通义灵码编程智能体,上线!

近期,Qwen3 正式发布并全部开源 8 款「混合推理模型」。旗舰模型 Qwen3-235B-A22B 在代码、数学、通用能力等基准测试中,与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比,表现出极具竞争力的结果。

通义灵码现在已经全面支持 Qwen3,并正式上线编程智能体,具备自主决策、环境感知、工具使用等能力,可以根据开发者的诉求,使用工程检索、文件编辑、终端等工具,端到端地完成编码任务。

同时支持开发者配置自己的 MCP 工具,更加贴合开发者工作流程,并集成魔搭 MCP 广场,开发者也可以一键下载 MCP 服务。

 通义灵码支持国内首个混合推理模型Qwen3

近期,阿里 Qwen3 正式开源,登顶全球开源大模型王座!Qwen3 采用混合专家(MoE)架构,总参数量 235B,激活仅需 22B。其中参数量仅为 DeepSeek-R1 的 1/3,成本大幅下降,性能全面超越 R1、OpenAI-o1 等全球顶尖模型。Qwen3 还是国内首个“混合推理模型”,“快思考”与“慢思考”集成进同一个模型,对简单需求可低算力“秒回”答案,对复杂问题可多步骤“深度思考”,大大节省算力消耗。

  • Qwen3 模型主打快速响应,适合需要快速编码的场景;

  • Qwen3-thinking 模型主打深度思考模式,推理后生成更高质量代码,适合复杂问题问答、单元测试生成等场景。

通义灵码现在已全面支持 Qwen3,用户可以在 VS Code、Visual Studio、JetBrains IDEs 等主流 IDE 的灵码插件体验。

 通义灵码编程智能体上线

基于 Qwen3 强大的代码能力与原生的 MCP 协议支持,全新上线的通义灵码编程智能体具备以下4大能力:

  • 工程级变更:可根据开发者的任务描述,自主进行任务拆解和工程内多个代码文件修改,同时可通过多次对话进行逐步迭代或快照回滚,与灵码协同完成编码任务。

  • 工程自动感知:根据开发者的任务描述,可自动感知工程框架、技术栈、所需代码文件、错误信息等工程内信息,无需手动添加工程上下文,任务描述更轻松。

  • 工具使用:可自主使用十多种内置编程工具,例如读写文件、代码查询、错误排查等。同时,支持自动感知和使用 MCP 工具。

  • 终端命令执行:在执行编码任务时,可以自主决策需要执行的命令,自动完成命令编写并运行终端,大幅提升编码任务的执行效率。

(如需体验智能体模式,需在 VS Code、JetBrains IDEs 中,将通义灵码插件升级到 2.5.0 或以上版本)

编程工具使用

通义灵码提供了十多种编程工具供智能体自主决策使用,包括文件查找、文件读取、目录读取、工程内语义符号检索、文件修改、错误获取、终端执行等。智能体在使用工具的过程中,无需开发者确认或干预,可进行自主决策和执行。同时,可根据返回结果决策下一步执行计划。

图片

终端命令执行

智能体模式可根据当前需求自主决策进行终端命令编写与执行,为保障命令执行的确定性,默认每次执行命令前需要开发者进行确认:

  • 单击运行按钮,智能体会将命令发送到 IDE 的 Terminal 窗口进行运行;

  • 单击取消按钮,将跳过此次命令执行,智能体将根据开发者的反馈继续进行下一步规划。

对于需要后台运行的命令,将会出现“后台运行”的标记,智能体将继续后续任务,并且会在需要的时候主动检查或获取终端输出结果。

图片

当然,开发者可以在插件设置中,配置自动执行的命令允许列表,配置好的命令,可以无需确认自动执行。如需添加多个命令,可以使用英文逗号分隔。

图片

MCP 工具执行

当你已经配置 MCP 工具时,智能体将根据需求自主决策是否调用 MCP 来完成任务。每次执行前会主动询问,单击执行按钮进行确认,智能体会调用 MCP 工具并将返回结果作为后续执行的上下文参考。

图片

 通义灵码支持魔搭社区 2400+ MCP 服务

通义灵码编程智能体支持 MCP 工具使用,根据用户需求描述,通过模型自主规划,实现 MCP 工具调用,并深度集成国内最大的 MCP 中文社区——魔搭 MCP 广场,涵盖开发者工具、文件系统、搜索、地图等十大热门领域 2400+ MCP 服务,全面拓宽 AI 编码助手能力边界,更加贴合开发者工作流程。

  • AI 自主调用 MCP 工具:只需自然语言描述任务,通义灵码即可自主规划并调用相应 MCP 工具,实现从任务描述到代码生成、环境构建等全过程自动化,将复杂的开发工作化繁为简,进一步提升开发效率。

  • DevOps 领域拓展:阿里云云效 MCP 服务首发,支持从云效获取需求、缺陷、代码评审问题,生成代码后再立即提交合并请求,所有操作无需离开 IDE 即可完成 DevOps 全流程,极大地提高研发交付效率。

  • 集成魔搭 MCP 广场:深度集成魔搭社区 MCP 广场,让开发者无需离开 IDE 即可一键安装,轻松调用超过 2400 种专业的 MCP 服务。

图片

快速体验:https://lingma.aliyun.com/download 

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代实现的对应关系,结合提供的网盘资源下载完整代进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
### 通义是什么? 通义是阿里云推出的一款基于通义大模型的智能编辅助工具,专为提升软件开发效率而设计。它通过学习海量开源代数据,能够理解当前代文件及跨文件的上下文,为开发者提供行级或函数级的代生成、单元测试生成、代优化建议等功能[^4]。该工具在2023年10月31日的云栖大会上首次发布,并于2025年1月8日全面上线,目前面向个人用户免费提供使用[^1]。 ### 主要功能 通义具备多种智能化编程辅助能力,包括但不限于: - **自然语言生成代**:开发者可以通过自然语言描述需求,由通义自动生成相应的代实现。 - **代续写**:在编写代过程中,通义可以根据上下文智能预测并生成后续代,提升编效率。 - **单元测试生成**:自动为现有代生成对应的单元测试用例,帮助提高代质量。 - **代注释生成**:自动生成清晰、规范的代注释,便于后期维护和团队协作。 - **代解释与优化建议**:对已有代进行分析,提供可读性优化和性能提升建议。 - **异常报错排查**:当代运行出错时,通义能够帮助定位问题并提供修复建议。 - **研发智能问答**:支持开发者通过自然语言提问,获取与开发相关的技术解答和指导[^2]。 ### 使用场景与用途 通义适用于多种软件开发场景,尤其适合以下情况: - **快速原型开发**:在项目初期,开发者可以通过自然语言快速生成基础代框架,加速原型设计。 - **代重构与优化**:在已有项目中,通义能够提供代质量分析和优化建议,提升系统性能。 - **学习与教学**:对于编程学习者,通义可以作为辅助工具,帮助理解代结构和最佳实践。 - **团队协作**:在多人协作开发中,通义能够统一代风格、生成注释和文档,提升团队效率。 - **云服务集成**:通义特别针对阿里云SDK和OpenAPI进行了优化,帮助开发者更高效地集成云服务功能[^3]。 例如,在实际开发中,开发者可以使用通义根据自然语言描述生成函数: ```python def calculate_discount(price, discount_rate): """ 计算折扣后的价格 :param price: 原始价格 :param discount_rate: 折扣率(0~1) :return: 折扣后的价格 """ return price * (1 - discount_rate) ``` 该函数可以通过自然语言指令“计算商品折扣后的价格”由通义自动生成。 ---
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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