程序员编码加速器，代码智能补全工具盘点程序员编码加速器，代码智能

近几年，人工智能迅速发展，在各行各业都有所应用，特别是近两年，面向开发者的AI开发工具也是层出不穷，特别是从GitHub Copilot工具中看到了AI对开发者带来的无限可能性。
本文主要介绍目前业界比较实用的几款智能开发工具，并会在后续的文章中做一些更为详细偏个人使用感受的对比评测。本次涉及到的工具包含国外的Kite、Codota、TabNine、GitHub Copilot、微软IntelliCode，国内的阿里云Cosy、AIXcoder。我们先来看一下这些工具的特点：

文章图片

简单来说，TabNine支持的语言及IDE种类最多，GitHub Copilot提供的补全效果更惊艳，阿里云Cosy的代码搜索功能最丰富，接下来让我带你一起详细了解一下。
一、Kite 说到业界在代码智能补全领域发布最早的工具，Kite便是其中之一，它成立于2014年，在Atom/Vim/Spyder等编辑器发布代码智能提示插件，初期只面向Python开发者，当前扩展到面向绝大部分主流开发语言。并于2020年初发布JetBrains插件，2021年初发布VSCode插件。
Kite支持目前主流的16种开发语言以及16种代码编辑器，但是从我的使用体验上来看，其最擅长的还是Python语言，毕竟是Kite最早支持的语言类型。效果较好的语言：Python
支持功能

代码智能补全
- 远程服务模式，代码需要上传到远程服务器
- 离线模式，能够把模型下载到用户本地，无法联网也可使用补全
- 专业版能针对用户的代码库进行训练
代码搜索（支持Python）
- 支持Python API的官方文档及少量示例

使用体验由于Kite主打的是Python语言，所以我主要在PyCharm中进行试用，Kite需要先安装一个独立应用（目前Kite官网不知道什么原因，已经关闭了下载入口），通过该应用向各种IDE安装插件，这个独立应用时不时会自动弹出来，是比较烦人的。
Kite最主要的功能是代码智能补全，从补全效果来看，它不擅长生成长序列代码片段，生成出的最长代码通常只有两到三个单词，但是它最主要的亮点在于它能对IDE自带的补全结果进行整体的排序优化，我们知道IDE自带的补全效果是比较一般的，很多只是根据API名称进行简单的排序，稍微好一些的会根据使用的频率进行排序，而Kite会结合代码的上下文，根据开发者的需求，将开发者更可能用到的API排在最上面，从而减少开发者的输入。但是这种方式带来的体验提升有限，跟PyCharm自带的补全差别不会很大，特别是PyCharm的新版提供了基于机器学习的排序优化。
下面展示几个补全示例：
1）Kite根据上文能自动补出Flask的导入，但是第三项只补了一半。

文章图片

2）补全结果中只带有Kite Logo

文章图片
的是Kite生成的结果，如果是

文章图片
图标表示是Kite对IDE结果进行了排序优化，我们可以看到Kite能生成 app = Flask(__name__) _ _这种长序列的代码，但是排序比较靠后。

文章图片

3）从下面的示例中可以看到Kite生成了比较多的结果，总体还是不错的，但是像 rule、list 这两个变量是不存在的，需要开发者删掉自己写，这个问题也是诸多代码补全工具的共性问题。由于它们会从开源代码中学习到诸多模式，但是这些模式不一定适合本地工程，就很容易生成在本地工程中存在语法错误的代码。

文章图片

在其他语言上，Kite的表现就不太理想了，比如在Java上会提供很多错误的补全结果，而且大部分也只有单API的补全结果，基本上没太大用处，后面的文章会有更详细的评测。

文章图片

总体来说，Kite适合喜欢短序列补全结果的Python开发者。
二、Codota 除了Kite，业界另一个涉足最早涉足该领域的工具是Codota，Codota成立于2013年，在2014年下旬发布第一个Jetbrains插件版本，主要面向Java开发者。但是，目前Codota公司收购TabNine之后，已经放弃了Codota这款插件，并将老产品改名为了TabNine。效果最好的语言：Java
支持功能

代码补全
- 基于程序分析、统计分析的规则化代码补全，主要能针对部分类名、常用的代码模板进行补全
代码示例搜索（支持Java、JavaScript）
- 支持搜索引用了指定API的代码示例
- 支持关键词搜索

