AI 助手降低了代码质量

【华为OD机试真题】29、组成最大数 | 机试真题+思路参考+代码解析 (C++、Java、Py、C语言、JS) 题目描述 >小组中每位都有一张卡片,卡片上是6位内的正整数,将卡片连起来可以组成多种数字,计算组成的最大数字 阅读详情

你好,我是坚持分享干货的 EarlGrey,翻译出版过《Python编程无师自通》、《Python并行计算手册》等技术书籍。

如果我的分享对你有帮助,请关注我,一起向上进击。

摘要

2023 年是 GitHub Copilot 大放异彩的一年。在短短不到两年的时间里,这款 AI 编程助手已从一个初步的原型迅速成为众多开发者和企业中不可或缺的重要工具 [1]。它的迅猛发展开启了编写代码的新纪元。

GitHub 已经发布了数份关于 AI 如何影响软件开发的增长和影响的研究。他们的一项重要发现是,开发者在使用 Copilot 时,编码速度提升了 “55%”。面对大量由 LLM 生成的代码,我们不禁要问:这些代码在质量和可维护性上与人工编写的代码相比如何?它们是不是更像经验丰富的高级开发者的精心作品,还是更接近短期合同工的零散拼凑?

为此,GitClear 收集了从 2020 年 1 月到 2023 年 12 月之间的 153 百万行代码变更记录 [A1]。这是目前已知最大的用于分析代码质量差异的高度结构化代码变更数据集 [A2]。

我们发现了一些关于代码可维护性的令人担忧的趋势。代码变更率 —— 指在编写后不到两周就被修改或撤销的代码行所占的比例 —— 预计在 2024 年将是 2021 年 AI 出现之前的两倍。我们还发现,“新增代码” 和 “复制 / 粘贴代码” 的比例相比于 “更新的”、“删除的” 和 “移动的” 代码在上升。从这个角度来看,AI 生成的代码更像是一位频繁更换工作的合同工写的临时代码,容易违反他访问的代码库的 DRY(Donot Repeat Yourself,不重复自己)原则。。

我们以一些针对管理者如何在这种逆流中保持代码高质量的建议作为本文的总结。

GitHub: “使用 AI 编程,提升效率 55%,增加代码量 46%,为 GDP 贡献 1.5 万亿美元”

这样惊人的数据背后,GitHub 的 CEO Thomas Dohmke 不仅忙于日常的 CEO 工作,还专门抽时间撰写了关于 AI 革命的博客文章和研究论文。他在 2023 年发布于 GitHub 的作品,详细叙述了 Copilot 快速普及的激动人心的故事。

255cbe17cc8a76efe802ebc8b5c8f90e.png

来自 Dohmke 2023 年的博客文章《AI 驱动开发者生命周期的经济影响及从 GitHub Copilot 学到的经验》

Dohmke 在博客中提出,目前已有超过 20,000 家组织在使用 GitHub Copilot for Business。这紧随其在 2023 年 2 月宣布的消息,即在 Copilot for Business 推出时,“已有超过一百万人” 在使用个人版 Copilot。GitHub 在提高 AI 质量和公开透明地分享其成果方面取得了令人赞赏的进展。

到底有多少开发者正在使用 AI 编写代码?在 GitHub 2023 年 6 月与 Wakefield Research 合作的一项独立研究中,他们指出:“在美国大型公司工作的开发者中,有 92% 使用 AI 编程工具。” 他们还强调,有 70% 的开发者认为使用 AI 带来了显著好处。不过,O’Reilly Publishing 在 2023 年 8 月的一项调查显示,67% 的受访开发者表示他们还没有使用 ChatGPT 或 Copilot。这暗示了 GitHub 在市场上仍有很大的增长潜力。

AI 生成代码存在的问题

开发者之所以采用 Copilot,是因为他们相信这款工具能够加快编码速度。GitHub 的研究发现,使用 Copilot 的开发者的满意度提高了 75%。这表明开发者普遍接受了这款产品。但是,这并不意味着那些负责维护代码的人也会感到同样满意。资深代码研究员 Adam Tornhill(著有《Your Code as a Crime Scene》)对此表示怀疑:

4856284b69f5280416352c8e8f16d45f.png

开发者研究人员对 AI 辅助编程的影响持担忧态度

GitHub 声称,使用 Copilot 编写代码的速度提高了 55%。但问题是,有些本不应编写的代码怎么办?正如《Clean Code: A Handbook of Agile Software Craftsmanship》的作者 Robert Martin 所说,代码的阅读时间是编写时间的十倍。更快地写出低质量代码,意味着后续阅读代码的人将面临更多困难。

