三次迭代踩坑实录：表达式解析从0到完整实现

[秦康-24371236]

三次迭代踩坑实录：表达式解析从0到完整实现

一、写在前面：这三周我到底做了个啥

这三周的面向对象作业，我一步步把一个只能算加减乘幂的简单表达式解析器，迭代成了能支持x/y双变量、指数函数、自定义函数、递推函数、求导/梯度的完整表达式引擎。

从最开始只会拆括号，到最后能处理 dx、dy、grad、f{n-1}(x) 这种复杂语法，整个过程一边踩坑一边重构，也算真正体会到了面向对象迭代开发的感觉。

二、三次迭代：需求一点点堆上来，我也一点点往上补

第一次作业：最基础的表达式展开

第一次要求很单纯：输入带+、-、*、^、小括号的单变量表达式，把所有括号展开、合并同类项，输出最简形式。

当时我主要做了这几件事：

• 搭了最基础的递归下降 Parser，能把字符串拆成语法树
• 写了 Expr 表达式类和 Monomial 单项式类，用来存项、做运算
• 实现括号展开、幂运算、同类项合并
• 第一次真正理解：表达式要先解析，再运算，最后输出

难度不算大，但第一次写递归下降，还是卡了挺久。

第二次作业：加了指数、选择因子、自定义函数

第二次在第一次的基础上突然加了不少东西：

• exp() 指数函数
• 三目选择式因子 [(a==b)?x:y]
• 自定义普通函数调用 f(x)

我当时的做法是：

• 给 Node 接口加了 ExpNode、SelectionNode、FunctionCallNode 这些新节点
• 扩展 Expr，让它能识别和存储指数项
• 加了 FunctionRegistry 来存函数定义
• 尽量不推翻第一次的结构，在原有框架上扩展

这次最大的感受：第一次的架构好不好，直接决定第二次改起来痛不痛苦。

第三次作业：双变量 + 求导 + 递推函数，直接拉满难度

第三次是最终版，也是最难的一次：

• 新增变量 y，变成双变量表达式
• 支持 dx( )、dy( ) 求导、grad( ) 梯度
• 支持递推函数 f{0}, f{1}, f{n-1}, f{n-2}

我主要做了这些调整：

• 重构 Monomial，同时存 x 次数、y 次数、指数参数
• 写 DerivativeNode 处理求导语法，在 Monomial 里实现求导逻辑
• 加 EvalContext 上下文，用来传函数、变量、递推下标
• 给递推函数加缓存，避免重复计算爆炸

这次重构最多，但也最有成就感——整个结构终于稳定下来了。

三、我的代码结构：高内聚、低耦合，我是这么理解的

我这套代码整体分成三层：Parser 解析层、Node 语法树层、Expr 表达式运算层。

内聚性：每个类只干一件事

• Monomial：只管单项式本身——存 x、y、指数项，做乘法、求导、格式化，不掺和解析和整体运算，非常专一。
• Expr：只管表达式整体运算——加减乘幂、合并同类项、求导、输出，不关心字符串怎么解析。
• Parser：只管把字符串变成语法树，完全不参与计算。
• 各种 Node：比如求导节点、指数节点、函数调用节点，每种只处理一种语法，职责很清晰。

简单说：一个类只负责一块功能，不会乱七八糟堆代码。

耦合度：依赖关系很干净，不乱串

• 整体是单向依赖：Parser → Node → Expr → Monomial，没有循环依赖。
• 都面向接口编程，Node 只暴露 expand 一个方法，互相之间不直接调用细节。
• 用 EvalContext 把运行时信息包起来，函数、表达式、上下文之间不硬耦合。

所以后面迭代加功能时，基本不用大改老代码，加新类、新节点就行，扩展性还不错。

四、Codex 帮我干活：真实体验比传统 AI 好用太多

这次作业我大概有 20% 左右的代码是用 Codex 生成的，剩下都是自己写逻辑、调结构，但 Codex 全程都在帮我提速。

它主要帮我干了这些事：

• 快速生成重复代码：比如各种 Node 的模板、getter、构造方法
• Debug 神器：报一个错，把代码贴过去，它能直接指出空指针、边界条件错在哪
• 帮我造 hack 数据点、测试用例，覆盖各种边界情况
• CheckStyle 一键修正：格式不对直接帮我改好，省了大量时间

真实感受：Codex 这种代码智能体，比豆包这种好用多了，它能跟着你一起写、一起调、一起测。
同样的工作量，以前要写半天，现在有它辅助快很多，尤其是机械性工作直接解放双手。

五、对这门课第一单元的一点小建议

从一个初体验复杂项目构建的学生的角度，我对我们的课程有两个小建议：

1. 第一次作业最好给一个参考代码框架
   第一次接触递归下降、表达式结构，很多人完全不知道从哪下手。如果能给一个基础的类结构、Parser 骨架、Expr 的核心方法，大家能少走非常多弯路，也能更早进入正确的面向对象设计思路。

2. 提前说清楚三次迭代的兼容方向
   三次需求是一步步加的，如果第一次就能大概知道后面要加变量、求导、递推，我们在设计架构时会更有远见，少一些后期推翻重构的痛苦。

六、做完这三次作业，我真正学到了什么

• 终于搞懂递归下降解析器到底怎么写，不再害怕表达式解析。
• 深刻理解什么叫高内聚、低耦合，不是背概念，是真的在代码里用到。
• 学会用面向对象的思路做迭代开发，而不是一把梭写完。
• 体验了 AI 辅助开发的完整流程：生成→Debug→测试→规范，效率提升非常明显。

这三周虽然经常debug到深夜，但确实是我收获最大、成长最扎实的一次作业。从一个只会写简单逻辑的人，到能独立完成一整个解析引擎，进步肉眼可见