Devchat插件:AI智能编程助手,让你告别脏活累活。

文章目录

前言

随着人工智能技术的不断发展和普及,它正在深刻影响着各行各业,并逐渐成为改变世界的重要力量。在软件开发领域,人工智能技术也给开发者带来了诸多机遇和挑战。AI智能编程工具的出现,为开发者们提供了一种全新的编程方式,将开发效率提升至新的高度。而Devchat作为一款领先的AI智能编程工具,正以其卓越的性能和稳定的使用体验,迅速赢得了开发者们的青睐。本文将为大家介绍Devchat的功能和优势,帮助更多的开发者提升编程效率,实现更高质量的代码输出。

注册

打开Devchat官网地址:https://www.devchat.ai/,点击页面中的【免费试用】或者【免费体验】按钮,如下图所示:

然后跳转到注册界面,在此页面中,输入用户名(自定义)、邮箱,完成验证后,点击【Sign Up】。如下图所示:

注册成功,在右上角会有弹窗提示,提示检查收件邮箱,有发送access key。如下图所示。

注:笔者这里注册刚开始是使用的Google浏览器,但是发现注册页面显示不出来,然后换到360浏览器才注册成功的。

登录

接着,在登录界面,输入完登录邮箱之后,会收到带有验证码的邮件。输入验证码,点击【Sign In】即可完成登录。至此,DevChat注册完成。

DevChat的安装和配置

DevChat插件安装

  • 安装插件
    打开VSCode扩展,输入devchat,点击安装。如下图所示。

    DevChat安装完成。

DevChat插件配置

  • 设置Access Key
    获得 access key,完整复制粘贴到 VS Code 中,点击左下角【管理("设置"图标)】→ 【命令面板(Command Palette)】,如下图所示:

    在弹出的命令面板中输入"devchat key",点击如下命令:

    输入密钥,敲击【Enter】确认。

DevChat的简单使用

在使用DevChat之前,我在我前面写的博文里面也提到过如何进行关键词的提问,没看过的可以先看一下:

DevChat可以帮我们做什么?

  1. 技术知识总结
    刚开始接触学习一门技术的时候,难免需要去查看文档。现在的手册非常丰富。往往对于一个初学者来说,需要接触的信息太多、排版五花八门,学起来云里雾里。

这时候就可以借助 DevChat 的总结能力,例如我想学习一下 K8S 的相关知识,我发给它一个文档的地址,让它帮我总结。

prompt: https://kubernetes.io/zh-cn/docs/concepts/overview/ 总结这篇文档。
  1. 拆解任务

    我们从需求端获取一个需求以后,很多情况下我们的任务并不能够非常准确的估计时,原因就是我们并没有将任务拆分清楚,所以并不能够对每一项任务进行估计,导致风险的发生。这时候可以简要描述一下我们这次的需求点,让 DevChat 帮我们进行任务拆解。

  2. 阅读代码/优化代码

    开发者经常接手别人的代码。质量参差不齐,还会夹在很多奇怪的命名。当我们阅读整体逻辑或者修改逻辑,可能会因为自身阅读的问题造成理解偏差,进一步引发 bug。

如果将这个方法交给 AI 去阅读呢?可以看看效果。

prompt:
逐行解释下面的代码 + 代码内容,
public static void bubbleSort(int[] arr) {
    int temp;
    for (int i = 0; i < arr.length - 1; i++) {
        for (int j = 0; j < arr.length - i - 1; j++) {
            if (arr[j] > arr[j + 1]) {
                temp = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = temp;
            }
        }
    }
}

可以看到 DevChat 正确的理解了我们的代码,对代码进行了解释和说明。

但是这时候只是生成了一个整体的说明,并没有对每一行分别进行解释。这时候继续和它对话:

prompt:
可以在每一行代码上面加上注释,便于我理解吗?

