【AI】AI编程助手：Cursor、Codeium、GitHub Copilot、Roo Cline、Tabnine

文章目录

一、基本特性对比
二、收费标准
三、私有部署能力
- 1、Tabnine
- [2、Roo Code](#2、Roo Code)
三、代码补全与自然语言生成代码
四、安装
- 独立的IDE安装
- 插件安装
五、基本使用
- （一）Cursor
- [（二）GitHub Copilot](#（二）GitHub Copilot)
- - 1、获取代码建议
  - 2.聊天
  - - 1）上下文
    - [2）Chat participants](#2）Chat participants)
    - [3）Slash Commands](#3）Slash Commands)
    - 4）切换AI模型
    - [5）Inline Chat](#5）Inline Chat)
    - [6）Terminal Inline Chat](#6）Terminal Inline Chat)
    - 7）智能操作
  - [3、Copilot Edits](#3、Copilot Edits)
  - 4、自定义指令
- （三）Windsurf/Codeium
参考

一、基本特性对比

二、收费标准

Cursor：https://www.cursor.com/pricing

Windsurf/Codeium: https://codeium.com/pricing

GitHub Copilot: https://github.com/features/copilot/plans

Tabnine: https://www.tabnine.com/pricing/

三、私有部署能力

Tabnine与Roo Code均支持私有部署。

1、Tabnine

它仅支持企业客户，可以选择部署一个私有的、自托管版本的 Tabnine 集群。

部署选项

在 AWS、GCP 或 Azure 上的虚拟私有云（VPC）
在您自己的服务器上进行本地部署

私有安装可以部署在完全隔离的环境中。

官方文档：https://docs.tabnine.com/main/administering-tabnine/private-installation

2、Roo Code

它是通过Ollama 或 LM Studio实现的。

官方文档：https://docs.roocode.com/advanced-usage/local-models

三、代码补全与自然语言生成代码

除Tabnine外，其他均支持所有的主流语言，Tabnine仅完全支持JavaScript、TypeScript、Python、Java、C++、PHP，明细见https://docs.tabnine.com/main/welcome/readme/supported-languages

四、安装

独立的IDE安装

Cursor：https://www.cursor.com/

Windsurf/Codeium：https://codeium.com/windsurf/download_confirmation?code=ma

插件安装

GitHub Copilot：vscode://GitHub.copilot/

Tabnine：支持多个IDE

vscode：vscode:extension/TabNine.tabnine-vscode

Roo Cline：vscode:extension/RooVeterinaryInc.roo-cline

五、基本使用

（一）Cursor

https://mp.weixin.qq.com/s/tCpW_Dt-Vy2CYjyUHeFL4g

（二）GitHub Copilot

官方文档：https://code.visualstudio.com/docs/copilot/overview

安装完VSCode插件后，可以在这里打开它：

1、获取代码建议

与Cursor类似，输入后Copilot会自动建议函数的剩余部分，如果接受，按Tab；如果拒绝，按Esc。

根据注释生成代码：

它也支持多个建议：

支持快捷键切换：

如果只想接收部分建议，可以使用快捷键⌘→。

2.聊天

安装完VSCode插件后，可以在这里打开聊天窗口，或使用快捷键Control+Command+i (Mac) / Ctrl+Alt+i (Windows/Linux)：

