CodeGeeX体验GLM4.5模型与实践

背景

各模型概要

image

性能评估

image

实践

Ghost Comments

看那些右箭头,就是动态注释,没有真实写入文件

image

代码BUG修复

总体一般,没有智能体的特色,只有CodeGeeX问答模式。

image

增加注释

速度快,但不生成方法头部的注释

image

解释代码

文字解释后,生成了流程图

image

实战代码扩展性修改PK

提示词

@workspace #codebase 此处,我们使用类强制转换为RedisVectorStore类,如何避免直接依赖实现类RedisVectorStore, 修改为优雅代码实现

IDEA+GLM4.5 符合OOP思想,面向接口编程思想。

image

接下来我们PK其他几个模型

对比TONGYI LINGMA+Qwen3-coder

虽然也实现避免依赖,但又依赖jedispool,不是我们想要的结果

image

对比Trae+Gemini 2.5 Pro

抽取了,使用StringRedisTemplate类解决问题, 但最终不我们想要的OOP编程. 并且Code代码修改完,还存在编译问题。

image

Kiro+Claude 4.0

采用相对复杂的代码重构,LLM使用了设计模式进行重构,模型能力的确比较强。但没有修改单元测试。

image

二次对话生成单元测试

image

Trae+Kimi-K2

采用投机取巧方法,用了反射来解决问题,也不是我们想要的。

image

总论

GLM4.5 代码综合能力还可以接受,重构类任务相比Claude4模型确实有一点距离,但其国产与开源。本文我们于JAVA工程研发代码场景,在CodeGeeX插件与其他插件,模型下进行对比尝试。直观对比看效果。

希望对大家有帮助与启发。

相关推荐
阿杰学AI1 天前
AI核心知识68——大语言模型之NSP (简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·aigc·nsp·下一状态预测
秋名山大前端1 天前
AI数字孪生本体智能技术方案
人工智能·aigc·数据可视化
视觉&物联智能2 天前
【杂谈】-2026年人工智能发展趋势:智能体崛起、行业洗牌与安全挑战
人工智能·安全·llm·aigc·agi·智能体
AI茶皖2 天前
先知AI如何破解男装行业AIGC应用困局?
aigc
学习3人组2 天前
Nano Banana Gemini 2.5 Flash Image闭源API提供服务
aigc·nano banana
GISer_Jing2 天前
一次编码,七端运行:Taro多端统一架构深度解析与电商实战
前端·aigc·taro
东哥爱编程2 天前
从混沌到协同:AI代理的规模化之路 (2026-01-22 至 2026-01-24)
aigc·程序那些事
敲上瘾2 天前
用Coze打造你的专属AI应用:从智能体到Web部署指南
前端·人工智能·python·阿里云·aigc
德育处主任Pro2 天前
『n8n』让AI长记性
llm·aigc·deepseek·n8n