AI 輔助開發工具：Warp、Bito、Cursor 與 Code Llama 等新技術

– 12 分鐘閱讀

現代軟體開發日益複雜，AI 輔助開發工具的出現，為提升開發效率和程式碼品質提供了新的途徑。本文將介紹幾款熱門的 AI 輔助開發工具，如 Warp、Bito 和 Cursor，並探討大語言模型如 GPT-4 和 CodeT5 在程式碼生成上的應用。此外，我們也將關注 Salesforce、SAP 和 ServiceNow 等企業如何利用 AI 技術開發更強大的開發平台。這些工具和技術涵蓋了程式碼生成、錯誤檢測、程式碼補全、重構等多個方面，為開發者提供了更全面的支援。

現代化終端機：Warp 的革新與功能

Warp 是一款現代化的終端機應用程式，旨在提升使用者的效率和體驗。它透過將每個命令和其輸出區分為獨立的區塊，讓使用者能夠輕鬆地瀏覽和管理過去的命令。這與傳統的命令列介面（CLI）形成鮮明對比，後者通常缺乏指導，依賴使用者的專業知識來解釋錯誤訊息和進行故障排除。

Warp 的智慧功能

Warp AI 提供了強大的智慧功能，透過右鍵選單可以輕鬆存取，提供錯誤解釋和解決方案。這使得使用者即使在遇到問題時也能迅速找到答案，而不需要深入研究技術細節。

實際應用案例

例如，假設你想知道如何使用 grep 忽略目錄進行遞迴搜尋，可以在 Warp 中輸入以下提示：

Prompt: # How do I use grep to exclude directories in a recursive search?

Warp 會提供相關的答案，並允許你將其複製到終端機中。

使用者見解

Lloyd 是一位熱衷於使用 Copilot 的開發者，他表示：「我經常在開發中使用 Warp 和 Copilot，這兩者相輔相成。」

另一位大力推薦 Warp 的使用者是 Instagram 的共同創辦人 Mike Krieger。他說：「我在工作中每天都使用 Warp。我最喜歡的是它的速度——無論是執行速度還是使用體驗，特別是優秀的自動補全和搜尋功能。Warp 將終端機帶入現代化時代，我期待看到它未來的發展。」

平台支援與定價

Warp 支援 Mac、Linux 和 Windows 作業系統，並且還提供網頁版本。其定價結構分為三個層級：

  • 免費版：每日提供最高 20 次 AI 請求。
  • 團隊版：每月每位使用者 $12，提供每日最高 100 次 AI 請求。
  • 企業版：根據客戶需求定製價格。

Bito AI：提升編碼效率的智慧工具

Bito AI 是一款由 Amar Goel 和 Anand Das 創立的智慧編碼助手。這兩位創始人曾於 2006 年共同創立 PubMatic，並在 2020 年成功上市。他們在 PubMatic 的經歷讓他們認識到 AI 在提升編碼效率方面的巨大潛力。

Bito 的多語言支援

Bito 支援 20 種語言，包括獨特的混合語言如 Hinglish（印地語和英文的混合）。這使得來自不同語言背景的開發者都能輕鬆使用。

主要功能

Bito 提供多種強大的功能，包括：

  • 自訂提示範本：為常用的編碼結構建立自訂提示範本，簡化開發流程。
  • 安全性和效能檢查：提供最佳化建議，增強程式碼的安全性和效率。
  • 廣泛上下文視窗：擁有約 240,000 個標記符號的上下文視窗，增強理解和分析能力。
  • 本地向量資料函式庫：有效處理大型程式碼函式庫，生成更相關和準確的結果。

命令列介面中的程式碼片段範例

以下是一個如何在 Cursor 中利用程式碼片段範例來解決問題：

def example_function():
    variable = "example"
    return variable

內容解密：

這段程式碼定義了一個簡單的函式 example_function，該函式傳回一個字串變數 “example”。這種基本結構有助於理解如何在不同情境下進行函式定義與傳回值操作。

記憶體洩漏檢測

Bito 還能夠檢測潛在的記憶體洩漏問題。記憶體洩漏是指程式佔用了一部分電腦的 RAM 後卻忘記釋放它們。如果這種情況持續發生，會導致電腦效能下降甚至當機。Bito 能夠透過以下提示來幫助檢測記憶體洩漏：

Prompt: Identify any issues with the code.