使用体验 Codota的代码补全功能能在一些非常通用的代码上提供补全结果，在代码模板的推荐效果上比较好，可以认为是IDEA代码模板的补充，但是在代码上下文识别、变量自动填充等方面效果比较一般。
下面展示几个示例：
1）Codota在补全时能生成了非常多的补全结果，但是补全结果太多，很多时候是比较打扰我编码的，会把IDE自带的补全挤到很后面，而且有很多不太准确，同时也存在类似Kite的语法错误问题，比如下图中的 url 变量是不存在的。

文章图片

2）我们再来看看变量的自动填充效果如何：当上文中存在filePath变量时，Codota有一个补全项自动填充了filePath变量，但是其他的补全项并没有识别到已经声明了文件路径的场景，反而推荐了各种代码模板，这些都不是我想要的，过多的结果反而对我形成了干扰。

文章图片

如果我们将filePath变量改个名，比如filePathTest，那么Codota就不会进行变量的自动填充，说明Codota的变量自动填充的能力比较有限，更多的是进行代码模板的推荐。
3）在下面的动图中，我们可以看到Codota无法自动将inputStream变量填充到XSSFWorkbook的参数中，需要人工填写，并且在后续的补全中不能很好的识别代码上文，在下一行依然在推荐Workbook的初始化代码，而当我们希望通过已有的workbook变量获取XSSFSheet结果时，Codota无法识别到已有的workbook变量。

文章图片

4）当然，在代码模板方面，它对IDEA的代码模板进行了进一步的补充，这一点是比较好的。

文章图片

在其他代码补全工具发布之前，Codota还是一个比较不错的开发利器，但是现在目前稍微有点差强人意，所以Codota公司已经放弃该产品的演进，转而大力发展收购的TabNine。
三、TabNine TabNine是一款比较年轻的开发工具，刚发布的时候还是比较惊艳的，那个时候OpenAI刚开源GPT-2模型不久，TabNine基于GPT-2模型在海量代码数据上进行调优，打造出了一款针对代码的深度学习引擎，它能智能识别代码的上文信息，提供长序列的代码补全结果。目前，已经被Codota公司收购，并主推该工具，宣称支持所有主流的开发语言。
支持功能

代码智能补全
- 免费版只提供较为基础的补全功能，收费的Pro版本补全效果更好
- 远程服务模式，代码需要上传到远程服务器，但是模型更强大，本地内存占用少
- 离线模式，能够把模型下载到用户本地，无法联网也可使用补全，但是本地内存占用高，有时候CPU会飙高
- 针对专业版提供了适配企业/私有代码的能力，是需要收费的
度量分析
- 在IDE中提供了简单的编码效能的数据

使用体验在针对Java语言的体验中，TabNine能对很多情况都生成较长的代码序列，不仅支持代码符号，也支持字符串、注释、Javadoc等内容的自动提示，在这方面还是比较方便的，但是通常自动提示的效果不是很好，毕竟这类信息的生成是需要理解代码的，而TabNine只能根据上文学习的模式进行生成，没有真正理解到代码的逻辑。除了Java文件，Java工程相关的文件如Yaml、properties等配置文件，它也能根据一定的模式进行自动提示。
但是TabNine经常会推荐生成了一半的补全结果，也会经常推荐出本工程内不存在的API，最让人不能接受的地方是如果是使用离线模式，内存占用量非常高，cpu占用有时候也会比较高。下面我们来看几个示例（以下示例基于TabNine Pro版本）：
1）TabNine提供的代码补全经常会出现不完整代码片段，比如下图中的 HSSFWork。

文章图片

下图中的XSS也是不完整的，并且 sheet = new XSSFRow 该选项不符合语法，sheet变量对应的是XSSFSheet类。

文章图片

2）由于深度学习模型的推理非常耗时，所以TabNine考虑到性能原因，每次补全首次触发时会通过轻量级模型进行代码生成，在下次触发时通过缓存获取深度学习模型的结果，所以如果我们在同一个光标位置，重新触发代码补全，TabNine会提供给我们更好的补全结果。上面两幅图均为首次触发的结果，下图为第二次触发的结果，可以看到代码生成半截的情况会少很多，但是依然存在语法错误。

