代码采纳率从 22% 到 33%，通义灵码辅助数据库智能编码实践

作者：蒲松洋

通义灵码本质上是一个AI agent，它已经进行了大量的优化。然而，为了更完美或有效地调用模型的潜在能力，我们在使用时仍需掌握一些技巧。通常，大多数人在使用通义灵码时会直接上手，这是 AI agent 的一个优势，即 zero shot 使用，无需任何上下文即可直接使用通义灵码的能力。

例如，如果你熟悉通义灵码，@workspace 针对整个代码仓库提出问题时，通义灵码将立即帮助你总结。在这种情况下，我们通常将其称为 zero shot。例如，像“0帧起手”这样的称呼，实际上没有任何上下文，因此通义灵码所获取的信息也相对较少。在这种情况下，它更容易发散性地进行发挥。综上所述，使用 zero shot 时，我们大约只能提取到通义灵码的 70% 的能力，这类似于人类大脑中的快速思维和慢速思维。后面的内容将更详细地讨论如何优化提示词prompt，以最大限度地提取通义灵码的能力。

接手一个新项目，无从下手?

我以一个名为“Cline”的开源项目为例进行演示。它实质上是一个类似于通义灵码的AI插件。当我们面对一个开源仓库时，首要任务是对其有一个全面的理解，明确其技术栈以及整体架构。因此，我们首先需要明确这个代码仓库是做什么的。

css
 代码解读
复制代码
@workspace 这个代码仓库是做什么的？

然后大家可以看到通义灵码会提取本地代码仓库的一些信息，并进行本地化信息检索，将关键信息上传至通义灵码后台。接着，通义灵码将针对当前问题做出相应反应。

然而，通义灵码作为一个 AI agent，通过渐进式的增强，如学习用户的习惯不断优化其模型，能够迅速生成回复。它能告诉你当前这个代码仓库是名为 cline 的 VS code 扩展项目，并且能够提供一个AI助手。

在面对新项目时，我们常遇到对新起手项目一无所知的情况。使用IDE能够避免我们阅读大量源码来学习新项目，它为我们提供了很大的便利。向其他同学或对项目熟悉的同学请教相关知识，可能会打扰到他们，而且我们也不能保证他们是否能理解我们的水平和需求。

图片

UnitTest

在许多项目中，通过利用通义灵码，我们能够实现跨站或跨领域的学习。在其他案例中，例如单元测试，我们也会利用单测作为指标性的事情去做。因此，我们会借助通义灵码的能力，比如对于一个从 0 到 1 的项目，如果没有既有的单元测试框架或解决方案，我们可以通过通义灵码来指导项目引入单元测试，搭建起项目中单测的基础框架脚手架，并逐步提高单测覆盖率。此外，我们还可以使用通义灵码来解释代码，即进行代码的解释性工作。

css
 代码解读
复制代码
@workspace 这个代码仓库如何引入单测？

针对具体的函数/类来生成单元测试：

图片

协助重构历史代码

当我们面对历史悠久、难以理解的代码时，通常会感到无从下手。虽然这种情况比面对一个完全陌生的代码仓库要稍好一些，但使用通义灵码可以显著减少阅读源码的量。

图片

通过将 renderRigthMenuButton 拆分成多个子函数使其变得更小和更容易阅读，注意，拆分不能改变原函数的逻辑和完整性。

图片

排查错误

解释 TypeScript 编译器错误：TS2345: Argument of type '"loading" | { [key: string]: CompletionX; }' is not assignable to parameter of type '{ [key: string]: CompletionX; }'

图片

当然，对于工程师而言，一旦熟悉了通义灵码，便能自然地将其应用于实践，例如编写浏览器扩展。然而，我今天更想强调的是关于使用技巧。

对于大部分人来说，灵码的许多方法是直觉性的，可以迅速上手。但若要最大限度地利用灵码的剩余生产力，对 Prompt 的 engineer 在工程上有所了解是必要的。

我之前看过很多的文章介绍，因为现在大家对大语言模型有一个普遍的看法，即大模型自身生成的回答往往会趋于平庸。这是因为平庸的回答方式类似于我们的大脑，如果我们要进行深入思考，需要消耗更多的脑力。对于大语言模型来说，若要进行深度思考，将需要更多的 GPU 资源和电力。因此，其回答会倾向于平庸。但要激发它的潜力，我们需要给予一些触发，引导它进行深度思考。所以在使用技巧上，有一些基本的策略。