1）上下文

默认上下文是你当前打开正在看的文件，或当前选中代码，如果你想更改上下文，有的几种方式：

拖拽文件进聊天窗口
点击链接的按钮（⌘/），然后从Quick Pick 菜单中选择一种上下文类型：

通过输入# 字符，也可以使用聊天变量（Chat Variables），并看到可用的变量列表。

#codebase：将整个代码库作为上下文提供给 Copilot Chat，当希望 Copilot 参考整个项目结构、文件关系或全局逻辑时使用。
#editor：将当前活动的编辑器内容作为上下文，当希望 Copilot 基于当前编辑器中的完整内容进行解释、修复或优化时使用。
#file：从工作区中添加特定文件的内容或路径。
#selection：将当前编辑器中选中的代码添加到聊天提示中。
#sym：添加工作区中的某个符号（如函数名、类名或变量名）。
#terminalLastCommand：将终端中最近运行的命令作为上下文提供给 Copilot Chat，当需要调试、优化或解释终端命令时使用。
#terminalSelection：将终端中选中的文本作为上下文提供给 Copilot Chat，当需要详细分析选中的终端输出内容时使用，比如错误日志。
#vscodeAPI：将 Visual Studio Code 提供的 API 作为上下文，用于帮助开发扩展或自动化工作流程，当需要了解 VS Code API 的功能或如何使用特定 API 时使用。
直接右击文件选择：

2）Chat participants

这个就像领域专家，可以在其专业领域提供帮助。使用时直接在聊天输入框中键入@会展示所有的：

@github：了解并具备处理 GitHub 仓库、问题（Issues）、拉取请求（PRs）等相关操作的技能；它额外还可以使用 Bing API 执行网络搜索。比如：

检查或管理 GitHub 仓库中的问题和 PR。
查询代码库相关的信息。
搜索与开发或代码相关的网络资源。

@terminal：了解集成终端(shell)及其内容。比如：

协助调试终端命令。
解释终端输出内容。
帮助优化或修复终端中的命令操作。

@vscode：了解 Visual Studio Code 的功能、设置及其 API。比如：

指导使用 VS Code 的特性或快捷键。
帮助调整 VS Code 设置。
提供与 VS Code API 相关的开发建议或示例代码。

@workspace：了解工作区中的代码。比如：

帮助导航代码库。
查找相关的类、函数或文件。
提供有关代码结构、交互或设计模式的建议。

你也可以从Visual Studio Code Marketplace或GitHub Marketplace安装其他的Chat participants。

Visual Studio Code Marketplace：https://marketplace.visualstudio.com/search?term=tag%3Achat-participant\&target=VSCode\&category=All categories\&sortBy=Relevance
GitHub Marketplace：https://github.com/marketplace

3）Slash Commands

它提供了一种快捷方式，用于执行特定的指令，从而避免编写复杂的提示。只需输入/字符，然后输入命令即可，Chat participants也可以贡献自己的斜杠命令。

常用内置斜杠命令：

/clear：开始一个新的聊天会话。
/help：获取关于使用 GitHub Copilot 的帮助。
@workspace /explain（或/explain）：解释选定代码的功能。
@workspace /fix（或/fix）：提出修复选定代码问题的建议。
@workspace /new（或/new）：为新工作区或新文件生成代码框架。
@vscode /runCommand：搜索或运行一个 VS Code 命令。

4）切换AI模型

可以在聊天窗口点击AI模型切换：

以下是当前Copilot Chat 使用的模型：

GPT 4o: 这是 Copilot Chat 的默认模型，它是一个多功能的多模态模型，在文本和图像处理方面表现出色，旨在提供快速可靠的响应；它在非英语语言方面也有出色表现；该模型部署在 Azure 上。
Claude 3.5 Sonnet: 该模型在整个软件开发生命周期的编码任务中表现出色，包括初始设计、bug修复、维护和优化；GitHub Copilot 使用部署在 Amazon Web Services 上的 Claude 3.5 Sonnet。
Gemini 2.0 Flash: 该模型具有强大的编码、数学和推理能力，非常适合协助软件开发；该模型部署在 Google Cloud 上。o1: 该模型专注于高级推理和解决复杂问题，特别是在数学和科学领域；响应速度比 GPT 4o 模型慢；每天可向该模型发出 10 次请求；该模型部署在 Azure 上。o3-mini: 这是继 o1 和 o1-mini 之后的新一代推理模型；
o3-mini 模型在编码基准测试上优于 o1，响应时间与 o1-mini 相当，以几乎相同的延迟提供更好的质量；最适合代码生成和小上下文操作；每 12 小时可向该模型发出 50 次请求；该模型部署在 Azure 上。