最近发现不少朋友在找能直接上手用的 AI 代码工具,今天就专门扒一扒 GitHub 上 3 个超实用的 AI 辅助编程项目,连新手都能轻松玩明白,你要是常跟代码打交道,这篇可别错过!
第一个必须说 CodeGeeX4,地址放这了:GitHub - zai-org/CodeGeeX4: CodeGeeX4-ALL-9B, a versatile model for all AI software development scenarios, including code completion, code interpreter, web search, function calling, repository-level Q&A and much more. 。这是清华大学团队开发的开源大模型,支持 200 多种编程语言,最绝的是它能直接在 VS Code、JetBrains 这些常用编辑器里装插件,写代码时实时给你补全建议。你想想看,写循环语句的时候,刚敲个 "for",它就知道你要遍历数组还是列表,直接把后续代码怼出来,是不是省了不少打字时间?
我之前试着重构一段 Python 旧代码,里面全是嵌套的 if-else,看着头都大。装上 CodeGeeX4 插件后,它居然能识别出逻辑漏洞,还给出了用字典映射优化的方案,改完后代码行数少了一半,运行速度还快了不少。对了,它还有个 "代码解释" 功能,你把看不懂的开源代码贴进去,它能逐行翻译成大白话,连注释都给你补得明明白白,新手看源码再也不用抓瞎了。小索奇我还发现,它支持本地部署,要是公司数据敏感不能联网,把模型下到自己电脑上照样能用,这一点比很多收费工具都贴心。
第二个要推荐的是 Tabby,GitHub 地址:GitHub - TabbyML/tabby: Self-hosted AI coding assistant 。这是个轻量级的 AI 代码助手,主打 "快" 和 "省"------ 安装包才几百兆,低配电脑也能跑,而且完全免费无广告。它跟 CodeGeeX4 不一样,更适合刚学编程的朋友,比如你练 C 语言写冒泡排序,卡壳的时候它不会直接给你完整代码,而是提示关键步骤,比如 "这里需要比较相邻两个元素大小""交换位置前要先定义临时变量",相当于有人在旁边手把手教你,而不是直接喂答案。
我之前帮表弟改作业,他写 Java 的学生管理系统时,不知道怎么用 ArrayList 存数据。我让他装了 Tabby,输入 "如何用 ArrayList 存储学生信息",它不仅给了示例代码,还标注了 "add () 方法用于添加元素""get () 方法用于获取索引位置数据",表弟看完一下子就懂了。另外,它支持自定义代码模板,你把常用的函数片段存进去,下次敲个关键词就能调用,比如写前端接口时,输 "axios-get",它就自动生成请求模板,连请求头和错误处理都给你配好,这效率谁用谁知道。
第三个得聊聊 CodeLlama,地址:GitHub - meta-llama/llama: Inference code for Llama models 。这是 Meta(也就是 Facebook 母公司)开源的大模型,最厉害的是支持超长上下文 ------ 能一次性处理 10 万 tokens 的代码,相当于能完整分析一整个中小型项目的源码。你要是接手别人的项目,不用再逐个文件翻找关联代码,把整个项目文件夹导进去,问它 "用户登录模块的权限校验逻辑在哪",它能直接定位到具体文件和行数,还把调用关系画成流程图,简直是接手旧项目的救星。
不过有个小提醒,CodeLlama 的基础模型对电脑配置有点要求,至少得 16G 内存才能流畅运行,但好在它有不同大小的版本,比如 7B 参数的轻量版,8G 内存也能跑。我之前用它分析一个电商项目的支付模块,里面涉及微信支付、支付宝接口,逻辑特别绕。把代码喂给 CodeLlama 后,它不仅找出了一个隐藏的订单状态同步 bug,还给出了修复方案,后来测试的时候发现,这个 bug 确实会导致偶尔出现 "支付成功但订单未更新" 的问题,当时真的惊到了。小索奇建议,要是你常做项目维护,一定要试试这个工具。
最后再跟大家说个小技巧,这些 GitHub 项目都有 "Releases" 页面,里面能直接下载编译好的安装包和插件,不用自己手动编译。要是遇到使用问题,去项目的 "Issues" 板块搜一搜,大概率能找到解决方案,毕竟这些热门项目都有很多开发者在维护。
搜索关注【即兴小索奇】,获取更多好用工具和资源