可通过五种方法实现AI驱动的API文档生成与代码注释自动化：一、OpenAPI Generator配合LLM补全描述；二、AST解析+轻量LLM注入Python docstring；三、Spring Boot接口扫描+ChatGLM3生成中文说明；四、TS编译器API+CodeLlama补全JSDoc；五、Postman集合+InternLM2生成Markdown文档。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望将AI技术应用于API文档生成与代码注释自动化，可通过分析源代码结构、函数签名及上下文语义，自动生成符合规范的接口说明与注释内容。以下是实现该目标的具体方法：
一、使用OpenAPI Generator配合LLM增强注释
该方法基于已有的OpenAPI（Swagger）规范文件，利用大语言模型对缺失字段（如description、example、summary）进行语义补全，并反向生成带详细说明的YAML/JSON定义。核心在于将原始接口定义作为提示词输入，引导模型输出结构化补充内容。
1、准备一个基础openapi.yaml文件，其中paths部分仅包含路径和HTTP方法，无operationId、summary或responses描述。
2、将该文件内容拼接为系统提示词：“你是一个API文档工程师，请根据以下OpenAPI 3.0片段，为每个operation补充summary、description、requestBody.description、responses.200.description及各schema字段的example值。”
3、调用本地部署的Qwen2.5-7B-Instruct或Llama3-8B模型，传入上述提示词与原始YAML文本。
4、解析模型返回的纯YAML响应，校验格式合法性后覆盖原文件。
二、基于AST解析的Python函数级自动注释注入
该方法通过抽象语法树（AST）遍历Python源码，识别def节点及其参数列表、返回类型标注，再调用轻量级LLM为每个函数生成Google风格docstring，并直接写回源文件。不依赖运行时执行，适用于CI阶段集成。
1、使用ast.parse()加载目标.py文件，构建AST树。
2、继承ast.NodeVisitor类，重写visit_FunctionDef方法，在其中提取函数名、args、returns、decorator_list等信息。
3、构造提示词：“请为以下Python函数生成Google风格docstring，包含Args:、Returns:、Raises:三段，每段用冒号后空格缩进，不添加额外解释文字：def {name}({args}) -> {returns}:”
4、调用Ollama运行的Phi-3-mini模型，传入提示词，获取响应文本。
5、将生成的docstring插入到对应FunctionDef节点的body首项位置，使用ast.unparse()输出新代码并保存。
三、Java Spring Boot项目接口扫描+AI描述生成
该方法结合Springfox或SpringDoc的运行时端点扫描能力，获取所有@Operation标注缺失的接口元数据，再通过HTTP请求将接口路径、HTTP方法、参数类型发送至内部部署的ChatGLM3-6B服务，实时生成中文接口说明与示例请求体。
1、在Spring Boot应用中启用springdoc.api-docs.path=/v3/api-docs属性。
2、启动应用后访问http://localhost:8080/v3/api-docs，获取原始JSON响应。
3、编写Python脚本，遍历JSON中的paths对象，筛选出summary为空的operation条目。
4、对每个空summary条目构造如下JSON载荷：{"method": "POST", "path": "/user/create", "parameters": [{"name":"username","in":"body","schema":{"type":"string"}}]}
5、向本地http://localhost:8000/chatglm3接口POST该载荷，设置temperature=0.3以保证描述稳定性。
6、提取响应中"response"字段的纯文本内容，替换原JSON中对应operation的summary字段值。
四、TypeScript + JSDoc双向同步工具链
该方法利用TypeScript编译器API提取.ts文件中的接口定义（interface）、类型别名（type）及导出函数类型，结合JSDoc已有注释，通过微调后的CodeLlama-7B模型补全缺失的@param和@returns标签，并支持从JSDoc反向生成.d.ts声明文件。
1、使用ts.createProgram()加载项目tsconfig.json，获取所有SourceFile对象。
2、遍历每个SourceFile，调用ts.forEachChild()查找InterfaceDeclaration和FunctionDeclaration节点。
3、对无JSDocComment的节点，构造提示词：“请为以下TypeScript接口生成JSDoc注释，使用@param描述每个属性含义，@description说明整体用途，用中文输出：interface User { id: number; name: string; }”
4、调用本地CodeLlama-7B模型API，接收返回的JSDoc字符串。
5、使用ts.updateSyntheticLeadingComments()将生成的JSDoc插入到对应节点前，并调用ts.createPrinter().printFile()输出更新后代码。
五、Postman集合AI增强式文档渲染
该方法针对已有Postman Collection JSON文件，利用其request、response示例及测试脚本，驱动大模型生成面向前端开发者的接口说明文档，重点突出调用顺序、错误码含义与鉴权方式，输出为Markdown格式供GitBook导入。
1、导出Postman Collection为collection_v2.json文件。
2、解析JSON，提取每个item.request.method、item.request.url.raw、item.request.body?.raw及item.response数组中的第一个响应状态码与body示例。
3、构造批量提示词模板，每个请求单元格式为：“你是一名API技术支持工程师，请为以下Postman请求生成面向前端开发者的中文说明文档，包含：① 接口用途；② 请求URL与方法；③ 必填Header（如Authorization）；④ 请求体字段说明（含类型与是否必填）；⑤ 成功响应结构示意；⑥ 常见4xx/5xx错误码与原因。请求信息：{method} {url}，Headers: {headers}，Body示例：{body}，响应示例：{response}”
4、使用vLLM部署的InternLM2-20B模型，启用--max-num-seqs 8并发处理全部请求单元。
5、将每个响应按“## {接口名称}”开头组织为Markdown段落，合并为完整文档文件。
