使用Raccoon AI写代码,同事又来围观

简介: 使用Raccoon AI写代码,同事又来围观

公司里有一些开发的同事老是吐槽工作忙,天天加班,我想很大可能是没利用好轮子和AI工具,总是自己瞎写耽误时间。

不知道大家发现没有,其实软件开发过程中很多都是引用轮子和组件,如果你非常熟悉Github上的开源代码,它们可能会覆盖你80%以上的开发工作,也就是说你无需自己写很多代码,只要会装轮子,也能出色地完成工作。 不光是软件开发,网站开发、机器学习、数据科学、网络爬虫等各种编程场景都是如此,你需要写的代码并不多,前人早已经帮你写好了,而且写的可能比你出色很多。

由于生成式AI的出现,编程成为最大的受益者之一,类似于Github copilot这类AI编程模型就可以帮你找轮子,自动完成代码的编写,你能获取代码建议,构建、调试和测试应用程序,编程效率会指数级的提升。

最近看到国内有一款类似的产品-代码小浣熊Raccoon,它是商汤开发的AI编程工具,你可以在VSCode上安装其插件,和其他VScode插件一样,用起来很方便。 6ffd6184cb551d2ed4eeb059ce8ecce6.png 用了几周下来,我觉得Raccoon主要有两大核心功能,首先是代码补全这种主流的AI辅助编程功能,当你在编写Python或其它代码时,Raccoon会自动提示代码补全,省得你再手动写一大串代码。

比如我想使用Python sklearn库写一个线性回归预测模型,Raccoon能直接根据已有代码补全模型代码。 533c48c3bb207df7362098144b78c33f.png

其次是对话自动生成代码功能,你直接提问"Python如何生成Excel文件"等问题,它会给出代码建议,就像在ChatGPT聊天问答一样。

这种功能非常实用,可能你只知道自己想要什么,完全不懂怎么代码实现,Raccoon的代码问答功能就能直接根据你的描述来生成建议和代码。

e172b035fbca96cc408043c035f5ef21.png

其他Raccoon能实现的功能还有代码纠错(纠正语法错误),代码翻译(比如把Python代码翻译为JS)、代码解释(解释代码是干嘛的)、代码重构(调整代码结构)等等,总得来说Raccoon在AI编程上是功能比较完善的。

Raccoon可不仅仅支持Python,它还支持Java、JS、C++、SQL等几十种编程语言,基本做到了主流语言全覆盖。

而且你不光可以在VSCode上使用Raccoon,像IntelliJ IDEA、Jetbrains Pycharm等各种主流的IDE编辑器也都支持Raccoon。

我觉得Raccoon等AI编程工具的出现会极大地改变现在的开发方式,超过80%的代码工作都可以交给AI,程序员以后可能更多的是思考怎么进行优化创新,以及如何利用好AI。

在vscode上使用代码小浣熊Raccoon

可能有不少人还不知道如何使用VsCode的插件功能,这里简单介绍下如何在VsCode上安装和使用Raccoon,大致分为三个步骤:

1、安装Raccoon插件

你可以在VsCode插件库搜索“Raccoon”,会出来Raccoon插件,点击安装即可,安装好后会出现Raccoon的介绍和使用说明,可以大致看下。

0c66a87b141fe70097707ece0486ea5f.png

安装好后,会在Vscode侧栏出现Raccoon的图标,也就是它的功能区。 95cd35d5a29e4ef257398ea2461eaa30.png

2、注册登录Raccoon Raccoon需要登录才能使用,你需要免费注册个Raccoon账号,然后登录就能在Vscode上使用Raccoon了。

c3ede3d8cacdd7f38c1b32a609807bec.png

3、在代码区使用Raccoon

以代码补全为例,你可以先在VsCode上建个Py文件,然后写Python代码,按下热键 Alt + /,Raccoon就会为你提供代码建议。

f5b84d803868433b6541e08b0edc571c.png

如下是在python连接oracle数据时,Raccoon补全的代码

52952c3903122997716af705a7a723df.png

接下来,我们使用Python sklearn库在Raccoon的帮助下来实现景区客流预测,完整代码如下:

import numpy as np  
import pandas as pd  
from sklearn.model_selection import train_test_split  
from sklearn.tsa import ARIMA  
from sklearn.metrics import mean_squared_error  
  
# 生成模拟数据  
np.random.seed(0)  
days = pd.date_range(start='1/1/2020', periods=365, freq='D')  
series = np.random.randn(len(days)).cumsum() + 20  
series = series + np.random.randn(len(days)) * 10  # 添加一些噪声  
series = series.reindex(days)  
series = series.interpolate()  # 填充缺失值  
  
# 转换数据为适合的时间序列格式  
data = pd.DataFrame({'visitors': series})  
data['date'] = data['date'].apply(lambda x: x.strftime('%Y-%m-%d'))  
data = data.set_index('date')  
  
# 分割数据为训练集和测试集  
train, test = train_test_split(data['visitors'], test_size=100)  
train = train.dropna()  
test = test.dropna()  
  
# 使用ARIMA模型进行预测  
model = ARIMA(train, order=(5,1,0))  # 选择ARIMA模型的参数  
model_fit = model.fit(disp=0)  
  
# 预测未来一个月的客流  
forecasted_data = model_fit.forecast(steps=30)  # steps=30预测未来30天的数据  
mse = mean_squared_error(test[-30:], forecasted_data[0])  # 计算预测误差  
print(f"Mean Squared Error: {mse}")

