AI编码的六波浪潮与程序员的未来
2025-03-22
本文探讨了AI编码的演变，从传统的代码编写到基于代码补全、基于对话、编码代理、代理集群再到代理集群，预测了未来AI编码的趋势。作者认为，编码代理将极大地提高开发效率，但同时也带来高昂的成本，并预言未来程序员的角色将转变为管理和协调AI代理。文章特别指出，年轻一代程序员比资深程序员更积极地拥抱AI技术，这将重塑软件开发行业的人才结构。
阅读更多
大型语言模型：代码辅助的下一个前沿
2025-01-14
本文作者回顾了大型语言模型（LLM）的快速发展，特别是其在代码辅助领域的应用。他以亚马逊AWS和Kubernetes等案例为例，阐述了小型技术突破如何催生巨大产业的道理。作者认为，LLM辅助编码工具即将改变软件开发行业，并强调了拥有高质量数据（数据护城河）的重要性，这对于提升LLM辅助工具的代码生成质量至关重要。文章最后介绍了Sourcegraph的Cody，一款基于LLM的代码辅助工具，它利用Sourcegraph强大的代码搜索引擎来构建“作弊表”——上下文窗口，从而显著提升代码生成质量。
阅读更多
开发
开发人员对开发人员生产力的看法
2024-06-27
本文是一位开发者对软件开发生产力的思考。作者认为，衡量开发人员生产力的指标不应该是代码行数或提交次数，而应该是迭代频率，即内部循环的循环速度。作者还探讨了影响开发人员生产力的因素，例如流程状态、上下文切换、团队合作和领域专业知识。文章强调了理解和优化内部循环的重要性，并鼓励开发人员积极参与定义和改进软件开发流程，以提高生产力和创造力。
阅读更多
52
未分类
Cody 中 Rust 代码补全功能增强
2024-06-18
本文介绍了 Sourcegraph 如何改进 Cody 中 Rust 代码补全功能。由于 Rust 在训练数据集中占比不高，导致大型语言模型在 Rust 代码补全方面表现不佳。Sourcegraph 使用 LoRA 技术对 Mixtral 8x7b 和 Code Llama 34b 模型进行微调，并针对 Rust 语言创建了一个微调数据集。结果表明，经过微调的模型在 HumanEval 基准测试中表现出色，Pass@1 指标显著提高。文章还通过具体示例展示了微调模型在解决 Rust 编码问题方面的优势，例如更正错误、提高效率和逻辑完整性。最后，Sourcegraph 展望了未来的改进方向，包括开发更贴近真实编码体验的评估套件，以及将改进扩展到其他编程语言。
阅读更多
56
未分类