文章图片

3）TabNine能提供比较长的补全结果，但遗憾的是getSheetCount方法是不存在的，存在语法错误。

文章图片

4）比较好的地方是TabNine对之前出现过的代码学习能力较好，能快速的学习到出现过的代码模式。

文章图片

后面的文章会对TabNine做更详细的对比评测，这里就不展开介绍了，总体来说，TabNine能提供长序列的代码补全，但是与其他工具相同，会推荐出不完整的代码以及存在语法错误的代码。我也了解到有部分同学喜欢TabNine即时学习代码模式的能力。
四、GitHub Copilot GitHub近期发布的的代码智能生成插件，目前支持VSCode、JetBrains等IDE平台，不同于其他代码补全工具只提供最多一行的补全结果，Copilot能通过代码上下文以及语言描述，生成整个代码片段，无疑是开发者的编码利器。
它是如何做到的呢？上文提到TabNine使用的是GPT-2深度学习模型，而Copilot使用的是OpenAI据说烧了数千万美元研发出来的GPT-3模型，Copilot在GPT-3模型基础之上通过对GitHub的开源代码进行学习，得到了Codex模型，该模型具备强大的代码生成能力。但是由于该模型非常庞大，需要有足够的硬件支撑，所以Copilot目前只能通过邀测的形式小范围试用。从FAQ中的信息显示，Copilot未来可能不会大面积免费开放，未来想要尝试该工具的开发者要准备好预算。
支持功能

只提供了远程服务模式，需要将代码上传到远端，所以如果是企业的开发者可能要注意数据安全了
能够通过代码上下文、注释及语言描述生成方法级的代码片段

使用体验 Copilot的模型非常强大，其原理本质上跟TabNine是相似的，但是Copilot的代码生成效果要好很多。Copilot代码生成结果的展现形式跟其他工具都不同，它采用了内联的方式，这种方式非常直观的展示的代码生成后的样子，适合多行代码片段的展示，但是这种方式不适合推荐结果比较多的时候，只能通过快捷键切换结果，而且如果开启了自动触发，在写代码时经常会在我不需要的时候出现，把正在编写的代码挤到下面去，这会是一种打扰。
1）用同样的示例，Copilot能将整行进行补全，并且自动将inputStream填充到参数中。

文章图片

2）Copilot也能自动识别到上文中出现过的workbook变量及其getSheetAt方法，没有发生语法错误的问题。

文章图片

3）虽然在上一个例子中补全效果较好，没有出现语法错误的问题，但是Copilot依然会在很多情况下生成存在语法错误的代码片段。如下图所示，StringUtils类是在本地工程中创建的，类下面只有一个readTestFile方法，然而Copilot却生成了print方法，因为Copilot是根据数亿的开源代码学习到的，不能及时的去学习本地工程的代码信息，所以本质上跟TabNine一样是会存在语法错误的问题，只是由于模型更强大，所以错误的概率更小，但是一旦涉及到本地工程的代码，错误的概率就会非常高。

文章图片

4）用Copilot写单元测试是非常方便的，它能帮助我生成很多测试数据，减少我Mock数据的烦恼。

文章图片

5）Copilot方法级的代码生成也有很多错误的时候，比如生成读取XML文件的代码，结果生成的是读取Excel的代码，可能是因为类开头import了较多Excel相关的API。

文章图片

如果我把import去掉，那么它就无法生成了，只会根据注释生成另一段注释。

文章图片

有时候它生成的代码会陷入无限重复，比如下图中陷入了生成Insert的死循环。

文章图片

总的来说，GitHub Copilot是一款非常好用的代码生成工具，适合生成通用的工具代码、leetcode算法、单元测试等场景的高频代码，而对业务代码的生成则依然存在语法错误的问题，希望以后收费不用太贵。
五、微软IntelliCode 要说做开发工具哪家强，那肯定是微软最厉害，上面提到的GitHub Copilot使用的GPT-3模型，其研究组织OpenAI也是受微软10亿美元投资的，所以Copilot也有微软的功劳。微软自己开发的另一款工具IntelliCode，在2018年7月发布，支持C#、C++、Java、Python、SQL Server、TypeScript/JavaScript、XAML，并且在2021年初发布Visual Studio IntelliCode Insiders插件。跟其他众多补全工具一样，提供了代码智能补全的能力，目前支持VSCode以及Visual Studio。效果较好的语言：C#、C++
支持功能

代码智能补全
- 单API补全，跟IDE自带补全类似，但是在排序上有所优化
- 适配企业/私有代码（只支持C++、C#）
- 支持离线模式
代码重构
- 开发者修改代码时，提示并自动帮助开发者修改在重复代码上的问题
代码评审
- 用官方主页的话来说“在代码评审时，Visual Studio IntelliCode 就像是开发者一双额外的眼睛，它可根据代码改动、复杂度和历史记录等因素，将需要额外关注的更改提取出来”。因为该功能目前无法体验到，所以不做过多介绍。
IntelliCode Insiders独立插件
- API代码示例搜索（仅支持Python），能够搜索Python语言的API代码示例。
- 日期pattern识别（仅支持TypeScript/JavaScript)