这只是使用 AI 助手的开发者所面临的众多挑战之一。其他挑战包括:

  1. 频繁收到增加代码的建议,却很少有关于更新、移动或删除代码的建议。这是源于文本环境中代码编写时的界面限制。

  2. 评估代码建议可能耗费大量时间,尤其是在有多个自动建议系统相互竞争的环境中,如流行的 JetBrains IDEs(参见 [11])。

  3. 代码建议的优化并非基于和代码维护者相同的激励机制。代码建议算法旨在提出最可能被接受的建议,而代码维护者则努力减少需要阅读的代码量(即,理解如何调整现有系统)。

这些问题可能解释了为什么初级开发者比经验丰富的开发者更倾向于接受代码建议。根据 GitHub 的研究:

e9b1a28848a1a42af20333d5737c4aac.png

GitHub 的数据显示,相比经验丰富的开发者,初级开发者使用 Copilot 的频率高出大约 20%

经验丰富的开发者更深刻地理解维护代码的长期成本。如果他们更不愿使用 AI 的代码建议,那么这是否意味着初级开发者现在正以前所未有的速度贡献更多额外的代码呢?

代码变更的分类

为了探究代码质量如何随着时间变化,我们研究了在 AI 应用日益广泛的 2023 年与之前几年,代码变更类型的不同。GitClear 将代码的变更动作分为七大类别,本研究分析了其中的六种:

  1. 新增代码。指新增加的独立代码行,不包含对现有代码的小幅修改(这类修改被标记为 “更新”)。此外,新增代码也不包括那些被添加、删除后又重新加入的代码行(这些行被标记为 “更新” 和 “变动”)。

  2. 删除代码。指被移除、提交并且在随后的至少两周内没有被重新加入的代码行。

  3. 移动代码。指被剪切并粘贴到新文件或同一文件中新的函数位置的代码行。按照定义,“移动” 的操作中,提交时代码内容不变,除了代码前的空格部分可能会有所改变。

  4. 更新代码。基于已存在的代码行,通过修改大约三个词或更少的词汇来提交的新代码行。

  5. 查找 / 替换代码。这种变更模式中,同一字符串在三个或更多位置被替换为统一的新内容。

  6. 复制 / 粘贴代码。除了编程语言的关键字(例如,end,},[)外,相同的代码内容被提交到一个提交中的多个文件或函数。

  7. 无效操作代码。微小的代码更改,如空格或同一代码块内的行号变更。这类无效操作的代码变更没有包含在本研究中。

GitClear 对代码操作的具体实例可以在其 “Diff Delta” 文档中找到。自 2020 年起,GitClear 开始按这些操作分类 git 仓库。截至 2024 年 1 月,GitClear 已分析并分类了大约十亿行代码,这些代码来自于四年间的各种来源,包括商业客户(例如,NextGen Health, Verizon)和知名的开源项目(例如,Facebook 的 React 项目,谷歌的 Chrome 浏览器)。在这些代码中,有 1.53 亿行是有意义的非无效操作的代码变更,被用于本次研究。

随着代码变更操作的不断演进,我们也在研究所谓的 “变动代码”(Churned code)的变化趋势。它并不算是一种标准的代码操作,因为一行变动代码可能涉及到多种不同的操作,如代码的 “新增”(Added)、“删除”(Deleted)或 “更新”(Updated)。一行代码要被视作 “变动的”,它必须被创建并推送到 git 仓库中,之后在随后的两周内被回退或进行重大修改。可以将 Churn 理解为最初由作者编写、提交并推送到公司 git 仓库时,那些不完整或错误的更改。

Copilot 对代码编辑操作趋势的影响

为了深入了解 Copilot 如何影响代码质量,我们对 GitClear 观察到的各种代码行操作进行了分析,这些操作按照代码编写的年份来分类(依据 git 提交记录中的 authored_at 日期 [12])。相关的详细数据可以在附录中找到。下面是各年份的操作百分比:


新增删除更新移动复制 / 粘贴查找 / 替换代码波动
202039.2%19.5%5.2%25.0%8.3%2.9%3.3%
202139.5%19.0%5.0%24.8%8.4%3.4%3.6%
202241.0%20.2%5.2%20.5%9.4%3.7%4.0%
202342.3%21.1%5.5%16.9%10.5%3.6%5.5%
202443.6%22.1%5.8%13.4%11.6%3.6%7.1%

