算法优化+新增代码仓库支持,CodeGeeX的@repo功能效果提升

CodeRAG-Bench:RAG遇到了Coder,哪个模型在RAG的加持下最会写代码? 发布时间:2024 年 06 月 20 日RAG检索增强生成(RAG)在文本任务中已显成效,但在代码生成上的潜力却鲜为人知。本研究深入探讨:何时检索能助力代码生成?又面临哪些挑战?构建了 CodeRAG-Bench 评估基准,覆盖基础编程、开放领域及仓库级代码生成三大任务,并整合了来自竞赛、教程、文档、论坛及代码库的五类文档资源。 阅读详情

CodeGeeX在升级到第三代模型时,就引入了RAG检索增强生成的能力。即模型会根据检索到的相关背景知识生成回答,大幅减轻生成内容的幻觉性。

在CodeGeeX插件中,是通过侧边栏对话框中输入“@repo”触发 RAG 技术。用户可以对开源代码仓库进行提问,更准确地获得指定开源代码库相关的内容检索和生成。

近期CodeGeeX通过对检索算法的优化,以及新增流行代码仓库的支持,使得插件中的@repo功能效果获得提升。

如果你已经在IDE中安装了v2.7.0版本之后的CodeGeeX插件,那么,现在重新启动IDE,就可以体验性能提升后的“@repo”功能。

一、搜索算法优化,检索效果提升

使用@repo,可以针对关联的开源代码库上下文做内容检索,比如代码库中有API的最新更新、有新增的功能组件等,CodeGeeX能够在当前范围内,对信息进行检索增强生成。

二、新增对更多流行代码仓库的支持

根据用户反馈,增加对以下仓库的支持 (点击'@repo'图标后,输入仓库名即可找到)

FFmpeg/FFmpegTHUDM/CodeGeeX2alibaba-damo-academy/FunASRelement-plus/element-plusgradio-app/gradiohuggingface/trlnestjs/nestnginx/nginxpandas-dev/pandaspmndrs/zustandrun-llama/llama_indextiangolo/fastapivercel/next.jsvitejs/vite

CodeGeeX收录的流行开源仓库已经超过100+个,在输入代码仓库名称的同时,展示出的开源仓库列表会根据检索收录结果发生变化。 

图片

如果用户输入名称后,发现还未收录该代码仓库,则可以直接在线提交这个代码仓库的信息。

CodeGeeX插件持续地快速迭代,期待将更多功能提供给大家使用。

也希望您能不断挖掘和发现CodeGeeX插件在智能编程方面的使用技巧,加入用户群告诉我们!

RAG算法优化+新增代码仓库支持,CodeGeeX的@repo功能效果提升 近期CodeGeeX通过对检索算法的优化,以及新增流行代码仓库的支持,使得插件中的@repo功能效果获得提升。使用@repo,可以针对关联的开源代码库上下文做内容检索,比如代码库中有API的最新更新、有新增的功能组件等,CodeGeeX能够在当前范围内,对信息进行检索增强生成。CodeGeeX收录的流行开源仓库已经超过100+个,在输入代码仓库名称的同时,展示出的开源仓库列表会根据检索收录结果发生变化。如果用户输入名称后,发现还未收录该代码仓库,则可以直接在线提交这个代码仓库的信息。 阅读详情

相关推荐

AIGC内容分享(三):AIGC应用:基于RAG构建个人知识库

在信息爆炸的时代,如何有效地处理和汲取大量的信息成为一个关键的挑战,尤其对于知识工作者。如果有一个知识库就像外挂大脑一样,随时可以记录信息,组织管理形成知识,需要时可以随时调用,那生产力将成倍提升数倍。CODE是Tiago Forte在《Building a Second Brain》书中提出的一种信息处理框架,用于更有效地管理和利用个人知识。借助CODE框架来讲述如何利用RAG(Retrieval-Augmented Generation,检索增强生成)技术搭建个人的知识库。