以下是Raccoon在进行时间序列建模过程提供的代码,能准确的提供模型训练、误差检测等建议。 053d48baf9b6c0d063ee56e557576cec.png

8a3a927ae8800e1d4018cfa981bb8d15.png 998f236dafa289ea61e65120a4c264ec.png

你也可以直接向Raccoon进行提问:生成一段Python,使用sklearn实现未来一个月的景区客流预测,请自己生成数据。

连续按两次Ctrl键,即可唤醒侧边栏的代码助手,输入prompt即可

12facea39c894d50711aaa76217d3e05.png

显示结果如下 29fc975400629398d157b1731adb36ef.png

Raccoon会根据你的需求生成一段完整Python sklearn客流预测代码,你只需要稍作修改便可以作为自己的项目代码。

代码小浣熊Raccoon功能清单

前面演示了如何在Raccoon上进行代码补全和对话生成代码,以下列举下Raccoon各项功能的使用场景和特点,方便对号入坐去使用。

(1)代码补全功能 热键 Alt + /激活,使用场景非常多,适用代码初学者和开发老鸟,能极大提升编程效率

(2)对话自动生成代码 连续按两次Ctrl键激活,通过对话方式生成代码和建议,媲美ChatGPT代码功能

(3)代码解释和纠错 复制代码后激活(需选择修正),能纠正代码语法错误及不规范情况,使用非常方便

7bbfc5af0d8f4c051cc9dee7e89edbe3.png

(4)代码翻译 复制代码后激活(需选择翻译),如果你使用多种编程语言,该功能会非常实用,直接在多语言间进行代码转换。

b330f0fe48924a8415eb89f1b0c89b9c.png

(4)编程学习 一般初学编程常常因为不会搜索,在某一个语法或功能上纠结很久,Raccoon的对话功能可以快速帮你解决问题,所以初学者可以把它当作一个编程学习工具,相当的实用。

总结

在AI快速发展的今天,AI辅助编程或者自主编程必然会成为大势所趋,像Raccoon这样的AI编程工具已经可以解决大部分编程问题,我们应该好好利用,积极拥抱。

目录
相关文章
|
28天前
|
人工智能 数据可视化 定位技术
不会编程也能体验的 AI 魔法,外滩大会代码原生地等你解锁
不会编程也能体验的 AI 魔法,外滩大会代码原生地等你解锁
324 39
|
13天前
|
人工智能 测试技术 开发工具
如何将 AI 代码采纳率从30%提升到80%?
AI编码采纳率低的根本原因在于人类期望其独立完成模糊需求,本文提出了解决之道,讲解如何通过结构化文档和任务拆解提高AI的基础可靠性。
|
3月前
|
存储 关系型数据库 数据库
附部署代码|云数据库RDS 全托管 Supabase服务:小白轻松搞定开发AI应用
本文通过一个 Agentic RAG 应用的完整构建流程,展示了如何借助 RDS Supabase 快速搭建具备知识处理与智能决策能力的 AI 应用,展示从数据准备到应用部署的全流程,相较于传统开发模式效率大幅提升。
附部署代码|云数据库RDS 全托管 Supabase服务:小白轻松搞定开发AI应用
|
3月前
|
人工智能 JavaScript 前端开发
分享开源库:AI驱动的JavaScript反编译,针对混淆和压缩的代码
这是一个智能JavaScript反混淆与代码分析工具,通过AST转换和AI深度分析,自动还原变量名、识别依赖库、生成可视化控制流图,并支持多格式导出,提升代码理解与审计效率。访问 [jsunpack.tech](https://www.jsunpack.tech/) 即可在线体验。
451 0
|
14天前
|
人工智能 搜索推荐 开发工具
私域知识工程实战:如何让AI一次性写出高质量代码?
AI编程的瓶颈不在于模型不够聪明,而在于信息不对称。通过简单、快速构建私域知识工程体系 ,让AI从 "临时工" 变成真正懂业务的 "老司机" 。
|
19天前
|
人工智能 IDE 开发工具
CodeGPT AI代码狂潮来袭!个人完全免费使用谷歌Gemini大模型 超越DeepSeek几乎是地表最强
CodeGPT是一款基于AI的编程辅助插件,支持代码生成、优化、错误分析和单元测试,兼容多种大模型如Gemini 2.0和Qwen2.5 Coder。免费开放,适配PyCharm等IDE,助力开发者提升效率,新手友好,老手提效利器。(238字)
145 1
CodeGPT AI代码狂潮来袭!个人完全免费使用谷歌Gemini大模型 超越DeepSeek几乎是地表最强
|
11天前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
158 7
|
14天前
|
存储 人工智能 数据可视化
企业级 AI 模型无代码落地指南:基于阿里云工具链,从 0 到 1 实现业务价值
某汽车零部件厂商通过阿里云PAI、OSS等工具,实现无代码AI质检落地:仅用控制台操作完成数据治理到部署,质检效率提升3倍,模型周期从2月缩至2周。本文详解全栈可视化方案,助力企业零代码落地AI。
121 1

热门文章

最新文章