这些数据在图表中的展现方式是这样的:左轴显示了代码变更操作的比例(这些百分比总和为 100%)。右轴和浅蓝色线条则展示了与之相应的 “代码波动” 变化。

dca1ccdcb09d67fe8bb3abb446519109.png

对于 2024 年的预测,我们利用 OpenAI 的 gpt-4-1106-preview 模型,通过对现有数据进行二次回归分析得出。附录中详细介绍了我们如何使用 OpenAI 模型进行这一分析。鉴于 GitHub 报告的 Copilot 的迅猛发展以及 AI 智能体的普遍应用,可以预见 2024 年的趋势将延续 2022 年开始显现的模式,并在 2023 年得到加速。单从 2022 年到 2023 年各种操作频率的变化来看,我们可以发现三个可能影响代码质量的警示信号:

操作同比变化
添加+3.1%
删除+4.8%
更新+5.2%
移动-17.3%
复制 / 粘贴+11.3%
查找 / 替换-1.3%
代码变动率 (Churn)+39.2%

解读代码操作变化的含义

2023 年最显著的代码操作变化发生在 “代码变动率 (Churn)”、“移动” 和 “复制 / 粘贴” 这几个方面。我们在这一节将详细探讨这些变化背后的意义。

代码变动率的显著增长

所谓的 “代码变动率 (Churn)” 是指代码被推送到仓库后,接着在两周内被撤销、移除或更新的比例。在开发者亲自编写所有代码的情况下,这种情况相对较少见 ——2023 年之前,只有 3-4% 的代码会发生这样的变动。不过,在 2022 年就已经出现了这种趋势的上升,当时代码变动率跃升至 9%。值得注意的是,2022 年是人工智能编程助手 Copilot 首次以测试版形式推出,同时也是 ChatGPT 开始被广泛使用的一年。

在 2022 至 2023 年期间,AI 辅助工具的兴起与推送到代码仓库的 “错误代码” 密切相关。根据引用资料 [1] 和 [8],如果我们假设 Copilot 在 2021 年的普及率为 0%,2022 年为 5-10%,2023 年为 30%,那么这些因素之间的相关性极高,皮尔森相关系数高达 0.98(更多关于这一计算的细节,请参见附录中的 “代码变动率与 Copilot 的相关性” 部分)。这意味着,随着 AI 辅助工具的使用增加,代码变动率也在相应增长。

随着代码变动率的普遍增加,错误代码被部署到生产环境的风险也随之增大。如果这一趋势持续到 2024 年,那么超过 7% 的代码更改可能会在两周内被撤销,这将是 2021 年的两倍。根据这些数据,我们预计 Google DORA 的 “变更失败率” 将在今年晚些时候发布的 “2024 年 DevOps 状态报告” 中有所增加,前提是该研究包含了 2023 年使用 AI 辅助的开发者数据。

代码移动越少意味着重构和复用的减少

通常在重构现有代码系统时,我们会发现代码的移动。重构的系统,尤其是代码的移动,是实现代码复用的关键。随着产品的不断扩展,开发者往往需要将现有代码重组到新的模块和文件中,以便于新功能的复用。对于经验丰富的开发者来说,代码复用的优势非常明显 —— 与新编写的代码相比,已经在实际环境中被测试并证实稳定的代码显得更加可靠。而且,经过多人修改的代码往往包含了丰富的文档,这大大加快了新手开发者对模块的理解速度。

结合 “复制 / 粘贴” 代码的增加,可以清楚地看到,当前的 AI 助手似乎在一定程度上阻碍了代码的复用。相较于进行重构和遵循 DRY(“不要重复自己”)原则,这些助手更倾向于提供一种快捷方式,让开发者重复使用现有代码。

复制 / 粘贴的代码会导致未来的维护困难

复制 / 粘贴的代码可能是长期维护代码中最大的难题之一。当开发者重复使用非关键字的代码行时,实际上是在暗示他们没有时间去深入研究之前的实现方式。这种重复添加代码的做法,将整合实现重复功能的任务留给了未来的维护者。

大多数开发者更喜欢 “实现新功能” 而不是 “审视潜在可复用的代码”,因此复制 / 粘贴的代码往往会过期仍然被使用。尤其在经验不足的团队中,可能缺乏有权威的代码维护者来移除这些重复的代码。即便是资深开发者,也需要付出巨大的努力和决心去充分理解代码,以便将其删除。

如果没有 CTO 或工程副总裁定期安排时间来减少技术债务,那么由于高层的时间压力,新添加的复制 / 粘贴代码可能永远不会被整合到支撑长期开发速度的组件库中。

根据 GitClear 的操作,只有在单次提交中重复的代码才会被计算。因此,2023 年测量到的 11% 的复制 / 粘贴比例,可能只是 2024 年代码库中悄然增加的总复制量的一小部分。