这时候它会逐行的进行代码标注,便于你对每一行进行理解。如果你接着对它提出一个粗浅的优化需求,它也会照做。

prompt: 这段代码可以进行重构和优化吗?逻辑有些繁琐。
  1. 代码生成
    开发者在工作中还有一种场景的工作量比较大,需要复杂的逻辑思考。但是实际上最终的代码可能只需要几行就可以搞定。你在思考过程中觉得很痛苦,想和身边的同事去沟通。也许你给他解释完这个逻辑以后,他非但不能帮你思考,反而将一人份痛苦变成两人份。

例如,我们要进行数据转换,是否也可以交给AI来做?我们发送给 DevChat 这样的 prompt,将数据结构进行转换。数据源为:

json 复制代码
[
    {
        "candidates": null,
        "candidatesX": null,
        "description": "role---用户角色",
        "label": "角色",
        "name": "role",
        "optional": true,
        "schema": null,
        "type": "String"
    },
{
        "candidates": null,
        "candidatesX": null,
        "description": "Topics of the pulsar server to create---需要创建的主题",
        "items": {
            "schema": [
                {
                    "candidates": null,
                    "candidatesX": null,
                    "description": "topic name---主题名称",
                    "label": "主题名称",
                    "name": "name",
                    "schema": null,
                    "type": "String"
                },
                {
                    "candidates": null,
                    "candidatesX": null,
                    "default": 1,
                    "description": "partition number---分区数",
                    "label": "分区数",
                    "name": "partitions",
                    "schema": null,
                    "type": "Integer",
                    "validator": ">0"
                }
            ],
            "type": "Object"
        },
        "label": "主题列表",
        "name": "topics",
        "optional": true,
        "schema": null,
        "type": "List"
    }]
我想要得到的数据是 type 为 List 的数据,并且数据结构为:
[
{type:List, name:"topics", needValidates:[{
    name:"name", type:"String"
},{name:"partitions", type:"Integer"}] }]

Devchat会为我们得到正确的结果,我们只需要输入目标数据结构,转换后的数据结构,无需指定语言。因为它会从你的上下文里理解到你是想要问什么实现方式。

还有执行脚本,我们只需要描述清楚我们的需求,它也会帮助我们进行完善。

后记

在AI技术飞速发展的今天,AI智能编程工具的出现为开发者们提供了更为便捷高效的编程方式,大大提升了开发效率和质量。Devchat作为一款全新的智能编程工具,汇集了多家知名大模型,为开发者们提供了全面的编程支持和优化建议,助力开发者快速完成项目开发。在未来,我们相信AI智能编程工具将会成为编程领域内的一股强劲力量,为开发者们带来更多的便利和创新。

转载自:https://blog.csdn.net/u014727709/article/details/134255458

欢迎 👍点赞✍评论⭐收藏,欢迎指正

相关推荐
CountingStars61911 分钟前
目标检测常用评估指标(metrics)
人工智能·目标检测·目标跟踪
tangjunjun-owen19 分钟前
第四节:GLM-4v-9b模型的tokenizer源码解读
人工智能·glm-4v-9b·多模态大模型教程
冰蓝蓝23 分钟前
深度学习中的注意力机制:解锁智能模型的新视角
人工智能·深度学习
橙子小哥的代码世界31 分钟前
【计算机视觉基础CV-图像分类】01- 从历史源头到深度时代:一文读懂计算机视觉的进化脉络、核心任务与产业蓝图
人工智能·计算机视觉
新加坡内哥谈技术1 小时前
苏黎世联邦理工学院与加州大学伯克利分校推出MaxInfoRL:平衡内在与外在探索的全新强化学习框架
大数据·人工智能·语言模型
fanstuck2 小时前
Prompt提示工程上手指南(七)Prompt编写实战-基于智能客服问答系统下的Prompt编写
人工智能·数据挖掘·openai
lovelin+v175030409662 小时前
安全性升级:API接口在零信任架构下的安全防护策略
大数据·数据库·人工智能·爬虫·数据分析
唐小旭2 小时前
python3.6搭建pytorch环境
人工智能·pytorch·python
洛阳泰山2 小时前
MaxKB基于大语言模型和 RAG的开源知识库问答系统的快速部署教程
人工智能·语言模型·开源·rag·maxkb
程序猿阿伟3 小时前
《Java 优化秘籍:计算密集型 AI 任务加速指南》
java·开发语言·人工智能