Bito 不僅會標記問題所在，還會提供修復建議。

隱私保護

Bito 對於隱私保護非常重視，不會儲存任何實際程式碼，但會保留一些生成過程中的後設資料。

定價結構

Bito 提供兩種版本：

  • 免費版：適合個人使用。
  • 付費版：每月每位使用者 $15，提供無限制 AI 編碼補全和擴充套件上下文視窗等高階功能。

根據 Bito 的內部分析報告顯示，使用該工具的開發者報告其編碼效率提升了 31%，並且平均每月使用該工具約 200 次。目前該平台已擁有約 100,000 名使用者。

Cursor：未來編輯器的趨勢

Cursor 是由 Anysphere 開發的一款強大編輯器。該公司對 Cursor 有著宏偉的願景：希望未來幾年內開發出一款比世上任何編輯器都更好用、更有趣、更不容易出錯的人工智慧編輯器。

強大背景支援

Cursor 得到了 OpenAI 的關注並成功募集資金 $800 萬美元以進行進一步開發。這些資金將用於進一步增強 Cursor 的功能和市場競爭力。

技術特點

Cursor 提供選擇 GPT-4 或 GPT-3.5 模型之間的一些專屬模型來增強其功能：

  • 包含1.4億向量
  • 接觸到15萬個程式碼函式庫
  • 應用先進的人工智慧技術如 Merkle樹狀結構以進一步提高效率與準確性

Cursor 是 VS Code 的分支並相容 Windows、Mac 和 Linux 作業系統。這意味著你不需要學習新 IDE ，因為它允許匯入現有 VS Code 擴充套件並直接在 CLI 中利用 AI 功能。

命令列介面中的程式碼片段範例

以下是一個如何在 Cursor 中利用程式碼片段範例來解決問題：

function exampleFunction() {
    const exampleVariable = "example";
    return exampleVariable;
}

內容解密：

此範例展示了 JavaScript 中如何定義並執行簡單函式 exampleFunction。該函式宣告一個常數變數 exampleVariable 再回傳其值 “example” 。此基本概念有助於理解函式定義與回傳值操作方式並且有助於實務中快速進行類別似操作。

聊天區域功能

Cursor 提供了聊天區域功能讓你可以輕鬆引入檔案並在其中提出問題：

Prompt: @python docs

或者引入特設定檔案並瞭解其作用：

Prompt: What does @the_app.ts do?

故障排除能力

Cursor 提供直接在終端機進行故障排除功能。它透過分析檔案並進行邏輯處理來找出問題所在並嘗試解決它們。

AI輔助開發工具：探討技術與應用

Cursor：快速上手與應用場景

Jeffrey Biles 是一位全端網頁開發者，他對 AI 輔助開發工具 Cursor 讚譽有加。根據他的經驗，Cursor 可以透過簡單的鍵盤操作快速載入應用程式上下文，這對於回答問題、記住語法、重構小段程式碼以及生成樣板程式碼非常有幫助。然而，當需要理解跨多個檔案的大型資料模型時，Cursor 會顯得力不從心。Jeffrey 表示，隨著模型的改進，尤其是擴大上下文視窗，這一侷限性將會逐漸消失。

Tosh Velaga 是另一位 Cursor 的使用者，他同時是多家 AI 公司的創辦人，如 Typeblock 和 STBL。Tosh 提到，Cursor 的 Command+L 快捷鍵功能特別實用，當他接觸到新的程式碼函式庫且不熟悉後端語言時，這個功能幫助他迅速上手。此外，Cursor 支援自帶 API 金鑰，這樣可以節省成本並在 GPT-3.5 和 GPT-4 之間切換。

Code Llama：Meta 的開源技術壯舉

Code Llama 是 Meta 在 AI 輔助開發領域的重要貢獻之一。自 2023 年 8 月推出以來，Code Llama 以其強大的功能和廣泛的應用場景吸引了眾多開發者的關注。Code Llama 建立在 LLaMA 2 大語言模型基礎之上，經過了大量資料的訓練和最佳化。

模型架構與特點

Code Llama 的基礎模型 LLaMA 2 接受了高達 2 兆個詞元的訓練，並支援 4,096 個詞元的上下文長度。此外，Code Llama 還有一些精調版本，這些版本經過了超過百萬個人類註解的訓練，使其更加高效和可靠。

LLaMA 2 的特殊版本 LLaMA 2-Chat 特別針對聊天應用進行了最佳化，在幫助度和安全性方面表現優異。它已經與 Hugging Face 等平台整合，並與 Microsoft 和 Amazon 等公司建立了合作夥伴關係。

語言支援與應用場景

Code Llama 支援多種主要程式語言，包括 Python、C++、Java、PHP、JavaScript、C# 和 Bash。它提供了三種不同尺寸的模型：70 億、130 億和 340 億個引數。這些模型都經過了大量程式碼的訓練，特別是 70 億和 130 億引數的模型具備填補中間程式碼的能力，非常適合程式碼補全任務。

def example_function(input_data):
    # 填補中間程式碼
    processed_data = input_data * 2
    return processed_data