修订代码年龄趋势分析

我们使用了一个独立的方法来评估 2023 年相比之前代码质量的变化:分析 GitClear 提供的 “代码溯源” 数据。所谓 “代码溯源”,其实就是要看代码从被写出到最终被更新或删除的时间长度。

年份少于 2 周少于一个月少于一年1-2 年
202065.9%8.7%21.8%3.6%
202166.7%9.0%20.5%3.8%
202264.7%9.9%21.1%4.4%
202371.3%9.3%16.4%3.0%
202474.4%9.1%14.1%2.4%

根据这些数据,我们可以看到:

86db0d602c50769f6a03b9efee4cbaf1.png

解读代码年龄的趋势

对 “代码溯源” 的数据分析揭示了一个有趣的现象,即在 2022 年到 2023 年间,代码的更新速度加快了。特别是,不到两周就被替换的代码比例增加了 10%。同时,超过一个月的代码更新频率在 2023 年比 2022 年下降了 24%(2023 年为 19.4%,而 2022 年为 25.5%)。

这一趋势显示,在 AI 助手普及之前,开发者更可能会选择最近编写的代码进行改进和再利用。根据 Techreport 的一项调查 [5],早在 2020 年代初,大约 70% 的项目采用了敏捷开发方法。在敏捷方法中,每个 Sprint(通常持续 2-3 周)都会规划和执行新的功能。这与我们的数据相符,表明大约在 2020 年左右,团队在每个 Sprint 结束后,可能会聚在一起讨论最近的工作成果,以及如何在接下来的 Sprint 中再次利用这些成果。

后续研究的思考题

我们能否设定激励措施来应对 2024 年代码建议引擎中普遍的 “添加后即忘记” 的问题?

尽管我们可以训练 AI 识别代码整合的机会,关键在于它何时被触发?我们需要一个新的用户界面来复查代码的删除和更新,以及潜在的新增内容。同时,那些导致团队今天无法腾出时间来减轻技术债务的管理层压力,可能也会妨碍他们采用一种假设性的 “代码清理” 工具。但如果有代码助手的开发者对探索如何整合代码感兴趣,GitClear 愿意与他们合作,详细联系方式见附录。

另一个值得关注的问题是:额外代码对开发进度的影响速度有多大?特别是对于复制 / 粘贴的代码,库中代码行数与开发者修改这些代码的速度之间几乎肯定存在负相关关系。现在的疑问是:“累积的复制 / 粘贴技术债务何时变得不可忽视?” 了解这种减速效应发生的速率可以帮助未来的工具指导管理者何时应该减少开发新功能的时间。

最后一个探索的问题是:与 2020-2022 年相比,现在发生的复制 / 粘贴代码的总比例是多少?由于 GitClear 目前仅测量单个提交中的复制 / 粘贴代码,因此整体的复制 / 粘贴量(文件中重复的所有非关键字、非注释代码行)可能是 GitClear 当前测量值的两倍。2024 年,复制 / 粘贴代码真的会占到所有代码操作的 20-25% 吗?

GitClear 将在未来的研究中探讨这些问题,并鼓励该领域的其他研究人员共享他们的数据。如果您有兴趣与 GitClear 合作进行进一步研究,请查阅附录中的联系信息。

结论:开发者为何保持谨慎?

根据我们分析的两项关键数据,2023 年代码质量面临明显下滑,这与大语言模型 (LLMs) 特别是 AI 代码助手的广泛应用密切相关。

GitHub 与 Wakefield 研究所在 2023 年的一项调查显示,开发者已经意识到代码质量的降低。当被问及 “在没有 AI 的情况下,应以哪些指标评估你的工作?” 时,他们最关注的是 “协作和沟通”,其次是 “代码质量”。

但当问题转向 “在使用 AI 时,应以哪些指标评估你的工作?” 时,他们的关注点发生变化,“代码质量” 成为了最关注的问题,而 “生产事件数量” 上升为第三大关注点:

bee457130cf58e8604877ccdcb7dbdbd.png

摘自 GitHub 关于 AI 影响的调查

尽管开发者个人可能没有足够的数据来解释为什么使用 AI 时 “代码质量” 和 “生产事件” 成为更加紧迫的问题,我们的数据提供了一个可能的解释:当开发者被大量快速且简单的短期有效建议所淹没时,他们往往会不断增加代码行数,却忽视了检查现有系统是否可以优化重用。

对于那些通过 Tab 键得到复制 / 粘贴建议的经验不足的开发者来说,解决这一问题并非易事。工程领导们需要密切关注新数据,并思考这些数据对未来产品维护的潜在影响。开发者分析工具,如 GitClear,能够帮助识别问题代码的累积速度。需要考虑的关键问题有:

  1. 代码复用比例是否在下降?