之乎者也·的博客 2643

「LLM企业实战05」让 AI 读懂代码:Code RAG 的原理、挑战与构建思路

本文探讨了利用LLM和RAG技术提升企业内部代码库理解和利用效率的解决方案。针对50万行C++核心代码库面临的注释不全、文档分散等挑战,作者分析了普通RAG方法在代码处理上的不足,强调了代码特有的结构性、上下文依赖等特性。实践部分详细介绍了分块策略的演进过程(从通用工具到基于注释的自定义分块)以及专用代码嵌入模型的选型考量。初步应用表明,Code RAG在理解复杂模块和发现可复用代码方面展现出超越传统搜索的优势,验证了该技术在提升研发效率方面的潜力。文章指出构建有效Code RAG系统的关键在于针对代码特性

bigchen 1397

【RAG系列】基于代码仓库的RAG问答,为仓库构建知识图谱

知识图谱在代码仓库问答场景上的应用

m0_68116052的博客 4192

「LLM企业实战06」从零搭建Code RAG:完整技术栈选型与实现详解

本文详细介绍了如何从零开始搭建一个Code RAG(检索增强生成)系统原型。作者分享了经过实践验证的技术栈选择,包括使用LlamaIndex进行代码编排与索引管理、Weaviate作为向量数据库、Ollama/VLLM提供LLM服务、Hugging Face开源模型处理嵌入与重排,以及Streamlit构建快速交互界面。文章提供了具体的环境配置指南、Weaviate部署方法和数据加载流程,包含可直接参考的代码片段和配置示例。通过模块化设计和灵活组件选择,该系统能够有效处理既有语义又有精确标识符的

bigchen 1905

如何使用RAG在代码库上进行Codellama-34B模型推理

RAG(检索增强生成)是一种将检索和生成相结合的方法,可以提高语言模型的性能,尤其是在处理代码库时。Codellama-34B是一个先进的代码生成和理解模型,由Fireworks提供的LLM推理API进行托管。我们将使用LangChain框架来进行RAG操作,并展示如何设置和使用这些工具进行代码库的推理。

bBADAS的博客 352

使用RAG和CodeLlama进行代码库查询

RAG是一种结合检索和生成的技术,它通过先从一个文档集合中检索相关内容,然后基于这些内容生成答案。CodeLlama是一种强大的模型,适用于代码生成任务,通过Fireworks提供的LLM推理API,我们可以高效地在代码库中进行查询和自动化处理。本文介绍了如何使用RAG和CodeLlama在代码库中进行查询。通过详细的步骤和示例代码,希望能够帮助你快速实现并应用这一技术。如果遇到问题欢迎在评论区交流。—END—

fgayif的博客 524

RAG 五大应用场景(三)企业级 Code RAG 与代码库 Copilot 深度架构指南

传统代码检索系统因采用“字符串暴力切分”而频繁失效,根源在于忽视了代码的结构化特性。本文提出基于AST语法树的检索范式,通过Tree-sitter工具实现精准代码解析,建立包含符号引用、调用链、配置依赖等元数据的知识图谱。相比文本切分方案,该方法能提升40%的代码生成准确率,解决依赖缺失、语义断裂等核心痛点。关键技术包括:以函数/类为最小检索单元、构建多跳依赖关系图谱、实现代码与配置的关联索引。该方案为构建真正可用的企业级代码Copilot提供了工程化实现路径。

高校图书馆高级系统架构师/研究馆员,推动高校AI从概念演示到可评审、可交付、可运维:路线图与立项评审、PoC交付、评测回归与上线运维(Baseline/Eval/Ops)。 1348

代码的魔法:从需求到程序的智慧旅程

在软件开发的广袤世界中,编写代码就像是在数字森林中开辟一条新路。大型语言模型(LLMs)如 GPT-4o 和 Gemini-Pro 已经展现出在简单代码生成中的非凡能力,但当面对真实世界的复杂代码仓库时,它们往往像迷失在迷雾中的旅人,难以应对错综复杂的依赖关系和领域知识的挑战。2025 年 4 月,一项名为的创新框架横空出世,它以双图结构和智能推理为核心,为 LLMs 赋予了在真实世界代码生成中的“魔法”能力。

步子哥的博客 356

100行代码实现自己的RAG知识库

RAG是一种结合了检索和生成的混合式深度学习模型,常用于处理复杂的自然语言处理任务。RAG模型通过将外部知识库中的信息与生成模型结合在一起,可以提供更准确和上下文相关的答案。检索模块:负责从预先建立的知识库中检索与输入问题最相关的文档或信息片段。这通常通过向量检索技术实现,向量检索能够支持语义匹配,而不仅仅是关键词匹配,从而提高了检索的准确性。生成模块:接收检索到的内容并生成最终的自然语言响应。这个模块通常基于大型生成模型(如 GPT-4),能够理解和生成复杂的自然语言。

CoderJia的学习之路 2530

CMOS传输门实战:如何用模拟开关优化你的电路设计(附常见问题排查)

