一种基于大语言模型的上下文感知代码生成与实时优化方法及系统

本发明涉及人工智能与软件开发技术领域，具体为一种基于大语言模型的上下文感知代码生成与实时优化方法及系统，包括以下步骤：利用编译器前端技术，对输入代码进行解析，构建抽象语法树；通过抽象语法树，提取函数定义、变量声明、语句块结构信息，以获取代码的语法和语义结构，为后续的代码生成与优化提供基础数据支持；有益效果为：通过融合静态语法解析(AST构建)与动态执行追踪(如变量值变化、函数调用时序)，构建覆盖语法、语义及运行时行为的上下文图谱，解决了传统代码生成技术中上下文感知缺失的问题。提高了生成代码与项目架构的兼容性、可维护性和可扩展性。