  2. 代码的移动和复制 / 粘贴量是否有所变化?

  3. 开发者发现代码复用机会的难易程度如何?

关于 GitClear 如何应对这些问题的进一步讨论见 [A3]。

AI 助手和 Copilot 如何重塑开发者的角色?无疑,随着 AI 的普及,我们进入了一个代码行数增加速度空前的时代。2024 年更值得关注的问题是:谁将负责整理这一切留下的烂摊子?

引用

  1. 探索 AI 驱动的开发者生命周期带来的经济效益:GitHub Copilot 的案例分析 [GitHub]

  2. GitHub Copilot for Business:企业级智能编程助手 [GitHub]

  3. 软件开发领域的重大变革:AI 驱动下的开发者生命周期经济与生产力分析 [GitHub]

  4. 深入了解 Diff Delta 和 Commit 组 [GitClear]

  5. Techreport 调查显示:超过七成团队采用敏捷开发模式 [Techreport]

  6. 代码溯源:它是什么,为何重要?[GitClear]

  7. 调查显示 AI 如何改变开发者的工作体验 [GitHub]

  8. 领略下一代开发者生产力的风采 [O’reilly]

  9. 当你的代码变成犯罪现场 [Pragmatic Programmers]

  10. 敏捷软件工艺中的代码洁净之道:实用手册及其引用 [Robert C. Martin, 作者]

  11. [JetBrains AI:提升你的编程工具,迎接新的自由 (https://www.jetbrains.com/ai/)[JetBrains]

  12. Git 提交指南:深入了解 git-commit[Git 文档]

  13. 如何使用 Tech Debt 浏览器优化代码 [GitClear]

  14. “不要重复自己” 原则的智慧 [Wikipedia]

  15. X:Adam Tornhill 分享的思考 [X/Twitter]

原文:Coding on Copilot(https://gitclear-public.s3.us-west-2.amazonaws.com/Coding-on-Copilot-2024-Developer-Research.pdf)

作者:William Harding,Matthew Kloster
译文:在 Copilot 的协助下编程白皮书 ——2023 年的数据显示了代码质量面临的挑战(https://baoyu.io/translations/llm/coding-on-copilot-2024-developer-research)
译者:宝玉

- EOF -

文章已经看到这了,别忘了在右下角点个“赞”和“在看”鼓励哦~

推荐阅读  点击标题可跳转

1、Python 项目工程化最佳实践

2、Python 可以比 C 还要快!

3、streamlit,一个超强的 Python 库

4、豆瓣8.9分的C++经典之作,免费送!

5、Python 3.12 版本有什么变化?

回复下方「关键词」,获取优质资源

回复关键词「 pybook03」,领取进击的Grey与小伙伴一起翻译的《Think Python 2e》电子版

回复关键词「书单02」,领取进击的Grey整理的 10 本 Python 入门书的电子版

👇关注我的公众号👇

告诉你更多细节干货

73f544799e2324212d5a0bead0375acd.jpeg

欢迎围观我的朋友圈

👆每天更新所想所悟

【PCIe 总线及设备入门学习专栏 1.3 -- PCIe 基础知识 lane和link介绍】 PCIe RC(Root Complex)是PCIe树的根节点,一个RC 可以包括多个 RP(Root Port),例如一个16 条 lane的PCIe RC 可以包括4个RP(4个x4的),或者8个RP(8个x2的)等等。在该模式下,数据传送由CPU执行I/O端口指令来按照字节或更大的数据单位来处理,占用大量的CPU资源,数据传输速度也大大低于DMA模式。国内应该有公司做出相应的phy芯片(例如芯动科技、牛芯半导体),毕竟常见的pcie 3.0才8 Gbps的速率,最新的6.0才64Gbps。 阅读详情

相关推荐

行政数据分析大屏实战:用Tableau从Excel到看板的完整搭建流程(含数据连接与字段计算避坑)

本文详细介绍了如何利用Tableau从Excel数据源搭建行政数据分析大屏的完整流程,涵盖数据准备、连接技巧、计算字段优化、看板设计及动态交互部署。通过五阶工作流,帮助用户高效处理多源异构数据,实现业务洞察与可视化呈现,提升行政数据分析效率。

weixin_29696711的博客 343

AI编程生成的代码为何难以阅读与维护?如何解决这一困境?