本文深入探讨了CMOS传输门在电路设计中的实战应用与优化策略。文章从核心参数选型入手,详细分析了导通电阻、电荷注入等关键特性对电路性能的影响,并提供了多路复用器构建、精密电路应用等实战架构。同时,重点分享了PCB布局、电源去耦的工程细节,以及开关不导通、信号失真、高频性能不足等常见问题的系统性排查指南,旨在帮助硬件工程师充分发挥CMOS模拟开关的效能,提升电路设计的可靠性与精度。

js777的博客 451

Ollama本地大模型部署指南:从核心原理到实战避坑

大语言模型(LLM)作为人工智能领域的核心技术,通过海量数据训练获得强大的语言理解和生成能力。其工作原理基于Transformer架构,通过自注意力机制处理序列数据,在文本生成、代码编写和对话系统等场景展现出巨大价值。随着开源模型的普及,本地部署成为关注焦点,它解决了数据隐私和定制化需求,但面临环境配置和资源管理的挑战。Ollama作为开源工具,通过封装模型格式和统一API,简化了本地部署流程,支持GPU加速和性能调优,让开发者能够快速集成到IDE和自动化脚本中,实现高效的本地AI应用部署。

weixin_30915951的博客 453

使用RAG和CodeLlama构建智能代码助手:深入解析rag-codellama-fireworks模板

RAG是一种将信息检索与文本生成相结合的技术。在代码助手的上下文中,RAG可以帮助模型检索相关的代码片段或文档,然后基于这些信息生成更准确、更相关的代码或解释。RAG-CodeLlama模板为构建智能代码助手提供了强大的基础。它结合了RAG的检索能力和CodeLlama的代码生成能力,可以帮助开发者更高效地编写和理解代码。LangChain官方文档Fireworks AI官方API文档CodeLlama论文和技术报告RAG技术深度解析。

qq_29929123的博客 1502

UNITY3D万人同屏,Dots万人同屏解决方案_类萌宠宠之战

UNITY3D弹幕游戏开发,万人同屏解决方案

6475

为什么Claude Code不用RAG?

Claude Code 用的 Agentic Search 指的是让AI自主去搜集相关信息。主要方式很简单,用的就是Glob和GrepGlob:查文件路径:匹配符合通配符模式的文件名或路径Grep:查文本:搜索包含某字符串或正则的文本行Claude Code 在使用时,会有一些Read的步骤就在做此操作。如果是问答类应用场景,知识基本固化,采用 RAG 的方式更好,不会让用户等待特别长的时间。

兴趣使然的创作者 1458

【数据挖掘】心跳信号分类预测 之 特征工程 —— 学习笔记(三)

三、特征工程 3.1 看书 常言道,“巧妇难为无米之炊”。在 ML 中,数据和特征将作“米”,模型和算法则为“妇”。若无数量充足的数据、良好表示的特征,再强大的模型也难以得到满意的结果 (garbage in,garbage out)。对于 ML 问题,数据和特征往往决定了结果的上限,而模型、算法的选择及优化则是在逐步接近该上限。 特征工程,顾名思义,是对原始数据进行一系列工程处理,将其提炼为特征,作为输入供算法和模型使用。在本质上,特征工程是一个表示和展现数据的过程。在实际中,特征工程旨在去除...

闻韶 3359

Android Settings 设置Preference置灰显示

使Preference置灰显示,不能点击。先调用Preference的setEnabled(false),再调用setShouldDisableView(true); 如果使置灰项恢复正常可点击,可调用setEnabled(true)。

随风而动 1049

小白程序员必看:掌握Claude Code与Code RAG,让代码排查更高效!收藏备用!

Claude Code 证明的是"弱工具 + 强 Agent 推理"这个组合能打。Code RAG 解决的是当你不想、或者不能让每次查询都跑一整套多轮 Agent 推理时,怎么把该有的语义理解和结构关系提前算好,让检索一步到位。面试官问这道题,考的从来不是"哪个技术更先进"。而是你有没有搞清楚每个方案背后真正在权衡的东西——成本、延迟、规模、维护代价,以及你到底愿不愿意让 Agent 现场去猜。答不上"为什么不用 Code RAG"是硬伤。但答不上"Code RAG 自己有什么代价",同样是硬伤。