#### 內容解密：
此範例展示了一個簡單的 Python 函式 `example_function`。函式接受一個輸入引數 `input_data`，然後將其乘以二並傳回結果。這段程式碼展示瞭如何使用 Code Llama 的填補中間程式碼功能來完成特定任務。

其他開源模型：多樣化選擇

除了 Code Llama 外，還有許多其他開源模型在 AI 輔助開發領域取得了顯著進展。以下是幾個值得關注的模型：

StableCode：Stability AI 的創新

Stability AI 提供了一個名為 StableCode 的開源模型。StableCode 根據 BigCode 專案訓練而來，BigCode 是 Hugging Face 和 ServiceNow Research 聯合開發的一個大規模 GitHub 資料集。StableCode 支援多種程式語言，並採用旋轉位置嵌入 (RoPE) 技術來提升效能。

  graph TD
    A[Stability AI] --> B[StableCode]
    B --> C[BigCode 資料集]
    B --> D[RoPE 技術]
模型版本與應用

StableCode 提供了三種版本：

  1. StableCode-Completion-Alpha-3B-4k：具備 30 億引數，適合處理多種語言和長達 4,000 個詞元的上下文。
  2. StableCode-Instruct-Alpha-3B：專注於指令調整。
  3. StableCode-Completion-Alpha-3B：擅長處理大規模程式碼補全任務。

AlphaCode：DeepMind 的競爭力

DeepMind 推出的 AlphaCode 在競賽性程式設計中表現不俗。AlphaCode 在 Codeforces 上獲得了前 54% 的名次。它能夠處理複雜的演算法問題和自然語言理解任務。

  graph TD
    A[DeepMind] --> B[AlphaCode]
    B --> C[競賽性程式設計]
    B --> D[複雜演算法]

PolyCoder：遊戲開發者的福音

PolyCoder 特別適合於遊戲開發者使用 C 語言進行快速開發。它支援多種語言並經過大規模資料集訓練。

  graph TD
    A[PolyCoder] --> B[遊戲開發]
    A --> C[多語言支援]

隨著 AI 技術的不斷進步，AI 輔助開發工具將會變得更加強大和智慧。未來可能會看到更大規模的上下文視窗、更高效的模型訓練以及更廣泛的語言支援。這些進展將會極大地提升開發者的工作效率和創新能力。

CodeT5與企業AI助手之技術分析

CodeT5的設計與應用

CodeT5是一個專門針對程式設計任務最佳化的預訓練編碼器-解碼器模型。其設計使其能夠在多種程式設計任務中表現出色，包括程式碼錯誤檢測、程式碼複製檢測、程式語言轉換以及將程式語言轉換為自然語言等。CodeT5的架構包含了多種技術手段，以提升其理解和生成程式碼的能力，充分利用了程式語言中的深層結構。

在CodeXGLUE（General Language Understanding Evaluation benchmark for CODE）中的14項挑戰中，CodeT5展現了卓越的效能。它在生成任務如程式碼摘要、文字轉程式碼、程式碼翻譯以及程式碼最佳化方面超越了PLBART等舊模型。在理解任務中，CodeT5也表現出色，能夠有效地檢測程式碼錯誤並與其他模型並駕齊驅地進行程式碼複製檢測。

大型軟體企業的AI助手系統

大型軟體公司如SAP、ServiceNow和Salesforce已經開始開發自己的程式碼生成系統。這些公司擁有巨大的客戶基礎、豐富的資源以及廣泛的分銷網路，這些都是他們成功的關鍵因素。此外，他們還擁有龐大的人才函式庫和品牌信任度，這些都使他們能夠快速整合新技術並推動市場趨勢。

Salesforce Code Builder

Salesforce Code Builder是一個旨在幫助開發者調整CRM和其他Salesforce元件的工具。它支援最新的Salesforce語言和框架，並且允許開發者從Open VSX市場取得第三方外掛，這是一個大型的VS Code擴充套件開放平台。這些功能無需安裝或組態，即可立即使用。

SAP Build Code

SAP Build Code專為Java和JavaScript開發者設計，並與SAP Joule（SAP的AI助手）整合。它還提供強大的資料函式庫系統，如SAP HANA（高效能分析裝置）。

StarCoder LLM

StarCoder LLM是ServiceNow和Hugging Face聯合開發的一個開源專案。它擁有150億個引數，並且在80多種程式語言中的萬億個標記上進行了訓練。該專案強調治理、安全性以及遵守規範，僅使用獲準使用的許可證訓練的程式碼。