AI生成代码的可读性与维护性困境及解决方案 随着AI辅助编程工具普及,其生成的代码普遍存在可读性差、难以维护的问题。本文系统分析了三大核心原因:1)缺乏上下文理解与架构感知;2)命名混乱与风格不统一;3)可扩展性与可测试性不足。针对这些问题,提出了构建"人机协同"开发体系的解决方案:强化提示工程标准化、将AI代码纳入评审流程、建立自动化风格重构工具链,以及倡导AI生成结构+人工主导逻辑的开发模式。文章前瞻性地指出,未来需要构建"AI友好型工程架构",通过领域驱动设计、

nbsaas-boot基于Request-Response的企业级快速开发框架 2649

别再说Fortran过时了!手把手教你用VS Code + gfortran搭建现代开发环境(2024版)

本文打破Fortran过时的刻板印象,详细介绍如何利用VS Code和gfortran搭建现代开发环境。从编译器安装、VS Code插件配置到项目结构标准化,提供完整的2024版跨平台解决方案,并展示Fortran 2023标准的协程、并行计算等现代特性,助力科学计算与高性能开发。

weixin_42629815的博客 245

智能编程助手:开启未来开发新篇章

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 智能编程助手:开启未来开发新篇章 随着人工智能技术的迅猛发展,编程领域也迎来了前所未有的变革。AI Agent作为一种智能编程助手,正在逐渐改变开发者的工作方式,使编程变得更加高效、便捷和智能化。本文将探讨AI Agent在现代软件开发中的应用场景及其巨大价值,并引导读者了解一款具有代表性的智能编程工具——优快云、...

inscode_065的博客 665

基于LORA的双机通信的智能农业系统

通过LoRa模块与主机进行通信,监测环境中的温度、湿度、土壤湿度和光照强度等参数,并根据预设的自动控制逻辑或者手动指令控制继电器开关,从而调节风扇、加热器、水泵、喷雾器和灯光等设备,为植物提供适宜的生长环境。使用的Lora是大夏龙雀的感觉这个是我使用过的Lora里面最好用的,因为不用设置频道就可以直接透明传输,使用起来得心应手。就像两个单片机直接串口通信一样,缺点是异步串行,不能同时进行接收和发送。继电器灯亮模拟打开对应的风扇、水泵、灯、喷雾、加热。1.使用温度传感器测当前环境的温湿度。

ssjsjss的博客 1742

XCP_Basic 移植步骤

XCP_Basic 移植步骤

ggzzc的博客 2319

HTML AI 编程助手

HTML AI编程助手是一款基于人工智能技术的开发工具,它能够辅助开发者进行HTML编程。通过机器学习算法,HTML AI编程助手能够理解开发者的编程需求,自动生成代码片段,甚至完成整个HTML页面的编写。它不仅能够提高编程效率,还能减少错误,提升代码质量。

lsx202406的博客 950

聚类模型-层次聚类

聚类模型 1、层次聚类 2、原型聚类-K-means 3、模型聚类-GMM 4、EM算法-LDA主题模型 5、密度聚类-DBSCAN 6、图聚类-谱聚类 一、层次聚类 一、聚类理论 ​ 一般来说,聚类是在训练样本的标签信息不知的情况下,学习样本内在的性质和规律,将有限的集合划分成ccc类。根据“方以类聚,物以群分”的思想,类内对象尽可能的相似,...

myazi 6506

人工智能在低代码和无代码开发中的积极作用

人工智能增强低代码和无代码平台有几种重要的方法,人工智能具有从自然语言提示或代码编辑器中的场景生成代码片段的能力。开发人员可以使用像ChatGPT和Gemini这样的LLM来为许多低代码平台生成代码,而像AppSmith和Google AppSheet这样的无代码平台则使用人工智能来基于描述想要集成的内容的文本生成集成。使用的任何人工智能技术都需要适当的训练和全面的治理。因此,尽管人工智能工具降低了新手开发人员的入门门槛,但在将代码部署到生产环境之前,仍然需要有经验的程序员来审查、验证和测试代码。

java_cjkl的博客 1212

yolov26改进 | 融合改进篇 | 轻量级移动端网络ShuffleNetV2融合CCFM参数量仅百万(附代码+修改教程)

本文介绍ShuffleNetV2与跨尺度特征融合模块CCFM融合改进的YOLOv26。ShuffleNetV2以硬件效率为导向,通过通道分割、轻量卷积和Channel Shuffle减少冗余计算与内存访问,在降低参数量和GFLOPs的同时保持高效特征提取;CCFM进一步加强不同尺度特征交互,弥补轻量主干语义表达不足的问题。本人在轻量模型上测试后,参数量和计算量明显下降,检测精度有一定提升,适合移动端、边缘设备及实时检测任务。文中提供完整代码、配置文件、模块注册及Codex修改思路,方便复现、对比和二次创新。

