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: