镇江制作网站的,wordpress知识付费模板,崇信县门户网站官网,自己用模板做网站四月#xff0c;在那篇《AutoDev#xff1a;AI 突破研发效能#xff0c;探索平台工程新机遇》#xff0c;我们初步拟定了 AI 对于研发的影响。我们有了几个基本的假设#xff1a; 中大型企业将至少拥有一个私有化的大语言模型。只有构建端到端工具才能借助 AI 实现增质提效… 四月在那篇《AutoDevAI 突破研发效能探索平台工程新机遇》我们初步拟定了 AI 对于研发的影响。我们有了几个基本的假设 中大型企业将至少拥有一个私有化的大语言模型。只有构建端到端工具才能借助 AI 实现增质提效。 围绕于这些假设我们开始构建 AutoDev将并将它开源。也在我的博客里写下开发中的所有心得以期望能帮助到国内的企业构建自己的 AI 辅助编程能力。 作为一个开源项目还是先上 GitHub 地址https://github.com/unit-mesh/auto-dev 。也可直接在 JetBrains IDE 的插件市场搜索AutoDev。 介绍视频 围绕开发者体验设计三种辅助模式 起初我并没有一个明确的开发蓝图。作为一个天天写代码的、所谓的专家级程序员我是看我缺什么功能便写什么功能。 随后围绕于所有的功能我将其总结为三种辅助模式 自动模式规范化的代码生成 触发方式自动模式都在 Context Actions 下即与上下文相关的 actions。方式自然是那个那能的快捷键⌥⏎ (macOS) 或者 AltEnter (Windows/Linux)。 设计的初衷是类似于我们在先前设计 ClickPrompt 时的一键模式。而代码并不是像网的各种炫酷的 demo你需要考虑团队已有的软件规范和约定否则生成的代码依旧是不可用的。于是围绕于可配置以及一些隐性知识的场景我们构建了三个体现 AutoDev 的 auto 的场景 自动 CRUD。读取需求系统的需求由一个手动编码的 agent来不断进行交互。寻找合适的 controller修改方法添加新的方法等等。当前支持 Kotlin、JavaScript 语言。自动生成测试。根据选定的类、方法一键生成测试并自动运行在 RunConfiguration 合适的情况下。当前支持 JavaScript、Kotlin、Java 语言。自动代码补全。根据光标位置自动进行代码填充。由于精力不够在不同语言能力有些差异在 Java 语言下会结合读取代码规范在 Kotlin、Java 语言会根据参数、返回值自动添加类作为上下文在其它语言下会通过“类似”不要问是不是抄的于 GitHub Copilot、JetBrains AI Assistant 的相似度算法进行计算。 每个自动模式都包含了一系列的自动上下文工作。如下图为可见的、自动代码补全的上下文示例 在这个上下文里结合了一些配置好的规范以及 BlogController 类相关的 field、parameters、return type诸如 BlogService 等。 除此还有一些隐藏的上下文诸如于我们在 AutoDev 配置中声名的语言 You MUST Use 中文 to return your answer! 所以其实吧因为只有这么两个 “中文”目测有大概 50% 的机率不会触发我在考虑要不要重复三遍。 伴随模式围绕日常体验设计 在设计伴随模式时除了围绕于自己的需求设计还调研、参考了一系列现有工具的实现诸如于 AI Commit 等等。 由于伴随模式都需要等待 LLM 返回结果所以就都扔到 AutoDev Chat 模式下了。 不过我现在发现了在 JetBrains AI Assistant 出来之后它成了 AutoDev 的最大竞争对手当然也是参考对象。诸如于下图的 Explain with AI、Explain error message with AI 的体验就做得很好。在这一点上确实有待我进一步学习的。 像 AutoDev你只能选中然后再 Fix This。 除了上述的功能你还可以用 AutoDev 来 生成提交信息生成 release note解释代码重构代码………… 总之别人有的AutoDev 都可以有还可以让你直接 create DDL。 聊天模式一个边缘的功能 在腾出了时间之后我们重新设计其实是借鉴了 JetBrains谁让他不支持广大的中国区用户了 AutoDev 的 UI并且支持一键 Chat 的方式如图一中的 Context Actions。 所以这就变成了这样 你可以在这里和它聊天。 LLM as Copilot 的思考 对于现阶段来说LLM 是一个 Copilot。它不会不改变软件工程的专业分工但增强每个专业技术基于AI的研发工具平台辅助工程师完成任务影响个体工作。 它应该解决“我懒得做”及“我重复做”的事儿诸如于写单元测试、编写代码、解决 issue、提交代码等等。作为一个程序员我们应该多挖一些坑多做一些有创造性的设计。 在 AutoDev 里我们关注的是AI 如何更好地辅助人类完成工作并且它应该是伴随在工程师的 IDE 旅程上尽可能让工程师不离开 IDE 就可以工作。 而对于 LLM as Copilot 这一理念来说越来越多的工具将完善一点。 作为一个资深的 AI 应用工程师我们正在思考 LLM as Co-Integrator 将如何真正的提升效能。 FAQ 如何接入国产、私有化 LLM 在项目的源码里我们提供了一个 Custom LLM Server 的 Python 接口示例需要将接口转为 AutoDev 所能接受的。由于精力有限我只测试过公司内部部署的 ChatGLM2 等模型所以接口并不是很完善。如果大家有其它需要可以来 GitHub issue 讨论。 为什么只有 Intellij 版本 作为一个开发过新的语言插件、深入过 Intellij Community、Android Studio 源码并且优化过 Harmony OS IDE 架构的人我真的只擅长 JetBrains IDE 的开发。 什么时候会有 VS Code 版 简单来说短期内不会有功能一致的版本。 虽然我也认真研究过 VS Code、X Editor 等编辑器的源码但是兄弟姐妹们VS Code 只是一个编辑器不是一个 IDE 啊它缺少太多的接口了。而如果只是简单的功能现有的开源版本已经有很好的实现了。 除了上面的原因还有 其一集成度低开发困难。方式 1VS Code 的 Tokenization 引擎是基于 TextMate 语法由 Oniguruma 结合又长又臭的正则表达式实现非常不靠谱方式 2基于 LSP 引擎据我先前所试的远景很美好。 其二没有可供参考的代码和实现样板。如我们的 README 所提及JetBrain plugin development is no walk in the park! Oops, we cheekily borrowed some code from the GitHub Copilot, JetBrains Community version and the super cool JetBrains AI Assistant plugin in our codebase. But fret not, we are working our magic to clean it up diligently! 所以理想的方式是像 GitHub Copilot 一样开发一套 IDE 无关的 Agent 机制结合 TreeSitter 来实现编程语言相关的处理。 其它 AutoDev 的思想是将 LLMLarge Language Model作为辅助开发者的 Copilot通过提供辅助工具来解决一些繁琐的任务让工程师能够更专注于有创造性的设计和思考。 欢迎加入 AutoDev 的开发https://github.com/unit-mesh/auto-dev
