文章作者:稚始稚终
关于 Code Whisperer
Code Whisperer,亚马逊推出的实时 AI 编程助手,是一项基于机器学习的服务,它可以分析开发者在集成开发环境(IDE)中的注释和代码,并根据其内容生成多种代码建议。
开发者可以用自然语言(目前仅支持英语)描述他们想要实现的功能,例如"上传一个带有服务器端加密的文件",然后 Code Whisperer 会自动为他们生成相应的代码片段。
亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中国开发者对接世界最前沿技术,观点,和项目,并将中国优秀开发者或技术推荐给全球云社区。如果你还没有关注/收藏,看到这里请一定不要匆匆划过,点这里让它成为你的技术宝库!
发展历程
2023年4月,亚马逊云科技宣布,实时 AI 编程助手 Amazon Code Whisperer 正式可用,同时推出的还有供所有开发人员免费使用的个人版(Code Whisperer Individual)。
功能介绍
Code Whisperer 在开源存储库、亚马逊内部存储库、API 文档和在线论坛中的数十亿行代码上进行了培训。此外,亚马逊承诺,在预览期间不会使用开发者编写的代码来训练其机器学习模型,从而作为对 Copilot 争议的回应。
在版权问题方面,Code Whisperer 的参考跟踪器会检测代码推荐是否可能与特定的 Code Whisperer 训练数据相似,并在生成与现有片段相仿的片段时强调原始许可,从而尽可能把选择权交到开发者手中。
Code Whisperer 的预览版现已可在 VS Code、IntelliJ IDEA、PyCharm、WebStorm 或 Amazon Cloud9 中使用,支持 Python、Java 和 JavaScript。
安装详解
安装 Code Whisperer
1.单击左方工具栏 Extensions,在搜索栏中输入 "Amazon Toolkit",点击 Install

2.在上方搜索栏中出现三行选项,如图,选择第一项,单击进入

3.此时弹出窗口,点击 Copy Code and Proceed

4.点击 open

5.在栏中单击鼠标右键,点击粘贴,出现一串验证码,点击 next

6.输入你可使用的邮箱,点击 next

7.完成注册后,点击 allow

8.当出现此界面时,恭喜你,已经完成全部步骤啦,现在请尽情的体验吧!

使用心得
Code Whisperer 经过数十亿行代码的训练,可以根据评论和现有代码实时生成从代码片段到全函数的代码建议。绕过耗时的编码任务,加速使用不熟悉的 API 进行的构建,大大地提高了我的工作效率。同时,Code Whisperer 可以标记或筛选类似于开源训练数据的代码建议。获取相关开源项目的存储库 URL 和许可证,以便更轻松地查看它们并添加归因。
那么对于我个人来说呢,在我使用的过程中我算是深刻地体验到了 Code Whisperer 的便捷性和高效性,相对于 Chatgpt 而言,Code Whisperer 是一种更加针对于语音助手等场景开发的模型,主要是为了提高对话交互的效果,在使用的过程中,我发现人工智能能够很好的理解我的意图,为我提供更加方便,自然的对话体验。同时我也向身边的朋友介绍了 Code Whisperer,还没等他们使用多久,就已经对这实用的工具赞不绝口了。
我相信 Code Whisperer 在发展的过程中,仍旧存在一些小细节的处理不到位或使用过程中不便捷的体验,我也相信 Code Whisperer 会发展地越来越好。