AI 辅助 Codebase 本地工程检索

最新推荐文章于 2025-07-22 23:05:26 发布
原创 最新推荐文章于 2025-07-22 23:05:26 发布 · 523 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

工程理解概述

AI 针对代码工程的理解一直是在不断进行优化攻坚的问题，简述的目标就是如何进行获取更多的上下文信息，这里的上下文包含的当前上下文和历史上下文，上下文的丰富也是意味着模型最终推理结果与预期结果匹配度成正相关，常见的针对工程理解的集中包含：

codebase

建立本地工程的检索能力，旨在通过对本地工程的 embedding 向量化建立索引并缓存，用户在提出问题后基于索引可以对本地工程相关内容进行分析匹配后精准召回相符的内容信息并丰富上下文，丰富后的提示词通过 LLM 分析总结给出更符合业务要求的结果建议；

workspace

代码库问答功能，旨在帮助开发者迅速找到与整个代码库相关的问题解答。无论是代码结构、函数功能、类之间的关系，还是复杂的代码逻辑和业务流程的疑问，@workspace 都能提供精确并且与上下文相关的答案。

AI 工程理解在代码工程的应用

codebase

本地工程检索能力进行强化工程理解能力， codebase 的使用会进行两个部分构成：

第一，把问题提示词上附带当前工程目录与模型进行交互，获取关键词；

第二，基于关键词进行本次检索；

第三 ，prompt 融合，即拼接提示词包含问题提示词、工程目录、本次检索的召回结果，然后再请求模型获取最终建议；
在这里插入图片描述
在这里插入图片描述

workspace

当我们接到要进行 agent 扩展的诉求，，可以通过 @workspace 指令来协助了解，当前的 @workspace 进行了复合的重组，默认附带上 #Codebase 的能力，触发是除了当前关键提示词之后还会带上当前工程目录的信息，进行分析项目工程下有 Agent 相关目录结构及关联文件。