使用技巧

why？：大模型的回答趋向平庸 70%，我们需要激发它的潜力 30%。

基本策略：专注（Focus）；举例（One-Shot，Few-Shot）；让模型思考（Chain-Of-Thought）；角色扮演（Role Playing）；

专注（Focus）

1. 使用明确、精准的语言

技巧：避免模糊、冗余含糊的表达，确保指令清晰、无歧义，尽量精准。

Bad Case：尝试创建一个程序，能处理一些数字计算任务。

Good Case：编写一个Python程序，实现对两个浮点数进行加、减、乘、除四则运算，并提供用户友好的命令行界面。

2. 明确数据类型和格式要求

技巧：详细说明输入参数、返回值以及中间结果的数据类型、结构和格式。

Bad Case：编写一个函数，处理一串数字。

Good Case：使用 TypeScript 编写一个名为sum_of_even_numbers的函数，接受一个类型为number[]的参数numbers，返回列表中所有偶数之和。返回值类型为number类型。

图片

使用例子（One-Shot，Few-Shot）

1. 提供具体的输入/输出实例

技巧：在与通义灵码交互时，务必提供实际的输入数据和预期输出结果，以帮助通义灵码直观理解你的测试用例需求，确保其生成的代码能准确覆盖所需测试场景。

Bad Case：编写一个测试用例，验证一个反转字符串函数的行为。

Good Case：编写一个测试用例，验证反转字符串函数 reverse_string 的行为：

  • 测试函数名称：test_reverse_string
  • 输入数据：待反转字符串"Hello, World!"
  • 预期输出：函数返回结果"!dlroW ,olleH"

2. 描述异常情况及处理方式

技巧：指出可能遇到的异常情况及期望的错误处理策略。

Bad Case：编写一个函数，读取指定路径下的 CSV 文件，并将其内容转换成 string[][]

Good Case：使用 TypeScript 编写一个名为read_csv_to_tabular的函数，接受一个类型为string的参数filePath，表示要读取的CSV文件路径。函数尝试打开并解析该文件，将其内容转换为二维字符串数组并返回。在处理过程中，考虑并妥善处理以下以后情况：

  • 文件不存在：当指定路径的文件不存在时，抛出 FileNotFoundError 错误，并附带提示信息
  • 无权限打开文件：如果用户没有权限访问或读取文件，抛出 PermissionError 错误，并附带提示信息
  • CSV 解析错误：在解析 CSV 文件时，如果遇到不符合CSV格式规范的情况，抛出 ParseError 错误，并附带提示信息
  • 对其他错误，抛出自定义错误 CSVReadError，并附带原始错误信息

图片

scala
 代码解读
复制代码
// read_csv_to_tabular.ts
import fs from 'fs';
import parse from 'csv-parse';
import { CSVReadError, FileNotFoundError, PermissionError, ParseError } from './errors';

interface CSVRow {
  [key: string]: string;
}

export async function read_csv_to_tabular(filePath: string): Promise {
  return new Promise((resolve, reject) => {
    fs.access(filePath, fs.constants.R_OK, (err) => {
      if (err) {
        if (err.code === 'ENOENT') {
          reject(new FileNotFoundError(`File not found: ${filePath}`));
        } else if (err.code === 'EACCES') {
          reject(new PermissionError(`Permission denied when accessing file: ${filePath}`));
        } else {
          reject(new CSVReadError(`Failed to open file: ${err.message}`, err));
        }
        return;
      }

      fs.createReadStream(filePath)
        .pipe(parse({ delimiter: ',' }))
        .on('data', (row: CSVRow) => {
          resolve(row);
        })
        .on('error', (parseError) => {
          reject(new ParseError(`Failed to parse CSV: ${parseError.message}`, parseError));
        })
        .on('end', () => {
          resolve([]);
        });
    });
  });
}

// errors.ts
class CSVReadError extends Error {}
class FileNotFoundError extends CSVReadError {}
class PermissionError extends CSVReadError {}
class ParseError extends CSVReadError {}