使用体验在我的尝试中，在VSCode上IntelliCode对于Java语言只能提供方法调用的推荐，不知道是不是使用的姿势不太对。如下图所示，IntelliCode只有在sb. 时才能提供对方法调用的排序，并且只能推荐单个API（标有星号的结果），无法像其他工具一样生成长序列的代码片段。

文章图片

下面附上官方在Python语言的使用效果示例，我们能看到IntelliCode只能进行单个API的推荐，更多是对IDE自带补全结果的排序优化，所以在VSCode上使用体验较为一般。

文章图片

说完了国外的，我们再来说说国产的。
六、阿里云Cosy 阿里云的智能编码插件Cosy于2021年10月份发布，到现在才两个月时间，是个相对年轻的工具。目前仅支持Java语言。通过其帮助文档了解到，它使用深度学习模型加语法分析结合的技术，通过深度学习模型强力的学习能力生成长序列代码，同时又通过结合语法分析的能力去纠正模型生成的错误。对此我理解为Cosy是想解决其他AI代码生成工具普遍存在的生成错误代码的问题，从使用体验上感觉错误代码确实相对来说少很多，但也依然存在。我个人比较喜欢的是Cosy的代码搜索功能，它从GitHub和StackOverflow中抽取出了常用的代码片段，让我能很方便的在IDE中直接搜索需要的信息。
支持功能由于刚发布不久，目前仅提供IntelliJ IDEA插件，支持Java语言，相比于其他工具支持的语言种类比较少。

代码智能补全
- 支持整行的代码补全结果
- 离线模式，Cosy会在首次启动时把模型下载到本地，之后便可断网使用
代码示例搜索
- 在IDE内支持指定API的代码示例搜索
- 在IDE内支持通过功能描述搜索StackOverflow、GitHub等来源的开源代码片段

使用体验 Cosy简单体验下来，在同样的代码中产生的错误结果会少很多，但也不是完全没有，偶尔也会产生错误的结果。相比于其他工具的缺点在于它有时候给不出补全的结果，可能是为了避免语法错误。但使用过程中没有开发体验下降的感受，可能也是宁缺毋滥的好处。
1）Cosy识别代码上下文的能力还不错，能生成长序列的补全结果，在下图的示例中没有语法错误，并且能自动将inputStream填充到参数中。

文章图片

2）Cosy能根据上文自动的识别出当前位置需要XSSFSheet。

文章图片

当给与了XSSFSheet的强制类型转换信息后，Cosy能提供getSheetAt方法的长序列代码补全结果。

文章图片

3）但是Cosy对于for循环的补全稍微弱一点，只能一段一段的补出，但是for循环很多时候通过IDEA的fori的代码模板能够快速生成。

文章图片

4）Cosy有时候也会存在语法错误的问题，比如下图中生成的World类在当前工程中是不存在的。

文章图片

5）让我感受比较惊艳的是Cosy提供了比较不错的代码搜索工具，它不像Codota只能搜API的代码示例，Cosy也能通过功能描述或者多个关键词去搜索代码示例，从结果中可以看到有来自GitHub、StackOverflow等来源的代码示例结果。之前IDEA有一个StackOverflow的插件，但是那个插件是基于Google搜索的，所以对于国内开发者不太能用，而Cosy插件体验下来感觉不是基于Google搜索的，不需要科学上网。

Cosy的简单体验就到这里，后面会有更详细的评测文章。
七、AIXcoder AIXcoder从天眼查了解到其成立于2017年，根据官网主页的信息，它也采用了深度学习的技术，并且对模型进行了压缩，以便于提升用户下载模型的速度，减少用户本地CPU的开销。AIXcoder提供了对用户本地代码库学习的工具，但是免费版有次数限制，而且学习本地代码库的时候电脑会比较卡。让我有点疑惑的是，AIXcoder官网主页视频中演示了IDE内的代码搜索功能，但是在实际插件中只提供了一个跳转到浏览器中的按钮，并不能在IDE内直接搜索（难道是需要付费的？）。目前发布了Jetbrains及VSCode插件，主要支持Java、Python、C/C++、JavaScript、Typescript、Go、PHP等语言。效果较好的语言：Java
支持功能