图片

AI 代码助手会根据关键提示词进行分析理解，然后在对工程项目中符合我们要求的目录层级进行引用相关文件，对应的文件可以进行超链接快速跳转；

图片

除了展示引用信息帮助用户快速的进行跳转到对应文件之外，也会对相关的文件的作用进行一个分析说明

图片

【langgraph】Context Engineering 上下文工程
突围
07-18 32
写入上下文 - 将其保存到上下文窗口之外，以帮助代理执行任务。 Selecting context - pulling it into the context window to help an agent perform a task. 选择上下文 - 将其拉入上下文窗口以帮助代理执行任务。 Compressing context - retaining only the tokens required to perform a task. 压缩上下文 - 仅保留执行任务所需的标记。
探索AI编程规范化的利器：Awesome Cursor Rules
xiezhipu的博客
04-03 470
在AI辅助编程逐渐成为开发者标配的今天，如何让AI生成的代码既符合项目规范又保持高质量，成为开发者面临的新挑战。GitHub仓库****正是为解决这一问题而生的开源项目，它通过系统化的规则模板库，重新定义了AI编程的规范边界。本文将深入解析这一工具的核心价值与实践意义。
Cursor使用指南：释放AI编程的无限潜能
caoxiaoye的博客
10-25 7821
Cursor是一个AI编程助手，它可以帮助开发者自动生成代码、优化项目结构，并提供一系列编程相关的智能建议。通过学习和理解你的编程习惯，Cursor能够提供个性化的代码生成和优化方案。Cursor支持多个AI大模型，如claude,gpt,corsor-small或自定义AI模型。
Codebase Indexing：深入剖析代码索引的本质
2007 年 ~ 2025 年，深耕 SAP 技术 18 年
02-04 2066
在现代软件开发中，代码库（codebase）往往庞大而复杂，涉及多个编程语言、框架、依赖项和团队协作。如何在这种环境下高效地查找、分析和管理代码，是开发人员和技术团队面临的核心挑战之一。为了解决这个问题，代码库索引（codebase indexing）成为了一种重要的技术手段。代码库索引是一种通过结构化的数据存储方式，使代码的查找、分析和管理更加高效的技术。它本质上是一种数据索引技术，类似于数据库中的索引或者搜索引擎的索引，目标是通过优化查询性能，让开发者可以迅速定位代码片段、函数、类、依赖项及其关联关系。
腾讯云 AI 代码助手：Codebase 本地工程检索
lijianlong1989的博客
03-05 847
​ 在软件工程的世界里，代码不仅仅是字符的堆砌，它是一个项目的心脏，是团队协作的基石。随着人工智能技术的不断进步，AI 代码助手已经成为提升开发效率、优化代码质量的重要工具。腾讯云 AI 代码助手，凭借其对工程实践的深刻理解，让 AI 更加懂得如何与工程实践相结合。本文将探讨腾讯云 AI 代码助手如何让 AI 更懂工程，以及它在实际项目中的应用。
通义灵码 - HTML智能编码辅助AI工具
阿里巴巴云原生的博客
04-07 1260
是阿里云与通义实验室联合打造的智能AI编码辅助工具，基于通义大模型技术，为开发者提供多种编程辅助功能。它支持多种编程语言，包括等200多种编码语言。通义灵码的主要功能包括代码智能生成、代码优化、注释生成、代码解释、研发智能问答、异常报错排查等。它还支持图片多模态问答，可以根据图片内容生成代码建议或问题修复建议。此外，通义灵码还具备多文件代码修改和工具使用的能力，可以与开发者协同完成编码任务，如需求实现、问题解决、单元测试生成、批量代码修改等。目前，通义灵码内置Qwen模型以及满血版，欢迎按需使用。
什么是腾讯 CodeBuddy 的 Codebase 选项
2007 年 ~ 2025 年，深耕 SAP 技术 18 年
05-12 707
腾讯云 CodeBuddy 的 Codebase 选项是其核心功能之一，旨在通过深度理解本地代码工程的上下文，提升 AI 对复杂项目的理解能力，从而提供更精准的代码建议和解决方案。例如，在腾讯内部某金融项目中，CodeBuddy 通过 Codebase 识别出分布式事务的潜在死锁问题，而通用工具因缺乏对自定义框架（如 TMF）的理解而未能给出有效建议。例如，当用户询问“如何优化支付模块的性能”，Codebase 会检索项目中与“支付”“性能分析”相关的代码（如。
揭秘AI代码库索引：知其边界，方能善用其能
汪元会的博客
04-08 659
代码库索引是 AI 编程助手的一项强大能力，它极大地改善了我们在大型或陌生代码库中查找信息、导航代码、发现关联的效率。其核心优势在于利用语义理解打破了纯文本搜索的局限性。
【AI程序员】通义灵码 AI 程序员全面上线JAVA使用体验
后端研发工程师Marion的博客
01-09 1677
这款 AI 程序员不仅是一款简单的编码助手，更是一个智能编程伙伴，能够大幅提升开发效率并降低技术门槛。阿里云通义灵码AI程序员已全面上线，成为全球首个同时支持VS Code、JetBrains IDEs开发工具的AI程序员产品。此次上线的AI程序员相比传统AI辅助编程工具，能力更全面，可以让开发者以更高效、更沉浸的方式完成编码任务，。代码是大模型应用最广泛的场景之一，随着大语言模型能力的不断增强，AI代码工具已从辅助编码升级到面向复杂任务的工程级协同编码。目前，
2024 中国开发者调查报告出炉：通义灵码是开发者最常用的 AI 编码辅助工具
weixin_40428251的博客
08-15 229
日前，优快云 &《新程序员》发起了一份围绕开发者现状、人工智能和开源的深度调查问卷，最终形成了一份详尽的 《2024 中国开发者调查报告》 。报告中提到， AI 技术的确已成为许多开发者工作中不可或缺的一部分，有 69% 的开发者表示，他们正在使用 AI 工具。聚焦到开发者日常编码辅助工具上，通义灵码使用率位居第...
全栈开发中主流 AI 编程辅助工具的实践与对比分析20250522
Narutolxy的博客
05-22 1089
本文将深入剖析主流工具的应对策略、设计机制、实践案例与互补关系，为开发者提供结构化参考。
使用 continue 自定义 AI 编程环境
石头记
08-03 9204
一直在使用github 的 copilot 来编程，确实好用，对编码效率有很大提升。 但是站在公司角度，因为它只能对接公网（有代码安全问题）。另餐，它的扩展能力也不强，所以无法大规模推广，当然，还有成本问题（每月70多元钱，也不是小数字）。 于是，想尝试选型 开源的Continue插件来试试，是否可以替代github copilot，完成公司内部的AI 编程。试用了一下，感觉基本是可行的。