AI助手工具對開發者的影響

AI助手工具正在改變開發者的工作方式，提供一些令人驚嘆的新功能。亞馬遜、谷歌、Facebook和Salesforce等大型公司都積極參與這一領域。此外，一些創新小公司也以其獨特功能和合理價格吸引了注意力。開源專案也在這一領域中發揮著重要作用。

隨著這些AI模型變得更加強大和智慧，它們在編寫、解釋和修改程式碼方面也變得更加出色。未來，成功的企業將會將這些工具無縫地融入到開發者現有的工作流程中。

一般用途大語言模型

除了專門針對程式設計任務最佳化的模型外，一些通用大語言模型也能夠生成程式碼。雖然它們可能不具備專門程式設計工具所擁有的一些高階功能（如IDE整合、嚴格安全措施或模型訓練過濾器），但它們仍然非常強大且具有多樣化的應用。

以下是一些知名的通用聊天機器人及其應用：

ChatGPT

ChatGPT於2022年11月30日由OpenAI推出，迅速成為全球最快速成長的網際網路平台之一。ChatGPT在五天內吸引了一百萬使用者，兩個月內使用者數達到一億。截至2023年9月，ChatGPT已經擁有超過15億次存取量，收入達到12億美元。

ChatGPT背後是OpenAI，這家成立於2015年的公司得到了包括伊隆·馬斯克、薩姆·阿爾特曼等多位矽谷重量級人物的支援。OpenAI最初以非營利性組織形式營運，致力於實作人工一般智慧（AGI），並希望將其應用於造福人類而非造成傷害。

隨著技術進步和資金需求增加，OpenAI於2019年轉為「限制性盈利」公司，以便從風險投資和戰略投資者那裡籌集資金。微軟也是OpenAI的一個重要投資者，自2019年起已累計投資約130億美元。

Gemini與Claude

除了ChatGPT之外，Gemini和Claude等通用聊天機器人也在不斷推動人工智慧技術進步。這些工具不僅可以幫助開發者編寫和修改程式碼，還可以在規劃和頭腦風暴中提供協助。

此圖示展示ChatGPT及其他通用LLM在不同場景中的應用

  graph TD
    A[ChatGPT] --> B[Coding Assistance]
    A --> C[Planning]
    A --> D[Brainstorming]
    E[Gemini] --> B
    E --> C
    E --> D
    F[Claude] --> B
    F --> C
    F --> D
內容解密：

此圖示展示了ChatGPT、Gemini和Claude三款通用LLM在不同場景中的應用情況。每一款LLM都可以提供程式設計輔助、規劃及頭腦風暴等功能。無論是單純地編寫或修改程式碼還是進行更高層次上的思考與企劃活動都可以得到相應幫助。

隨著AI模型變得更加複雜且智慧化程度提升，開發者將會更多地依賴這些強大工具來提升工作效率和創新能力。未來成功企業將會積極融入這些AI技術進一步提升產品競爭力與市場佔有率。

瞭解 GPT-4 在程式碼生成中的應用

GPT-4 是 OpenAI 開發的最新語言模型，其在程式碼生成方面展現了卓越的能力。這得益於其廣泛的訓練資料，涵蓋了多種資源和領域。這種多樣化的訓練使得 GPT-4 在多個專業和學術評估中達到了接近人類專家的表現，並在大多數程式語言上超越了 GPT-3 和 GPT-3.5。

GPT-4 的優勢

GPT-4 的優勢主要來自於以下幾個方面：

  1. 跨領域的廣泛訓練：GPT-4 的訓練資料來自多種來源，這使得它能夠處理複雜的自然語言指令並生成深度且技術性強的作品。
  2. 32K 情境視窗：GPT-4 擁有更大的情境視窗，能夠處理更長且更複雜的文字和程式碼。

具體應用與表現

在特定的程式碼生成評估中，GPT-4 經過最佳化並結合 Reflexion 框架後，在 HumanEval 測試中取得了 88% 的透過率。相比之下，基礎版本的 GPT-4 透過率僅為 67%。這表明，透過進一步改進，GPT-4 可以達到程式碼生成任務中的前沿表現。

在 Codeforces 競賽平台上的競爭性程式設計場景中，GPT-4 得分 392 分，超越了 GPT-3.5 的 260 分。然而，GPT-4 在競爭性程式設計中仍然是新手，這些分數仍然處於底部 5%。儘管 GPT-4 已經取得了顯著進步，但在面對困難的程式設計挑戰時仍需提升以比對人類專家的水平。

玄貓

玄貓

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。