3. 增加强调词和强调符号

技巧：使用强调词汇或突出关键指令，确保灵码充分重视并准确执行。

Bad Case：编写一个测试脚本，使用 Jest 测试框架和 React 组件进行单元测试。

Good Case：请务必编写一个详尽的测试脚本，利用业界领先的 Jest 测试框架对核心 React 组件进行全面的单元测试。遵循一下强调要点：

  • 务必覆盖所有公共方法（包括生命周期方法、自定义时间处理器）和重要的私有辅助方法，确保高代码覆盖率（至少达到95%）
  • 正确模拟组件的依赖项（如 Redux store、API 调用、第三方库等），使用合适的 Jest Mocking 工具（如jest.fn()、 jest.mock()）和测试双射（Test Doubles）。
  • 严格执行React 组件的渲染输出验证，利用 Jest 的 Snapshot Testing 功能或 Enzyme/Jest-React 的快照测试，确保 UI 结构与样式的一致性。
  • 全面检查组件的交互行为，通过触发事件、模拟异步响应等方式，验证状态变更、回调触发、路由跳转等预期行为。
  • 遵循最佳实践，保持测试用例的原子性、独立性和可读性，合理组织测试文件结构，使用 describe() 和 it() 块划分测试。
  • 确保用例稳定性，避免因外部以来变化导致的测试失败，定期更新并维护测试数据及 Mock 数据。

4. 撰写模块化的Prompt

技巧：将 Prompt 分为明确的模块，如任务描述、输入数据、预期输出、约束条件等，提升代码可读性和交互效率。

Bad Case：编写一个用户登录功能的界面

Good Case：实现一个使用用邮件和密码的登录界面，登录的后端接口为/api/users/login，接受的JSON请求：

perl
 代码解读
复制代码
{
  "email": "[email protected]",
  "password": "secret"
}

接口返回：

  • 成功（HTTP 200）：返回 access_token
  • 失败（HTTP 401）：返回错误信息

约束：

  • 验证：检查 email 格式，验证非空密码
  • token 保存：登录成功后，检查 cookie 中是否设置相同的 token

让模型思考（Chain-Of-Thought）

基于代码上下文来提问

技巧：在与通义灵码交互时，附带相关代码片段、报错堆栈或项目相关背景信息，有助于模型更好的理解任务需求，生成符合现在代码结构和项目逻辑的代码，甚至可以一键帮助你排查问题并输出相关优化代码

Bad Case：仅提供孤立的编程任务要求，如“实现一个函数，计算两个矩阵的乘法”

Good Case：在以下矩阵操作类中，添加一个名为 matrix_multiply 的方法，实现两个同类型矩阵的乘法运算。请确保与已有的 add、 substract 方法保持一致的接口风格。并解释一下你的思路。

角色扮演（Role Playing）

在文件头设定一个整体和概述的目标

Bad Case: 新建空白文件，直接使用灵码生成深入细节的函数

Good Case：在新建空白文件中，先在文件头使用注释来描述背景、整体期望完成的目标、大体逻辑伪代码等；然后再深入具体的细节来生成代码。在文件头设定一个整体的目标描述，有助于灵码在生成具体细节代码时有整体基调背景作为上下文。

总结

关于前面所提到的 zero shot 的一些 prompt 提示词，在了解了如何提高通义灵码回复质量的技巧后，大家也可以尝试对 zero shot 的内容进行修改，以获得更高质量的结果。在此 unit test 中，也欢迎大家介绍自己的背景。

例如：我是一名前端新人，基于这个背景我如何给这个代码仓库如何引入单测，也请你解释一下你的思考过程？此外，在使用这些技巧时，通义灵码也具备上下文记忆能力。这意味着你可以连续提问，这样它就能结合上下文给出更好的回答，或者说是能够根据上下文进行推演。

另外，我想提醒大家注意的是，在模型生成回答之后，还有一个“Retry”选项。许多用户可能倾向于忽略这个按钮，然而，与通义灵码的开发人员交流时，他们告诉我，通过点击“Retry”，模型能够进行升级。或者说，当前的回答可能是基于较浅层的输入。如果希望得到更深入或更慢的回答，或者调度一个参数量更大的模型，可以通过点击“Retry”来实现。尽管更大的模型并不一定总是能返回更好的结果，但它们的思维过程和开放性通常会更高，因为它们拥有更多的参数。

我使用通义灵码的过程分为三个阶段：首先确保团队所有成员都开始使用以提高渗透率，利用其代码自动生成和智能补全功能提升效率；其次，通过经验和技巧的积累，尤其是针对前端外包团队的培训，持续提升采纳率和代码生成占比；最后，利用通义灵码的 RAG 能力，结合团队特定的领域知识和文档，进一步提高开发效率。这一策略需要团队领导者进行细分领域的工作，以及对团队成员的针对性支持。

注：本文转载自juejin.cn的阿里云云原生的文章"https://juejin.cn/post/7483900235289378831"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！