EnjoyEDU的博客 293

汇率波动率建模实战:从GARCH到EGARCH的金融时间序列分析

在金融时间序列分析中,波动率建模是量化市场风险的核心技术。其基本原理在于捕捉金融资产收益率序列中存在的波动聚集、尖峰厚尾等典型特征。通过建立条件异方差模型,如GARCH及其扩展模型,可以动态估计和预测未来波动率,这对于资产定价、风险管理和投资决策具有重要价值。在金融工程领域,该技术广泛应用于外汇、股票和衍生品市场。本文以汇率波动率建模为具体场景,详细阐述了如何使用Python中的arch库,从数据预处理、模型选型(包括GARCH、EGARCH等)、参数估计到样本外预测评估的全流程实践,并深入探讨了模型在应对

weixin_32629853的博客 375

高级 RAG 技术图解概览

这样的搜索分为两步:首先利用摘要来筛选出相关文档,然后只在这个筛选出的相关文档集中继续深入搜索。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 2126

Mac电脑安装burp suite2024版本记录

下载最新版本burpsuitloader-XXX-all.jar,改名为burpsuitloader.jar。目录下,修改vmoptions.txt文件,新增以下内容,如果keygen不是这个名称的话,需要修改。,点击license左侧的copy复制它,然后手动从启动台启动burpsuite。,复制如下命令到终端即可(要加双引号,不然目录中空格会导致命令截断)再复制激活响应信息到burpsuite中即可激活。后续运行burp直接从启动台运行即可。将如下框的信息复制到激活器中。输入后下一步,点击手动激活。

墨痕诉清风的博客 910

汽车ECU诊断刷写和OTA升级中的验签和校验

汽车ECU诊断刷写和OTA升级中的验签和校验

天赐好车的博客 619

论文复现 CodeRAG: Finding Relevant and Necessary Knowledge for Retrieval-Augmented Repository-Level Code

本文记录了复现仓库级代码补全论文CodeRAG的过程与思考。CodeRAG通过改进查询构建、多路径检索和重排序方法,在ReccEval和CCEval基准上取得显著提升。复现过程遇到环境配置、数据获取和模型替代等挑战,最终虽能跑通流程但指标与原论文差距较大(EM仅达10%)。作者反思指出,尽管失败带来挫败感,但这一过程提供了宝贵经验,包括跨平台开发注意事项、与论文作者的沟通技巧等。开源社区的支持和清晰的代码结构帮助解决了部分问题,但复现效果的差距也揭示了研究复现中难以避免的困难。

m0_55793541的博客 801

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

[论文阅读] 人工智能 + 软件工程 | 解决仓库级代码补全三大痛点!CodeRAG框架实现SOTA性能,还能降成本

现有仓库级代码补全方法多基于检索增强生成(RAG),但存在查询构建不恰当、检索路径单一、检索器与代码LLM错位三大问题。为此,本文提出CodeRAG框架:首先,通过对数概率引导的探测策略,利用代码LLM的置信度筛选关键代码块构建检索查询;其次,融合稀疏检索、密集检索与数据流引导检索,实现多路径代码知识获取;最后,设计偏好对齐的BESTFIT重排序机制,用Qwen3-8B筛选最优知识,并蒸馏为轻量重排序器降低开销。

张较瘦 809

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

5分钟上手AutoAgent文本工具集:从解析到生成的零代码方案

你是否还在为文本解析效率低、生成质量参差不齐而困扰?AutoAgent文本处理工具集提供一站式解决方案,无需编写代码即可完成文档解析、智能检索和内容生成全流程。本文将带你快速掌握核心功能,读完你将能够: - 用3行命令完成PDF/Word文档批量解析 - 构建专属知识库实现秒级精准检索 - 通过可视化界面生成结构化报告 ## 核心功能模块速览 AutoAgent文本工具集基于向量

gitblog_00673的博客 979

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

​​RAG:知识引擎与神经智能的量子纠缠——从信息检索到认知革命​

当GPT-5遇到实时法律更新时,传统微调需要47天和$200万成本,而RAG系统仅用​​完成知识更新,将法律咨询准确率提升至99.97%——这标志着检索增强生成技术正在以量子级效率重构人工智能的知识边界。

qq_43664407的博客 814

一百行代码实现自己的RAG知识库

RAG (Retrieval-Augmented Generation) 是一种结合了检索和生成的混合式深度学习模型,常用于处理复杂的自然语言处理任务。RAG模型通过将外部知识库中的信息与生成模型结合在一起,可以提供更准确和上下文相关的答案。

2301_81940605的博客 1948
上一篇: 代码报错不用愁,CodeGeeX一键完成代码修复、错误解释的功能上线了!
下一篇: 掌握项目代码无难度,CodeGeeX推出代码库问答与幽灵注释双升级
CodeGeeX
博客等级 码龄2年 144粉丝 16原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值