Snu77的博客 204

【华为OD】华为性格测试(综合测试)高分策略

1、性格测试非常重要,是一次否决制,18 个月有效期,所以态度一定要认真对待,不要随便乱选;2、做题原则:正向原则,积极乐观向上3、时间为 25-30 分钟,会频繁出现重复选项重复出现的题目注意一致性。

笑着的程序员的博客 3万+

探索免费中文版AI编程助手,开启高效开发新时代

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 标题:探索免费中文版AI编程助手,开启高效开发新时代 随着人工智能技术的飞速发展,编程工具也在不断革新。对于广大的开发者来说,如何在激烈的市场竞争中脱颖而出,提升开发效率和代码质量成为了至关重要的问题。今天,我们将带您深入了解一款全新的、免费的中文版AI编程助手——它不仅能够帮助编程新手快速上手,还能为经验丰富的开发...

inscode_081的博客 841

实现真正的「人机」对战:引入三方 AI 引擎

引入三方 AI 引擎 前边,我们实现了与云库对战的象棋游戏。这一节中,我们将开始实现真正的「人机」对战 — 人与手机 AI 之间对弈; 实现一套象棋 AI 工程浩大,这个工作我们后续文章会做一番介绍。现代软件工程并不主张每个人都「造轮子」,因此我们要有「站在巨人肩膀上」的小智慧。 本节概要 从 github 寻找开源中象引擎 梳理引擎接入的思路 寻找适合的开源中国象棋引擎 github 上有大...

tosmart的博客 983

Python 开发者的智能助手——新时代编程利器

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 标题:Python 开发者的智能助手——新时代编程利器 在当今快速发展的科技时代,Python 已经成为最受欢迎的编程语言之一。无论是数据科学、机器学习、Web 开发还是自动化脚本编写,Python 的简洁性和强大的功能使其成为开发者们的首选。然而,随着项目复杂度的增加,开发效率和代码质量成为了开发者们面临的两大挑战...

inscode_078的博客 602

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

智能编程助手:开启高效开发新时代

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 智能编程助手:开启高效开发新时代 随着人工智能技术的迅猛发展,智能分析软件逐渐成为开发者们不可或缺的工具。这些软件不仅能够显著提升开发效率,还能帮助开发者解决复杂的编程难题。在众多智能分析工具中,有一款特别引人注目的产品,它通过集成先进的AI技术,为开发者提供了前所未有的编程体验。本文将探讨这款智能编程助手的应用场景...

inscode_048的博客 946

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

智能编程新时代:AI驱动的开发工具如何改变编程生态

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 智能编程新时代:AI驱动的开发工具如何改变编程生态 随着人工智能技术的迅猛发展,编程工具也在经历一场前所未有的变革。传统的集成开发环境(IDE)已经无法满足现代开发者对高效、便捷和智能化的需求。在这种背景下,AI编程工具应运而生,为开发者带来了全新的编程体验。本文将探讨AI编程工具在实际应用中的巨大价值,并重点介绍一...

inscode_040的博客 946

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

AI代码助手的10大主要特点

基于人工智能的代码助手可以从过去的编码模式中学习,预测程序员想要实现的目标,并建议适当的代码片段。与简单的自动完成工具不同,这些人工智能系统可以分析更广泛的项目范围,识别模式并提供与整体架构和设计模式一致的建议。重构对于维护干净的代码至关重要,人工智能驱动的助手现在提供复杂的自动重构功能。通过从过去与开发人员的互动中学习,这些工具将调整他们的建议和支持,以符合个人的编码风格和偏好。无论您是处理复杂项目的经验丰富的软件开发人员还是初学者,编码助手都可以自动化编码的繁琐环节,让您更加专注于问题解决和创新。

EasyOps_DevOps的博客 1990

智能编程新时代:Dify助力开发者高效创新

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 标题:智能编程新时代:Dify助力开发者高效创新 随着科技的飞速发展,人工智能在各个领域的应用日益广泛。特别是在软件开发领域,智能化工具正逐渐改变着传统的工作模式。Dify作为一款集成了先进AI技术的开发助手,不仅为开发者提供了前所未有的便利,更在多个应用场景中展现出巨大的价值。本文将深入探讨Dify如何帮助开发者提...

