pycharm安装通义灵码插件,让ai给你写代码

一.环境准备
1.系统环境
windows 10、windows 11
2.软件环境
Pycharm 2021+
Python 3
二,通义灵码插件安装
简介
通义灵码,是阿里云出品的一款基于通义大模型的智能编码辅助工具(也支持deepseek),提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力,助力开发者编码。
2.安装
打开PyCharm,File->Settings->Plugins,搜索“通义灵码”,点击安装。

在这里插入图片描述

安装完成后,点击【Apply】,再点击【OK】,最后退出Settings界面
由于PyCharm版本可能不同,安装完插件,建议重启,重启打开PyCharm后,就可以在右侧看到 通义灵码 的图标了(也可能在左侧,根据不同版本而定)

在这里插入图片描述

使用 通义灵码 前是需要登录的,使用支付宝等扫码即可登录。

在这里插入图片描述

三.通义灵码功能介绍
1.智能问答
直接输入需求可生成代码,或者输入各种问题,ai智能回答。

在这里插入图片描述

2.文件编辑
具备文件代码修改的能力,能够让你通过自然语言描述,精准、可控地进行工程内代码文件修改。

在这里插入图片描述

3.智能体
智能体模式具备自主决策、环境感知、工具使用等能力,可以让你通过自然语言描述,完成复杂的编码任务(可自行创建py文件)

在这里插入图片描述

4.其他功能
选中代码段,可解释代码,生成单元测试,生成注释,优化代码

在这里插入图片描述

解释代码效果如下:

在这里插入图片描述

注释代码效果如下:

在这里插入图片描述

5.行间对话
打开行间对话,可以实时忙你写代码。

在这里插入图片描述


在这里插入图片描述

6.支持多个大模型
千问和deepseek

在这里插入图片描述

四.效果展示
使用智能体,deepseek-r1,提问ai进行编码,直接生成了一个flask项目(输入长宽像素,自动生成指定尺寸的图片,且可下载),可以直接本地运行。

在这里插入图片描述


在这里插入图片描述

五.总结:
通义灵码插件提供了强大的 AI 辅助开发功能,涵盖代码补全、优化、错误检测、文档生成等多个方面,显著提升开发效率和代码质量,是一个值得尝试的工具。

Read more

Windows下安装运用高效轻量本地龙虾机器人ZeroClaw

Windows下安装运用高效轻量本地龙虾机器人ZeroClaw

常用操作系统Windows下,本地安装、配置和使用--龙虾机器人,用过了略显复杂的原装OpenClaw,也用过了易用性逐渐提升的国产替代CoPaw、AutoClaw、WorkBuddy,欲转向性价比更高的“品牌”,几经对比,目光锁定在了ZeroClaw。下面是Windows下,安装、配置和使用ZeroClaw的过程汇总和心得体会。盛传ZeroClaw,不但开源免费、可以本地部署,而且体积小、运行高效,跟我一起体验,看其到底有没有。 1 组合工效 图1 ZeroClaw应用组合工效展现图 2 必备基础 2.1 大模型LLM 通用经济起见,选用硅基流动Siliconflow大模型平台及其下的deepseek-ai/DeepSeek-V3.2,需要进入硅基流动网站注册登录并创建相应的API密钥,如图2所示。 图2 SiliconflowAPI密钥创建及其大模型选择组合截图 2.2 机器人Robot 通用经济起见,选用腾迅的QQ机器人。进入腾迅QQ开放平台,注册登录,新建QQ机器人并创建机器人AppID与机器人密钥,在“开发”下选择相应的常用“回调配置”

Flutter 三方库 arcade 的鸿蒙化适配指南 - 实现高性能的端侧 Web 框架、支持轻量级 HTTP 路由分发与服务端逻辑集成

Flutter 三方库 arcade 的鸿蒙化适配指南 - 实现高性能的端侧 Web 框架、支持轻量级 HTTP 路由分发与服务端逻辑集成

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 arcade 的鸿蒙化适配指南 - 实现高性能的端侧 Web 框架、支持轻量级 HTTP 路由分发与服务端逻辑集成 前言 在进行 Flutter for OpenHarmony 的全栈式开发或特定的边缘计算场景,我们有时需要在鸿蒙应用内部直接启动一个功能完备但又极其轻量的单文件 Web 服务器。arcade 是一个主打微核心设计的 Dart 服务端框架。它能让你在鸿蒙真机上以最少的内存占用,快速运行起一套处理 REST 请求的逻辑中心。本文将指导大家如何在鸿蒙端利用该框架构建微服务。 一、原理解析 / 概念介绍 1.1 基础原理 arcade 采用了非阻塞式的 IO 事件循环架构。它通过直接包装 dart:io 的 HttpServer,提供了一套高度流式(

Submodular function次模函数 概念——AI学习

Submodular function次模函数 概念——AI学习

论文名称:Submodularity In Machine Learning and Artificial Intelligence 一、综述论文 这篇文章是一篇 综述论文(survey)。 核心目标是: 介绍 Submodular functions(次模函数) 以及它们在 机器学习与人工智能中的应用。 作者想说明一个非常重要的观点: 很多机器学习问题其实是“离散优化问题”。 例如: * Feature Selection:属于数据预处理问题,旨在从原始特征中筛选出最相关、最有信息量的子集,以降低维度、提升模型性能与可解释性。 * Dataset Subset Selection:属于数据采样或核心集选择问题,旨在从大规模数据中选取一个具有代表性的子集,以降低计算和存储成本,同时保持模型性能。 * Active Learning:属于机器学习训练策略问题,通过让模型主动选择最有价值的数据进行标注,以最少的标注成本最大化模型性能。 * Clustering:属于无监督学习问题,旨在根据数据的内在相似性,将未标记的数据自动分组为不同的类别或簇。 * Data

GCC编译(6)静态库工具AR

GCC编译(6)静态库工具AR

GCC编译(6)静态库工具AR Author: Once Day Date: 2026年2月20日 一位热衷于Linux学习和开发的菜鸟,试图谱写一场冒险之旅,也许终点只是一场白日梦… 漫漫长路,有人对你微笑过嘛… 全系列文章可参考专栏: 编译构建工具链_Once-Day的博客-ZEEKLOG博客 参考文章:ar(1) - Linux manual page【Linux】ar命令:用于创建、修改和提取静态库(archive)-ZEEKLOG博客Linux命令学习手册-ar - 知乎Linux ar命令介绍 和常用示例 - Link_Z - 博客园 文章目录 * GCC编译(6)静态库工具AR * 1. AR工具概述 * 1.1 背景介绍 * 1.2 基础使用