在项目开发中，优秀的代码自动补全工具可以提升工作效率。然而，传统的 IDE 基本都使用搜索方法进行补全，在一些场景下效果不佳。
今日， 和 联合发布了新的 AI 代码补全工具 ，并展示了技术预览版。该工具可以在 VS Code 编辑器中自动完成代码片段，这也是 接受微软 10 亿美元投资以来的首个重大成果。
是一个 AI 代码合成器，并不是搜索引擎：它提出的绝大多数代码建议都是新生成的，此前从未出现过。
简而言之，这就是未来。
目前， 项目还只是严格的技术预览版，用户可以在主页注册报名，将有机会访问试用。
注册地址：
对于 和 推出的这款全新 AI 代码补全工具，网友们给出了极高的评价。下面这位用户大致可以代表大多数试用者的心声。
ta 表示：「我使用 Alpha 版两周了， 似乎能够准确地知道我接下来要输入的内容，这令我大受震撼。有时它甚至建议我要查找的内容，例如选择随机十六进制随机码的片段或者使用所有常见图像 mime-types 完成数组。
此外， 在处理 React 组件时也特别有用，可以做出非常准确的预测。最后， 改变了程序员记录自己代码的方式。如果你在实现代码之前编写了非常好的描述性注释，它能够更好地给出正确代码建议，有时甚至可以为你编写整函数。」
高级研究员 Alex 更是表示：不夸张的讲， 将成为本世纪 20 年代排名前三的技术进展！
甚至有网友表示：这是要终结编程？
不过，虽然使用者对 提供的生产力提升赞不绝口， 也表示：并不是所有使用的代码都经过了漏洞、不安全实践或个人数据的审查。因此，他们也设置了一些过滤器来防止 生成攻击性的语言，并可能效果并不完美，需要后续完善。
背后的技术
首先，训练数据上， 是在数十亿行公共代码上训练的。
从技术角度来看， 工具由 开发的全新 AI 系统 Codex 提供支持。 的联合创始人兼首席技术官 Greg 说：Codex 是 GPT-3 的后代。
Codex 在人们如何使用代码方面拥有广泛的知识，并且在代码生成领域显著优于 GPT-3 了，部分原因在于该系统是在包含大量公开源代码的数据集上训练的。更具体地，Codex 的训练集中包含了提取自 的 TB（）级公开可用代码以及英语语言示例。
由于是在公开可用源代码和自然语言上训练，Codex 可以同时理解编程语言和人类语言。因此，在整个实现过程中， 编辑器扩展将开发者的注释和代码发送至 服务端，然后使用 Codex 生成和建议单行代码和整个函数。
此外，据 的一位代表透露： 计划今年夏季推出基于其 API 的 Codex 版本，这样开发者们就可以利用该技术创建自己的 app 了。
在具体实现中， 从编写的代码中提取上下文，并给出整行代码或整函数的建议。该工具可以帮助开发者快速发现解决问题、编写测试和搜索全新 API 的替代方法，而不需要在网上繁琐地定向搜索答案。
另外，使用 ，开发者始终可以掌控一切，既可以循环查看 给出的代码建议，选择接收或者拒绝，并能够手动地编辑这些代码。 会适应开发者所做的编辑，并适配编码风格。
适用于多种框架和语言，但本次展示的技术预览版尤其适用于 、、、Ruby 和 Go 语言。 认为该工具是结对编程（pair ）的重大进展，程序员在编写代码时有了一个「虚拟的帮手」，它可以捕捉到程序员的错误，加速开发过程。
那么， 效果如何？
最近， 针对一组在开源存储库中具有良好测试覆盖率的 函数进行了基准测试，测试团队清除了函数体并要求 填充它们。模型在第一次尝试正确率是 43% ，经过 10 次尝试后，正确率达到了 57%。之后 还将进行多次训练和测试，准确率会进一步提升。
下面，我们就看一下 给出的具体 demo 展示。
的补全效果
相比于市面上一些编程辅助工具， 的上下文理解能力要强大得多。无论是在文档字符串、注释、函数名还是代码主体中， 都能根据编程者已写出的上下文生成匹配的代码。
先来看一下 的主要功能 —— 代码补全的效果，以 语言为例，给出函数名和参数， 就能自动补全代码。
除了补全函数， 还能根据注释写出代码。编程者给出一条描述代码逻辑的注释， 就能自动生成代码：
在编程过程中，有些代码的格式和内容非常相似，重复编写耗时且无聊。现在 能够帮编程者解决这个问题，将简单重复的代码编写部分自动化：
在软件开发的过程中，除了编写代码，软件测试也是非常重要的，对一个代码项目起到支撑的作用。导入一个测试包，其余的测试代码 就能够帮开发者完成。
在编程中，同一个函数常有多种实现方法，编程者通常会根据代码的实现效果和运行性能选择最合适的方法。编写多种实现需要花费时间和精力，现在使用 一键就能搞定，如下图所示，点击 Next 和 就能查看多种实现方法，点击 选中其中一种。
今天 推出的 技术预览版本，还仅限于 、、、Ruby 和 Go 语言。此外，开发团队表示，在努力使其变得更好的同时， 补全的代码应该像其他任何代码一样经过仔细审查和测试。这些仍需要人类编程者的监督和优化，但 AI 自动编程的愿景已指日可待。
参考链接：