inscode_059的博客 959

智能机器人开发的新纪元:AI工具如何重塑编程未来

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 智能机器人开发的新纪元:AI工具如何重塑编程未来 随着人工智能技术的迅猛发展,智能机器人的应用场景日益广泛,从工业自动化到智能家居,从医疗健康到金融服务,智能机器人正逐渐渗透到我们生活的方方面面。然而,对于许多开发者来说,智能机器人的开发仍然充满了挑战和复杂性。传统开发工具往往需要深厚的编程知识和大量的时间投入,这对...

inscode_060的博客 307

革新编程新时代:AI驱动的开发工具如何改变开发者的世界

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 革新编程新时代:AI驱动的开发工具如何改变开发者的世界 随着人工智能技术的迅猛发展,编程领域也迎来了前所未有的变革。新一代AI开发工具不仅改变了传统的编码方式,还为开发者提供了前所未有的便捷与高效。本文将深入探讨这些工具的应用场景及其巨大价值,并特别介绍一款代表性的AI开发工具,引导读者了解其独特魅力和实际应用。 一...

inscode_037的博客 516

国产Cursor开启编程智能化的大门!

InsCode AI IDE是一款集成了先进人工智能技术的编程开发环境,旨在为开发者提供高效、智能的编程体验。它不仅具备传统IDE的基本功能,如代码编辑、调试、版本控制等,还通过AI技术实现了智能代码补全、自动化代码审查、实时错误检测与修复等一系列创新功能。InsCode AI IDE的核心优势在于其原生智能化设计。它通过深度学习和机器学习算法,能够理解和分析开发者的编程习惯,从而提供更加精准的代码建议和优化方案。

m0_59502398的博客 980

智能编程新时代:AI对话助力开发者效率飞跃

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 智能编程新时代:AI对话助力开发者效率飞跃 在当今快速发展的科技时代,编程工具的智能化程度已经成为衡量开发效率的重要标准。随着人工智能技术的不断进步,带AI对话功能的开发工具正逐渐成为开发者们的得力助手。这些工具不仅能够显著提升编程效率,还能为初学者提供一个更加友好的学习环境。本文将深入探讨这类智能开发工具的应用场景...

inscode_088的博客 467

智能编程新时代:免费中文版AI IDE引领开发者革命

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 智能编程新时代:免费中文版AI IDE引领开发者革命 随着人工智能技术的飞速发展,编程工具也在不断革新。近年来,一款名为“智能编程助手”的免费中文版AI IDE横空出世,为开发者们带来了前所未有的便捷与高效。这款工具不仅能够显著提升开发效率,还让编程新手也能轻松上手,快速实现复杂项目开发。本文将详细介绍这款AI ID...

inscode_095的博客 877

智能编程新时代:让代码编写变得轻而易举

最新接入DeepSeek-V3模型,点击下载最新版本InsCode AI IDE 智能编程新时代:让代码编写变得轻而易举 随着人工智能技术的飞速发展,越来越多的开发者开始借助AI工具来简化和优化他们的工作流程。在这一背景下,一款名为dify的智能编程助手应运而生,它不仅极大地提升了开发效率,还为编程新手提供了前所未有的便捷体验。本文将深入探讨dify的应用场景、巨大价值,并引导读者了解如何通过这款...

inscode_006的博客 873

职坐标智能编程助手代码质量分析优化指南

《职坐标智能编程助手代码质量分析优化指南》深度解析智能编程助手在代码质量分析领域的核心应用,涵盖代码审查、规范检测、性能优化等六大维度。通过AI算法实现缺陷定位、复杂度评估与自动化修复,为技术团队提供完整的代码质量提升方案,有效降低维护成本30%+。

haitongzzb的博客 859

编程新纪元当人工智能重构代码的未来

这不仅是工具的简单升级,更是一场深刻的生产力革命,预示着编程新纪元的开启。开发者可以将更多精力集中于更高层次的抽象:定义清晰的需求、设计优雅的系统架构、权衡各种技术方案的利弊,以及确保软件的整体质量和业务逻辑的正确性。与AI的对话,如同与一位知识渊博且不知疲倦的初级程序员协作,开发者只需提出精准的指令和意图,AI便能生成可用的代码草案。我们需要思考如何确保AI生成代码的安全性和可靠性,如何避免对AI的过度依赖导致开发者批判性思维和底层技能的退化,以及如何在法律和伦理层面界定AI生成代码的版权和责任归属。

u012381565的博客 294
上一篇: Chrome 支持运行 Kotlin、Java 等编程语言
下一篇: 切换到了 Tailwind CSS,真香!
codingpy
博客等级 码龄11年 1874粉丝 104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