通义灵码 Rules 来了:个性化代码生成,对抗模型幻觉

简介: 通义灵码又上新外挂啦,Project Rules来了。当模型生成代码不精准,试下通义灵码 Rules,对抗模型幻觉,硬控 AI 根据你的代码风格和偏好生成代码和回复。

分享你的Rules规则,赢取通义灵码头号玩家活动奖品,立即参与


通义灵码又上新外挂啦,Project Rules来了。当模型生成代码不精准,试下通义灵码 Rules,对抗模型幻觉,硬控 AI 根据你的代码风格和偏好生成代码和回复。


为什么需要Project Rules

  • 提升代码一致性:通过 Project Rules 文件定义统一规则,确保代码风格一致。
  • 适配多样化项目需求:支持为不同项目定制专属规则,避免通用规则的局限性,提升灵活性。
  • 自动化规则加载:自动加载规则文件,节省时间并提高开发效率。
  • 促进项目质量提升:从源头规范代码生成,降低潜在问题,增强项目稳定性和可维护性。
  • 团队协作开发:作为团队约定的一部分,确保多人协作时代码风格统一。

如何配置Rules?

前提条件

如需使用该功能 ,需要开发者将通义灵码 IDE 插件更新到:JetBrains 端通义灵码插件版本需要在 v2.1.5 及以上、VS Code 端通义灵码插件版本需要在 v2.1.6 及以上,下载操作可前往下载安装指南

项目专属规则(Project Rules)

通义灵码支持项目专属规则(Project Rules)的设定, 这些规则存储在 .lingma/rules 目录下,仅对当前工程生效。通过设定项目专属规则,可以帮助模型更精准地理解并适应您的编码偏好,例如理解项目框架和代码风格等。


重要

适用场景:适用于智能问答场景和 AI 程序员场景中的所有请求,但通过 / 指令和提交信息(Commit Message)触发的操作不适用此规则。

不适用场景:代码行间补全场景不适用此规则。


使用指南

规则设定
  1. 打开配置文件后,单击编辑按钮即可进入文件编辑页面,如果文件不存在,将自动创建;如果文件已存在,则直接进入编辑模式。
  • VS Code 设置区域:

  • JetBrains 设置区域


  1. 项目专属规则文件与本地代码工程同步,只对当前工程生效。如果希望规则仅适用于您个人的本地工程,可以将规则文件添加到工程的 .gitignore 中。

规则限制
  1. 每个规则文件最大限制为 10000 字符,超过部分将自动截断。
  2. 规则文件请使用自然语言描述,不支持图片或链接的解析。


使用前后效果对比

我们现在以如下规则为例,查看有无规则的对比效果:

你是一个资深的拥有丰富开发经验的java开发专家,拥有非常良好的编码习惯,请你在编写java代码时务必严格遵守以下规则:

1.在每个新增的函数上都附加详细的注释,这些注释除了说明做什么以外,还要说怎么做的,为什么这么做,需要写的很详细,同时在方法的注释上加上author

2.严格遵循 SOLID、DRY、KISS、YAGNI 原则

配置后规则自动生效,不需要唤起任何快捷键,我们对比下有无rules的生成效果

对比图.png

增加了Rules之后,新增的两个方法拥有良好的编码风格,以及完整的注释描述(包括作者、方法的输入输出和方法的功能描述及具体实现)。


有哪些 Project Rules 可以参考实践?

是一个资深的java专家,请在开发中遵循如下规则:

  • 严格遵循 SOLID、DRY、KISS、YAGNI 原则
  • 遵循 OWASP 安全最佳实践(如输入验证、SQL注入防护)
  • 采用 分层架构设计,确保职责分离
  • 代码变更需通过 单元测试覆盖(测试覆盖率 ≥ 80%)

细化规则查看

你是一个资深全栈Python工程师,请在开发中遵循如下规则:

你是一名资深全栈Python工程师,严格遵循PEP8规范,精通DRY/KISS/YAGNI原则,熟悉OWASP安全最佳实践。擅长将任务拆解为最小单元,采用分步式开发方法。

技术栈规范

框架与工具

核心框架:Django 4.2或Flask 2.3+(根据项目需求选择)

依赖管理:使用Poetry或Pipenv进行环境管理

ORM:SQLAlchemy 2.0+或Django ORM

测试框架:pytest + pytest-django(或unittest)

API开发:FastAPI(高性能场景)或Django REST Framework (DRF)

数据库:PostgreSQL 14+,使用连接池和事务管理  

细化规则查看

你是一位经验丰富的 Go 语言开发工程师,严格遵循以下原则:

  • Clean Architecture:分层设计,依赖单向流动。
  • DRY/KISS/YAGNI:避免重复代码,保持简单,只实现必要功能。
  • 并发安全:合理使用 Goroutine 和 Channel,避免竞态条件。
  • OWASP 安全准则:防范 SQL 注入、XSS、CSRF 等攻击。
  • 代码可维护性:模块化设计,清晰的包结构和函数命名。

Technology Stack

  • 语言版本:Go 1.20+。
  • 框架:Gin(HTTP 框架)、GORM(ORM)、Zap(日志库)。
  • 依赖管理:Go Modules。
  • 数据库:PostgreSQL/MySQL(手写 SQL 或 ORM)。
  • 测试工具:Testify、Ginkgo。
  • 构建/部署:Docker、Kubernetes。
细化规则查看


