基于智能体的可交互数据结构和算法可视化实现

摘要

数据结构与算法(Data Structure and Algorithm, DSA)作为计算机教育的核心课程,在培养学生的编程能力与算法思维方面起着关键作用.可视化在DSA教学中可以起到提高教学效率和加深学生理解的重要作用.然而,现有的DSA可视化工具大多依赖人工编写可视化代码,存在覆盖范围有限、更新成本高和缺乏交互性等局限性,难以满足动态演示与个性化教学的需求.随着大型语言模型(Large Language Model, LLM)在代码生成方面的出色表现,基于LLM实现自动化的DSA可视化成为可能.为此,提出了一种基于ReAct(Reasoning and Acting)智能体的交互式可视化代码生成方法,旨在解决传统可视化工具自动化程度低、交互性不足的问题.该方法结合LLM的代码生成能力和DSV(Data Structure Visualization)平台的接口,能够将基于Python编写的DSA代码转换为可交互、可执行的动态可视化的代码,从而提升教学直观性和学习体验.为系统评估该方法的有效性,构建了包含150对DSA代码及其对应的DSV可视化代码的数据集,并对比了3种方法 (直接提示、思维链提示、ReAct智能体)在多种主流LLM上的表现.实验结果显示,所提出的基于ReAct智能体的方法在编译通过率(Compilation Rate,CR)、执行通过率(Execution Rate, ER)和可用率(Usability Rate, UR)这3项指标上均显著优于其他方法,尤其在DeepSeek-R1模型下表现最优,显著提升了生成可视化代码的准确性与可交互性,验证了结合LLM与智能体框架在DSA可视化教学中的可行性与优势,为构建高效、个性化、自动化的计算机编程教学工具提供了新路径.

关键词

数据结构与算法可视化 / 大语言模型 / 智能体 / 代码生成