codegeex支持三种神经网络快速构建路径：一、vscode插件生成pytorch模型与训练循环；二、web界面调用模板生成keras模型并补全编译配置；三、命令行交互生成synaptic.js前端神经网络及xor训练代码。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望使用CodeGeeX辅助构建一个基础神经网络结构，但缺乏手动编写框架的经验或对PyTorch/TensorFlow底层逻辑不熟悉，则可借助CodeGeeX的代码生成能力快速产出可运行的神经网络定义与训练流程。以下是多种可行的实现路径：
一、利用CodeGeeX插件在VSCode中实时生成PyTorch神经网络
该方法依赖已配置好的本地CodeGeeX服务（如Ollama+codegeex4），通过自然语言提示触发代码补全，适用于无深度学习开发经验但需快速验证结构的用户。
1、确保VSCode中CodeGeeX插件已启用本地模式，并正确指向http://localhost:11434/v1/chat/completions接口。
2、新建Python文件，输入注释：“定义一个继承nn.Module的类，包含两层线性层、ReLU激活、输出维度为10”。
3、按下Tab键或触发自动补全，CodeGeeX将生成完整类定义，含__init__与forward方法。
4、在下方继续添加注释：“编写训练循环：使用随机数据、交叉熵损失、SGD优化器，训练5个epoch”。
5、再次触发补全，获取含数据模拟、loss计算、反向传播与参数更新的完整训练脚本。
二、通过CodeGeeX Web界面调用预置模板生成Keras模型
该方式无需本地IDE配置，直接使用CodeGeeX官网或离线部署的Web前端，适合临时快速建模且偏好高层API的用户。
1、访问CodeGeeX Web服务页面（如http://localhost:3000，取决于本地部署端口）。
2、在对话框中输入提示词：“生成一个Keras Sequential模型：输入784维，两个隐藏层（128和64单元，ReLU），输出10类，使用softmax”。
CodeGeeX 2.21.0是智谱AI推出的AI编程助手版本，对Inline Chat功能进行了重大优化，包括UI设计升级、支持流式输出以提升响应速度，并新增“查看思路”按钮以便理解代码原理。同时，该版本在编辑器中新增CodeLens控件，支持一键“解释”代码或“添加注释”。目前该工具对个人开发者免费开放。
3、提交后等待响应，复制返回的model = Sequential([...])代码段。
4、在同一界面追加提问：“补充编译配置：categorical_crossentropy损失、adam优化器、accuracy指标”。
5、将生成的model.compile(...)语句粘贴至模型定义后方，构成完整可训练结构。
三、使用CodeGeeX命令行交互式构建轻量JavaScript神经网络
该路径基于浏览器端Synaptic.js库，适用于教学演示、前端集成或零依赖快速原型，由CodeGeeX直接输出可执行JS代码。
1、启动本地Ollama服务并运行ollama run codegeex4进入交互模式。
2、输入指令：“用Synaptic.js写一个XOR问题求解的前馈神经网络，含2输入、3隐层节点、1输出，使用sigmoid激活”。
3、接收返回的JavaScript代码，确认含var network = new synaptic.Architect.Perceptron(2,3,1)等核心初始化语句。
4、追加提问：“给出训练XOR数据集的代码：输入[[0,0],[0,1],[1,0],[1,1]]，标签[[0],[1],[1],[0]]，迭代20000次”。
5、将生成的network.train(...)块与前述网络定义合并，保存为xor.html即可在浏览器中运行。