代码智能补全
- 远程服务模式，代码需要上传到远程服务器，速度更快一点，卡顿感会减少
- 离线模式，会把模型下载到本地，并且会根据当前正在写的代码，动态的去下载相应的模型
- 适配企业/私有代码，是需要收费的
代码示例搜索（支持Java、C++、Python）
- IDE插件端内部不支持，需要跳出到网页中搜索
- 网页蛋支持代码示例搜索、自然语言搜索、相似代码搜索等
- 适配企业/私有代码，是需要收费的
度量分析
- 编码时长、智能补全采纳率、节省时间等，普通版本不支持

使用体验 AIXcoder跟同类工具一样也是基于深度学习的能力，能够提供长序列的补全结果，但是整体体验下来，跟其他工具有一定的差距，给出的大部分补全结果虽然排序上优化了不少，但是总体相比IDE自带的补全结果区别不是特别大。当然，有个比较好的地方是模型比较小，大部分只有几MB或者十几MB，跟TabNine动则500MB相比，确实小很多，但是也可能是因为模型过小，导致补全的效果与TabNine相比，体感要弱很多。
1）AIXcoder也会存在语法错误的问题，在下图的示例中只是简单的根据前面定义的类信息进行new实例化，但是Workbook是一个接口，是不能直接实例化的。而且AIXcoder没有对inputStream进行参数的自动填充。

文章图片

2）在我明确要实例化XSSFWorkbook类时，AIXcoder也只是跟IDE一样提供了单个API的补全，当然，排序上会好很多。

文章图片

3）当我想去获取XSSFSheet对象时，AIXcoder依然只提供了XSSFWorkbook的补全项，缺少对代码上下文的识别能力。

文章图片

当代码信息稍微明确后，AIXcoder才能给出稍长的补全结果。

文章图片

4）AIXcoder的这个补全项比较奇怪，实际上我想要的是getSheetAt，IDE自带的补全已经将其排在了第一位，但是AIXcoder却提供了两个createSheet。

文章图片

5）for循环的补全不够完整，也只补了半截。

文章图片

6）AIXcoder有个比较不好的地方是会把其他补全工具的结果图标替换成自己的，比如下图中第一项是TabNine提供的结果，但是TabNine的图标被换成了AIXcoder的，IDE自带的补全结果也无法幸免。

文章图片

AIXcoder我们先简单体验到这儿，后续会有更详细的对比评测文章。
总结这几款开发工具，我都使用过一段时间，最后简单总结一下：

Codota类似于IDEA代码模板的补充，但现在已经不怎么维护了；
TabNine每种语言都能提供比较长的代码补全结果，但是如果是离线模式，内存占用非常高（我会经常把它禁用掉），对数据安全没有疑虑的开发者可以考虑远程服务模式，但Pro版本是需要收费的，有点小贵；
GitHub Copilot很好用，尤其是在写单元测试的时候，它会帮我把单元测试的Mock数据生成出来，还是比较惊艳的，可惜只提供了远程服务模式，我个人会比较在意这一点，并且它未来也可能会收费；
IntelliCode在Visual Studio的效果好一些，在VSCode中跟IDE自带差别不大，补全结果的排序有一定优化；
阿里云Cosy在Java语言上的代码补全体验还不错，但是我个人更喜欢它的代码搜索功能，体验很流畅，希望能尽快支持其他语言类型；
AIXcoder代码搜索体验一般，代码补全在Java语言上感觉比IDE自带好一点；

从整体感受来说（非客观数据评价），如果你和我一样写Java代码比较多，可以考虑TabNine/阿里云Cosy与GitHub Copilot组合使用：GitHub Copilot对常用的一些高频代码片段生成效果很好，但是它内联的代码生成方式在我写代码时有时候也是一种干扰，偶尔整行代码的补全效果也不是很理想。如果有和我一样感到会被干扰的开发者也可以选择关闭自动触发，在需要的时候通过快捷键触发；日常开发就使用Cosy或TabNine去提供补全。Cosy的搜索功能也很好用，在IDE内就可以找到日常开发所需的参考代码；如果你是C++/C#的开发者，可以优先考虑微软的IntelliCode；如果你是Python开发者，可以考虑Kite或TabNine，也可以与GitHub Copilot组合使用；其他语言如果不担心源码泄露，优先考虑GitHub Copilot，如果想保护自己的代码隐私，可以考虑TabNine的离线模式。
【程序员编码加速器，代码智能补全工具盘点】后续的文章我会对这些开发工具进行更详细的对比评测，感谢大家支持。