原贴链接

AI工具如Copilot、Aider等已革新编码方式，但仍存在一些主要缺陷阻碍其潜力发挥。以下是几项缺失之处：

  1. 项目全局上下文 大多数工具基于单个文件或片段生成代码，无法“看到”整个项目，导致代码建议与系统其他部分不匹配。我们需要理解更大范围的工具，涵盖所有文件和目录。

  2. 跨IDE的灵活性 许多当前工具绑定特定IDE，对使用不同设置的用户不便。我们需要能无缝集成任何IDE或编辑器的代码生成工具，避免切换工具或调整工作流程。

  3. 代码插入的精确性 AI决定代码插入位置的问题较大，要么替换过多或过少，要么上下文不符。对代码插入位置和方式的精细控制将使流程更顺畅。

  4. 依赖关系意识 AI工具常忽略文件或模块在大型项目中的依赖关系，生成的代码可能破坏系统，需手动修复。

为解决这些问题，我们正在开发Oi，一个开源代码生成CLI，可在任何IDE内工作，具备项目全局甚至跨项目上下文，提供生成控制和依赖关系意识，并允许通过注释进行精确插入。

查看仓库，欢迎任何想法、建议和贡献。 https://github.com/oi-overide

讨论总结

帖子指出当前代码生成工具如Copilot和Aider在项目全局上下文、IDE灵活性、代码插入精度和依赖关系处理等方面存在不足。评论区对这些观点进行了深入讨论，提出了多种解决方案和替代工具。高赞评论集中在如何改进上下文处理、IDE集成和代码插入精度等问题上。部分评论者推荐了Cursor等工具作为解决方案，也有人对语言模型的局限性提出了质疑。此外，开源工具Oi受到了广泛关注和讨论，被认为有望解决这些问题。

主要观点

  1. 👍 项目全局上下文缺失
    • 支持理由：多数工具仅基于单个文件生成代码，缺乏对整个项目的理解。
    • 反对声音：部分工具如Aider已能提供仓库级上下文。
  2. 🔥 IDE灵活性不足
    • 正方观点：工具应兼容多种IDE，提高使用便捷性。
    • 反方观点：某些工具如Cursor已在此方面有所改进。
  3. 💡 代码插入精度问题
    • 支持理由：AI生成的代码位置和范围常不准确。
    • 反对声音：Claude sonnet等工具在插入精度上有显著改进。
  4. 🌐 依赖关系处理
    • 支持理由：AI工具常忽略文件间的依赖关系。
    • 反对声音：通过依赖图和滑动窗口协议可优化处理。
  5. 📈 开源工具Oi的潜力
    • 支持理由：Oi旨在解决上述问题，支持多IDE和精确插入。
    • 反对声音：需进一步验证其在实际项目中的表现。

金句与有趣评论

  1. “😂 Altruistic-Luck5306：size increases in context-window should help with 1) - which is the biggest issue for real-life codebases, maybe next year”
    • 亮点：直击代码生成工具的核心问题，提出实际改进方向。
  2. “🤔 superabhidash：LLMs can work with just the function definition and return type so we can reduce size there.. and this graph can be generated using a sliding window protocol”
    • 亮点：提供技术性解决方案，展示工具优化的可能性。
  3. “👀 MiddleCricket3179：Cursor has all these points fixed.”
    • 亮点：推荐现有工具，引发对替代方案的讨论。
  4. “😅 robertotomas：Ha! My bad: I neededa slash in front of that number sign. And, just in case; State of the art retrieval augmented generation”
    • 亮点：幽默自嘲，同时引入技术术语，增加讨论趣味性。
  5. “🚀 Icy_Wrangler_876：Oi is a game changer!”
    • 亮点：对开源工具Oi的高度评价，表达对其未来的期待。

情感分析

总体情感倾向积极，多数用户对改进代码生成工具持乐观态度，并对开源工具Oi表示期待。主要分歧点在于不同工具的优劣和改进方向，部分用户对现有工具的局限性表示担忧。

趋势与预测

  • 新兴话题：开源工具Oi的发展和其在实际项目中的应用效果。
  • 潜在影响：若Oi等工具成功解决现有问题，有望大幅提升开发效率，推动代码生成技术的进一步发展。

详细内容：

《探讨当前代码生成解决方案的缺失》

在 Reddit 上，一篇题为“ What’s missing in current code generation solution. ”的帖子引起了广泛关注。该帖指出，像 Copilot、Aider 等 AI 工具虽为编码带来变革，但仍存在限制其潜力发挥的重大缺口，并列举了以下几点：

  1. 项目全局上下文：多数工具基于单个文件或片段生成代码，无法“看到”整个项目，导致代码建议与系统其他部分不匹配。
  2. IDE 灵活性：很多工具绑定特定 IDE，让使用不同设置的人感到困扰。
  3. 代码插入精度：AI 决定的代码插入位置常出现问题，缺乏对插入位置和方式的精细控制。
  4. 依赖关系感知：AI 工具易忽略项目中文件或模块的相互依赖关系。

此帖获得了众多讨论，评论数众多。主要的讨论方向包括对这些问题的解决方案探讨，以及对现有类似工具的比较。

有人认为，对于项目全局上下文问题，增大上下文窗口可能有助于解决，或许明年能有所突破。有人表示正在为自己的项目 Oi 实现依赖关系图，以减少模型大小并提供更多信息。也有人提到特定的 IDE 难以解决灵活性问题。还有人分享了自己使用相关工具解决代码问题的经历。

有人提出，LLM 的实用性很大程度取决于命名质量。有人认为某些局限性是语言模型本身的限制，与上下文窗口大小有关。有人询问 Oi 是否支持除 Python 之外的语言，比如 C#。有人称赞这是一个很棒的生成整个文件的方式，但 Oi 的目标是在特定的 IDE 中工作。有人期待未来能将整个项目目录交给 AI 处理并得到理想结果，但也有人认为这对初级开发者可能是噩梦。

总之，对于当前代码生成解决方案的缺失，大家各抒己见，讨论热烈。但如何真正解决这些问题，仍有待进一步探索和实践。

您可以通过https://github.com/oi-overide了解更多相关内容。