通义灵码添加上下文能力怎么用?一篇看懂

简介: Qwen3系列混合推理模型已全面开源,其中Qwen3-235B-A22B在多项测试中表现卓越。通义灵码现已支持Qwen3,并上线编程智能体,具备自主决策与工具使用能力,可完成编码任务。开发者可通过多种方式添加上下文(如代码文件、图片、Git提交等),增强交互效果。体验地址:https://lingma.aliyun.com/download。

近期,Qwen3 正式发布并全部开源 8 款「混合推理模型」。旗舰模型 Qwen3-235B-A22B 在代码、数学、通用能力等基准测试中,与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比,表现出极具竞争力的结果。

通义灵码现在已经全面支持 Qwen3,并正式上线编程智能体,具备自主决策、环境感知、工具使用等能力,可以根据开发者的诉求,使用工程检索、文件编辑、终端等工具,端到端地完成编码任务。

同时支持开发者配置自己的 MCP 工具,更加贴合开发者工作流程,并集成魔搭 MCP 广场,开发者也可以一键下载 MCP 服务。

体验地址:https://lingma.aliyun.com/download

通义灵码在智能会话中支持丰富的上下文,如代码文件、目录、图片、gitCommit 等,并提供上下文和用户输入提示词自由组装能力,开发者可以自由组合进行诉求描述。


添加上下文


在智能会话中,可以通过 3 种方式添加上下文:


  1. 输入框中单击添加上下文按钮,即可触发上下文选择窗口;
  2. 输入框输入 # ,即可触发上下文选择窗口,继续输入时可进行文件检索;
  3. 对于代码文件、图片,可拖拽或复制粘贴,将对应内容添加为上下文(仅 JetBrains IDEs)。


其次,对于 #file#folder#gitCommit#teamDocs选择对应类型后,可进行具体内容的检索和选择,并针对该类内容支持多选操作。

最后,如果您使用的是 JetBrains IDEs,还可以将添加的上下文(标签)拖拽到输入的自然语言描述当中,方便进行输入组合。



支持的上下文类型


通义灵码提供多种上下文选择,上下文之间可以进行互相组合,也可以和用户输入结合在一起形成完整的需求表达。


上下文类型支持:file、folder、image、codebase、teamDocs、codeChanges、gitCommit,下面将逐一介绍。


#file


当需要对某个文件或多个文件进行提问、修改时,可以在输入框中输入 #file 进行代码文件选择,文件列表支持通过鼠标多选文件。同时,当您使用的是 JetBrains IDEs 时,可通过拖拽或复制粘贴的方式,将代码文件添加为上下文。


添加文件作为上下文时,有两个提示:


  • 选择一个代码文件后,将自动推荐与此文件相关的文件,可以直接单击文件名确认添加;
  • 当需要在诉求描述中强调文件时,可将通过输入 # 的方式进行文件选择;



#folder


当需要针对某个代码模块进行提问或修改时,如检索、重构、注释、生成单测等批量场景,可以选择所需的工程目录。



#image


当需要结合图片生成代码、问题修复、或进行图形化表达时,可在触发上下文选择后,单击 #image 进行图片添加,或者直接复制/截图后,粘贴图片进行添加。比如,结合设计图进行前端页面生成。



#codebase


当需要对当前工程进行提问、检索、修改时,可添加 #codebase 作为上下文,通义灵码将根据您的诉求描述,主动在本地工程文件中检索相关上下文,以便更精准的回答问题。比如,可以使用 #codebase 在工程中查找某个方法实现。


说明


@workspace 工程问答功能,升级为使用 #codebase 进行工程问答。



#codeChanges


当需要对当前 Git 暂存区中的代码变更内容进行提问、检索、修改时,可添加 #codeChanges 作为上下文进行提问。比如,可以在正式推送 Git 仓库前,将变更内容交由灵码进行代码评审、优化、补充单元测试等。



#gitCommit


当需要针对已提交的某次 Git Commit 代码变更内容进行提问时,可通过 #gitCommit 添加您所需要的提交信息。比如,可以任意选择一个或多个 Git Commit 记录进行问题排查、缺陷修复、单元测试生成等任务。



#teamDocs


当需要结合企业内知识库进行问答或代码生成时,可通过 #teamDocs 添加您所需要的企业知识库,通义灵码将自动进行知识检索,作为与模型交互的参考信息。比如使用团队自研组件规范进行代码生成。


