个字符串类型的用户ID，格式为"user_"加上用户名的哈希值，确保全局唯一性。