運用生成式 AI 實現智慧互動：我的 LeetCode 助理專案

運用生成式 AI 實現智慧互動：我的 LeetCode 助理專案¶

這次想分享一個近期完成的專案：AI_Function_Call_LeetCode_Assistant。

這個專案的目標，是透過結合 Google Gemini 模型的強大自然語言理解能力與我自定義的邏輯，打造一個能智慧回應查詢需求的 LeetCode 資訊助理。

為什麼會想做這個助理？¶

在實際工作中，我們經常需要查找資料，但這樣的過程往往繁瑣，包含：

• 思考要查找的資訊類型
• 設定查詢條件（例如日期範圍）
• 開啟相關工具的 UI
• 手動輸入資料並等待回傳結果
  如果有一個 AI Agent 能夠理解自然語言指令，並代為完成工具選擇與資料查詢，不僅節省時間，也能大幅提升工作效率。

而在日常的程式學習或 LeetCode 練習中，查詢每日挑戰、週賽資訊也是常見需求。雖然 LeetCode 有官方網站，但若能直接用自然語言詢問，並由 AI 根據上下文智慧選擇資料來源並回應，使用體驗將會大幅優化。

專案核心：Function Calling 技術¶

這個專案的核心技術是 Gemini 模型支援的「函式呼叫（Function Calling）」能力。

簡單來說，Function Calling 是大型語言模型的一項創新功能，讓模型不僅能生成文字，也能理解使用者意圖，並自動決定是否呼叫特定的外部函式來執行任務。

舉例來說： 當你對 AI 說：「幫我查一下明天的天氣」，傳統 AI 可能回應「無法取得即時資訊」。但具備 Function Calling 能力的 AI，會判斷這是個查詢需求，並自動產生 get_weather(date='tomorrow') 的呼叫指令，由外部系統執行該函式，再將結果回傳並轉化成自然語言呈現給使用者。

這正是 LeetCode 助理運作的原理。

LeetCode 助理的功能設計¶

這個 AI 助理整合了多個自定義函式（如 get_leetcode_daily_info、get_leetcode_weekly_info、is_holiday），能根據語意決定資料查詢邏輯。主要功能包括：

1. 自然語言查詢介面¶

使用者可以像聊天一樣，用中文或英文提出問題，例如：

• 「今天的 LeetCode 每日挑戰是什麼？」
• 「2025 年 6 月 29 日是假日嗎？有每日挑戰或週賽嗎？」

2. 智慧的條件判斷與回應邏輯¶

這個助理具備一套條件判斷流程：

• 若使用者查詢特定日期資訊 → 模型會先呼叫 is_holiday 判斷是否為假日
• 若為假日 → 回傳每日挑戰 + 當週週賽資訊

• 若非假日 → 僅回傳每日挑戰資訊
  這個流程的技術實現方式為：

• Gemini 模型理解指令後，自動判斷需要執行 is_holiday

• 我的後端程式會呼叫 is_holiday 並取得結果（True/False）
• 根據結果選擇是否要呼叫 get_leetcode_weekly_info
• 彙整所有函式回傳內容後，交由 Gemini 生成人類可讀的回應

技術啟示¶

雖然目前使用的是模擬資料（mock data），但這個專案展示了生成式 AI 開發中的一個重要趨勢：透過 Function Calling 技術，讓語言模型能與真實世界的工具與邏輯無縫整合。

這代表 AI 不再只是「回話機器」，而是能執行動作、連結系統的智慧助理。這種「語言模型 + 商業邏輯」的協同設計，將是未來 AI 應用不可或缺的核心模式。

如果你對 AI Function Calling、Agent 架構或 AI 實作有興趣，歡迎一起交流！