欢迎体验通义灵码添加上下文能力:https://lingma.aliyun.com/download

相关文章
|
4月前
|
自然语言处理 测试技术 开发工具
通义灵码上下文能力解析:自由组合需求描述,生成结果更高效
通义灵码提供智能会话能力,支持智能问答、文件编辑和智能体三种模式,帮助开发者解决编码问题,进行代码修复、调试及运行错误排查。它具备多文件修改、自主决策等能力,可端到端完成编码任务。在智能会话中,支持丰富的上下文(如代码文件、目录、图片、Git Commit 等),并允许用户自由组合提示词与上下文。插件可通过链接下载。此外,还支持多种上下文类型(#file、#folder、#image 等),便于开发者精准表达需求。
|
7月前
|
机器学习/深度学习 并行计算 API
Qwen2.5-1M: 支持100万Tokens上下文的开源Qwen模型
两个月前,Qwen团队升级了 Qwen2.5-Turbo,使其支持最多一百万个Tokens的上下文长度。今天,Qwen正式推出开源的 Qwen2.5-1M 模型及其对应的推理框架支持。
1357 28
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【AI大模型新资讯】从信息蜂房到上下文工程
1. **信息蜂房**:借鉴“信息茧房”概念,倡导多元交流与群体智慧,推动内容生态协同发展。 2. **ROLL**:高效强化学习库,专为大语言模型优化,提升训练效率与多场景应用能力。 3. **AI游戏引擎**:以AI驱动生成式游戏,实时响应玩家想象,重塑游戏创作与体验方式。 4. **质陪解决方案**:融合AI质检与陪练系统,全面评估销售行为,助力企业提升服务质量与销售能力。 5. **上下文工程**:构建动态信息环境,为大模型提供任务所需完整背景,决定AI智能体成败关键。
|
5月前
|
人工智能 中间件 程序员
大模型上下文协议 MCP 带来了哪些货币化机会
本文探讨了MCP(Model-Calling Protocol)的兴起及其对AI生态的影响。自2月中旬起,MCP热度显著提升,GitHub Star和搜索指数均呈现加速增长趋势。MCP通过标准化协议连接大模型与外部工具,解决了碎片化集成问题,推动AI应用货币化及生态繁荣。文章分析了MCP与Function Calling的区别,指出MCP更适用于跨平台、标准化场景,而Function Calling在特定实时任务中仍具优势。此外,MCP促进了 supply端(如云厂商、大模型、中间件服务商)和消费端(终端用户)的变革,尤其以Devin和Manus为代表,分别改变了程序员和普通用户的交互方式。
703 37
大模型上下文协议 MCP 带来了哪些货币化机会
|
4月前
|
前端开发 JavaScript API
体验通义灵码2.5版本上下文工程目录及多文件选择
体验通义灵码2.5版本上下文工程目录及多文件选择
294 11
|
5月前
|
机器学习/深度学习 人工智能 编解码
月之暗面开源16B轻量级多模态视觉语言模型!Kimi-VL:推理仅需激活2.8B,支持128K上下文与高分辨率输入
月之暗面开源的Kimi-VL采用混合专家架构,总参数量16B推理时仅激活2.8B,支持128K上下文窗口与高分辨率视觉输入,通过长链推理微调和强化学习实现复杂任务处理能力。
370 5
月之暗面开源16B轻量级多模态视觉语言模型!Kimi-VL:推理仅需激活2.8B,支持128K上下文与高分辨率输入
|
8月前
|
人工智能 自然语言处理 数据处理
FlexRAG:不再局限于文本的 RAG!中科院开源多模态 RAG 助手,支持多数据类型、上下文压缩和多种检索器类型
FlexRAG 是中科院推出的高性能多模态 RAG 框架,支持多数据类型、上下文压缩和多模态数据处理,显著提升生成模型的表现。
999 17
FlexRAG:不再局限于文本的 RAG!中科院开源多模态 RAG 助手,支持多数据类型、上下文压缩和多种检索器类型
|
9月前
|
人工智能 开发框架 算法
Qwen-Agent:阿里通义开源 AI Agent 应用开发框架,支持构建多智能体,具备自动记忆上下文等能力
Qwen-Agent 是阿里通义开源的一个基于 Qwen 模型的 Agent 应用开发框架,支持指令遵循、工具使用、规划和记忆能力,适用于构建复杂的智能代理应用。
4775 13
Qwen-Agent:阿里通义开源 AI Agent 应用开发框架,支持构建多智能体,具备自动记忆上下文等能力
|
9月前
|
人工智能 自然语言处理
RWKV-7:RWKV系列开源最新的大模型架构,具有强大的上下文学习能力,超越传统的Attention范式
RWKV-7是RWKV系列的最新大模型架构版本,具有强大的上下文学习能力,超越了传统的attention和linear attention范式。本文详细介绍了RWKV-7的主要功能、技术原理及其在多语言处理、文本生成等领域的应用场景。
521 7
RWKV-7:RWKV系列开源最新的大模型架构,具有强大的上下文学习能力,超越传统的Attention范式

热门文章

最新文章