更多规则点击查看灵码规则库



相关文章
|
11天前
|
JavaScript 前端开发 Java
通义灵码 Rules 库合集来了,覆盖Java、TypeScript、Python、Go、JavaScript 等
通义灵码新上的外挂 Project Rules 获得了开发者的一致好评:最小成本适配我的开发风格、相当把团队经验沉淀下来,是个很好功能……
411 97
|
9天前
|
机器学习/深度学习 人工智能 编解码
AI视频生成也能自动补全!Wan2.1 FLF2V:阿里通义开源14B视频生成模型,用首尾两帧生成过渡动画
万相首尾帧模型是阿里通义开源的14B参数规模视频生成模型,基于DiT架构和高效视频压缩VAE,能够根据首尾帧图像自动生成5秒720p高清视频,支持多种风格变换和细节复刻。
178 8
AI视频生成也能自动补全!Wan2.1 FLF2V:阿里通义开源14B视频生成模型,用首尾两帧生成过渡动画
|
1月前
|
人工智能 开发工具 C++
利用通义灵码AI在VS Code中快速开发扫雷游戏:Qwen2.5-Max模型的应用实例
本文介绍了如何利用阿里云通义灵码AI程序员的Qwen2.5-Max模型,在VS Code中一键生成扫雷小游戏。通过安装通义灵码插件并配置模型,输入指令即可自动生成包含游戏逻辑与UI设计的Python代码。生成的游戏支持难度选择,运行稳定无Bug。实践表明,AI工具显著提升开发效率,但人机协作仍是未来趋势。建议开发者积极拥抱新技术,同时不断提升自身技能以适应行业发展需求。
22206 18
|
1月前
|
人工智能 数据可视化 数据挖掘
QVQ-Max:阿里通义新一代视觉推理模型!再造多模态「全能眼」秒解图文难题
QVQ-Max是阿里通义推出的新一代视觉推理模型,不仅能解析图像视频内容,还能进行深度推理和创意生成,在数学解题、数据分析、穿搭建议等场景展现强大能力。
172 15
QVQ-Max:阿里通义新一代视觉推理模型!再造多模态「全能眼」秒解图文难题
|
4天前
|
机器学习/深度学习 编解码 缓存
通义万相2.1首尾帧模型开源!细节真实生动+过渡丝滑,指令遵循表现出色!
通义万相2.1首尾帧模型开源!细节真实生动+过渡丝滑,指令遵循表现出色!
70 5
|
3天前
|
人工智能 自然语言处理 JavaScript
我定制的通义灵码 Project Rules,用 AI 写出“更懂我”的代码
本文分享了一名全栈开发同学使用通义灵码做代码生成、接口注释、测试代码补全等工作,效率明显提升的体会。
|
1月前
|
机器学习/深度学习 自然语言处理 测试技术
模型上新!来通义灵码体验 QwQ-32B 推理模型!
今天,阿里云发布并开源全新的推理模型通义千问QwQ-32B。通过大规模强化学习,千问QwQ-32B在数学、代码及通用能力上实现质的飞跃,整体性能比肩DeepSeek-R1。在保持强劲性能的同时,千问QwQ-32B还大幅降低了部署使用成本,在消费级显卡上也能实现本地部署。
1995 58
|
5天前
|
人工智能 自然语言处理 JavaScript
我定制的通义灵码 Project Rules,用 AI 写出“更懂我”的代码
本文分享了一名全栈开发者使用通义灵码的经验,重点介绍了其新推出的“Project Rules”功能。通过定制规则,解决了团队代码风格不统一、AI生成代码不符合项目规范等问题。示例配置包括Vue 3 + Composition API的语法规范、命名约定、注释风格等。作者总结,该功能显著提升了编码效率和团队协作一致性,并建议用户根据自身需求定制规则以优化体验。文中还提出了对团队规则共享、行业模版内置等功能的期待。
|
1月前
|
机器学习/深度学习 存储 人工智能
千问QWQ-32B/满血DeepSeek R1部署指南,两种方式轻松玩转热门推理模型
本文介绍了如何利用阿里云CAP平台一键部署QWQ-32B和DeepSeek R1两大热门推理模型。通过应用模板或模型服务两种方式,开发者可快速完成部署并验证模型效果。QWQ-32B在数学、编程等任务上表现出色,而DeepSeek R1凭借强化学习训练,具备高效推理能力。两者均支持API调用及第三方平台集成,助力智能应用开发。
267 3
千问QWQ-32B/满血DeepSeek R1部署指南,两种方式轻松玩转热门推理模型
|
1月前
|
机器学习/深度学习 人工智能 机器人
阿里通义开源推理模型新王者!QwQ-32B:性能直逼671B的DeepSeek-R1
QwQ-32B 是阿里巴巴开源的新型推理模型,基于强化学习训练,具备强大的数学推理和编程能力,性能媲美更大参数量的模型。
517 8
阿里通义开源推理模型新王者!QwQ-32B:性能直逼671B的DeepSeek-R1

热门文章

最新文章

下一篇
oss创建bucket