持续更新：Cursor AI 编程超详细指南（当前最好用的AI 编程工具）
He_r_o的博客
10-04 9890
这一次，AI 真懂你的代码
AI写代码工具分享：Cursor 高效使用攻略与实战秘籍
kakaZhui的博客
04-19 1207
在软件开发领域，效率和生产力是永恒的追求。集成开发环境（IDE）作为开发者的核心工具，其能力直接影响着开发速度和质量。近年来，人工智能（AI）的浪潮席卷了各个行业，编程领域也不例外。Cursor IDE正是这股浪潮中的佼佼者，它以AI-First的理念，在广受欢迎的 VS Code 基础上进行了深度改造，旨在将 AI 无缝融入编码工作流的每一个环节，成为开发者的“智能副驾驶”。Cursor 不仅仅是添加了 AI 功能的 VS Code，它的目标是重新思考开发者与代码、与 AI 的交互方式。
【论文阅读 | TIV 2024 | CDC-YOLOFusion：利用跨尺度动态卷积融合实现可见光-红外目标检测】
berling00的博客
07-22 552
题目：CDC-YOLOFusion: Leveraging Cross-scale Dynamic Convolution Fusion for Visible-Infrared Object Detection期刊：IEEE Transactions on Intelligent Vehicles （TIV）论文：paper代码：code年份：2024由于能够深入挖掘可见光和红外特征，特征级融合方法在可见光 - 红外目标检测中表现出优异的性能。然而，大多数现有的特征级融合方法利用多个具有固定参数的卷积层来
智合同丨当AI成为法律人的助手：合同审查效率变革观察
Shenhetong的博客
07-18 1255
合同审查面临重复性高、耗时长的共性挑战，大量基础工作消耗法律人精力。智能辅助工具通过自动分类、风险提示等功能，可提升审查效率，使法务人员聚焦核心条款。技术介入促使法律人角色转变：从"审查者"向"规则设计者"转型，将节省的时间投入复杂案件、合同优化等高价值工作。智能工具并非取代专业判断，而是与法律人形成共生关系，释放其在战略决策、业务协作等领域的独特价值，实现效率与专业的双重提升。
论文笔记：EDITING MODELS WITH TASK ARITHMETIC
qq_40206371的博客
07-21 744
2023 ICLR。
[2025CVPR]ViKIENet：通过虚拟密钥实例增强网络实现高效的 3D 对象检测
最新发布
hasakie的博客
07-22 510
ViKIENet论文摘要：ViKIENet提出一种高效的多模态3D物体检测框架，通过虚拟关键实例（VKIs）解决LiDAR点云稀疏性和传统虚拟点方法的高计算噪声问题。其核心创新包括：1）语义关键实例选择（SKIS），仅提取关键区域的虚拟点，减少90%计算量；2）多阶段融合模块（VIFF），结合BEV与RoI特征增强关键区域；3）深度校准模块（VIRA），抑制深度补全噪声。扩展版ViKIENet-R引入旋转等变特征，平衡精度与效率。实验显示，在KITTI、nuScenes等数据集上，ViKIENet以22.7
军事智能中的指挥与控制
人机与认知实验室
07-18 1068
在军事智能实践中，人工智能和网络中心战技术为指挥与控制提供了新的手段和方法，通过智能感知、智能决策和智能控制，实现对作战单元的精确指挥和控制，提高作战行动的高效性和灵活性。算计则侧重于对敌方可能的行动和意图进行分析和预判，制定相应的对策，以实现作战行动的灵活性和动态性。在网络中心战中，指挥与控制的作用更加突出，通过网络化的指挥控制系统，可以实现对作战单元的实时指挥和控制。3. 实时指挥：通过网络化的指挥控制系统，实现对作战单元的实时指挥和控制，提高作战行动的灵活性和动态性。
图文检索提示词工程
03-08
### 图文检索中的提示词工程技术 在图文检索领域，提示词工程扮演着至关重要的角色。通过精心设计的提示词可以显著提升模型的表现力和准确性。 #### 实现方法 对于实现高效的图文检索系统而言，构建高质量的提示词至关重要。一种有效的方法是从大量数据集中提取特征并归纳总结出通用模式[^1]。例如，在处理图像时，可以通过分析图片的内容来生成描述性的文字标签；而对于文本，则可以根据上下文环境创建针对性强的问题或者陈述句作为查询条件。 此外，利用预训练的语言模型（如BERT），能够自动学习到不同词语之间的语义关系，并据此调整输入给搜索引擎或匹配算法的具体表述方式。这不仅提高了召回率也增强了结果的相关度。 #### 优化技巧 为了进一步提高效率与效果，采用一些特定的技术手段来进行优化是非常必要的： - **多模态融合**：结合视觉信息和其他感官维度的信息共同作用于最终决策过程之中； - **负样本挖掘**：主动寻找那些容易被误判为正类别的实例用于改进分类边界； - **自适应调节参数**：根据不同应用场景动态改变超参设置以达到最佳性能平衡点。 这些策略有助于克服单一模式下可能存在的局限性，并使得整个系统的鲁棒性和泛化能力得到极大增强[^2]。 #### 应用案例 实际应用方面，有许多成功的范例展示了良好实践的价值所在。比如某电商平台利用先进的AI技术实现了商品推荐功能——当用户上传一张心仪物品的照片后，后台会迅速解析其属性并通过精准匹配找到相似款式供浏览选购；又或者是社交媒体平台上的内容审核机制依靠自动化工具快速识别违规影像资料从而保障社区健康和谐发展。 ```python import requests from PIL import Image from io import BytesIO def fetch_image(url): response = requests.get(url) img = Image.open(BytesIO(response.content)) return img # Example usage of fetching an image from URL and processing it with a model. image_url = 'https://example.com/sample.jpg' img = fetch_image(image_url) # Assuming `model` is preloaded elsewhere in the codebase, this line would process the fetched image using said model. result = model.predict(img) print(result) ```
评论
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