Android Studio ChatGPT插件开发实战：从零构建AI辅助编程工具

1次阅读

没有评论

共计 2652 个字符，预计需要花费 7 分钟才能阅读完成。

Android 开发者日常面临三大效率瓶颈：

重复代码生成 ：如模板化的 RecyclerView.Adapter、Retrofit 接口等代码编写耗时但创造性低
错误修复成本高 ：编译错误和运行时异常往往需要反复查阅文档或 Stack Overflow
文档查询碎片化 ：在 IDE、浏览器和文档网站间频繁切换打断编码思路

优点：开箱即用、支持多语言、上下文理解能力强
缺点：闭源不可定制、无法与企业内部知识库集成、存在代码隐私风险

优点：
完全控制 AI 行为输出
可深度绑定 Android 特有 API
支持离线敏感代码过滤
挑战：需要处理上下文管理、性能优化等细节

PSI(Program Structure Interface)：通过 PsiElement 解析当前编辑文件的语法树
DumbAware 接口 ：确保插件在 IDE 索引构建期间仍可响应基础操作
AnAction 扩展点 ：创建右键菜单和快捷键触发入口

关键实现步骤：

鉴权配置

val client = OpenAI(token = "sk-...", 
    timeout = Duration.ofSeconds(30))

请求构造（以代码生成为例）

val completionRequest = CompletionRequest(
    model = "code-davinci-002",
    prompt = "Generate Kotlin data class for: $userInput",
    temperature = 0.7,
    maxTokens = 150
)

响应解析

client.completions(completionRequest).choices
    .firstOrNull()?.text?.let {document.insertString(caretOffset, it) 
    }

采用 Room 实现历史记录：

@Entity
data class ChatHistory(
    @PrimaryKey val id: String,
    val timestamp: Long,
    val codeSnippet: String,
    val aiResponse: String
)

@Dao
interface HistoryDao {@Query("SELECT * FROM ChatHistory ORDER BY timestamp DESC LIMIT 5")
    fun getRecent(): List<ChatHistory>}

class ChatGPTAction : AnAction(), DumbAware {override fun actionPerformed(e: AnActionEvent) {val editor = e.getData(CommonDataKeys.EDITOR) ?: return
        val psiFile = e.getData(CommonDataKeys.PSI_FILE) ?: return

        // 获取当前选中的代码元素
        val element = psiFile.findElementAt(editor.caretModel.offset)
        val requestText = buildPromptFromPsi(element)

        // 发起 AI 请求
        launchAIRequest(editor, requestText)
    }

    private fun buildPromptFromPsi(element: PsiElement?): String {// 实现 PSI 元素到自然语言提示的转换}
}

suspend fun <T> retryWithBackoff(
    times: Int = 3,
    initialDelay: Long = 100,
    maxDelay: Long = 1000,
    block: suspend () -> T): T {
    var currentDelay = initialDelay
    repeat(times - 1) { attempt ->
        try {return block()
        } catch (e: Exception) {delay(currentDelay)
            currentDelay = minOf(currentDelay * 2, maxDelay)
        }
    }
    return block() // 最后一次尝试}

使用协程限定并发数：

private val requestScope = CoroutineScope(Dispatchers.IO.limitedParallelism(3)
)

响应缓存策略：
内存缓存：使用 Caffeine 缓存高频请求结果
磁盘缓存：对文档类响应持久化存储

及时取消协程：

val job = requestScope.launch {/*...*/}
Disposer.register(disposable, Disposable { job.cancel() })

在 plugin.xml 中明确兼容范围：

<idea-version since-build="203.7717" until-build="223.*" />

实现令牌桶算法：

class RateLimiter(private val capacity: Int, private val refillRate: Long) {
    private var tokens = capacity
    private var lastRefill = System.currentTimeMillis()

    @Synchronized
    fun tryAcquire(): Boolean {refill()
        return if (tokens > 0) {
            tokens--
            true
        } else false
    }
}

本地关键词检测：

fun containsSensitiveCode(text: String): Boolean {val patterns = listOf("password", "secret_key", "api_token")
    return patterns.any {text.contains(it, ignoreCase = true) }
}

项目已开源在 GitHub 仓库，欢迎 Star 和贡献。推荐尝试扩展：