原贴链接

我在PyCharm中使用Ollama尝试了CodeGPT和Qwen 2.5 Coder，但没有留下深刻印象。我经常使用Claude项目，它还不错，但不确定是否有类似的本地大语言模型（LLM）工具。

讨论总结

原帖询问大家使用什么免费编码助手，评论者们分享了各自使用不同编码辅助工具的经历，包括使用中遇到的问题，如aider结合qwq和qwen2.5 coder时记忆上下文困难，Qwen 32B表现差等。还推荐了不少工具，如Copilot、Tabby、Continue.dev等，也讨论了本地模型与在线模型在编码方面的竞争力等话题，整体氛围比较理性务实。

主要观点

  1. 👍 aider与qwq和qwen2.5 coder结合使用存在记忆上下文困难的问题
    • 支持理由：评论者No_Dig_7017在实验中发现一旦超过一定复杂度，就难以记住整个上下文。
    • 反对声音：无
  2. 🔥 目前不存在好用的本地编码辅助工具
    • 正方观点：Existing_Freedom_342以Qwen 32B为例，其表现不理想，在实际应用中几乎无用。
    • 反方观点：有评论者分享使用continue和qwen2.5 32B取得成功的经验。
  3. 💡 付费产品也难以处理大型项目
    • 解释：评论者分享自己使用经验，指出即使是付费的也难以处理大型项目，对于代码补全、小型且范围窄的代码，本地模型是可行的。
  4. 💡 编码赚钱时应使用最好的工具而非免费的
    • 解释：评论者tibbon表示在编码（靠其赚钱）时想要最好最前沿的工具，不会使用免费的编码助手，其他评论者表示同意。
  5. 💡 对LLMs在编码上的期望应合理设定
    • 解释：有评论者强调人们对LLMs在编码方面的期望要合理，因为即使付费的也难以处理大型项目。

金句与有趣评论

  1. “😂 我在使用aider与qwq和qwen2.5 coder进行实验时发现，一旦超过一定复杂度，它就难以记住整个上下文，修好了一个问题又会破坏另一个问题。”
    • 亮点：指出了aider与特定模型结合使用时存在的记忆上下文困难这一关键问题。
  2. “🤔 Existing_Freedom_342：The Qwen 32B is not bad, but it is far from good either, practically useless for real applications.”
    • 亮点：对Qwen 32B在实际应用中的表现做出了直接评价。
  3. “👀 我使用continue和qwen2.5 32B取得了成功。”
    • 亮点：与其他评论中对qwen相关产品的负面评价形成对比，提供了不同的使用体验。
  4. “😂 Local just isn’t competitive for coding in any situation where you have the option of an online model.”
    • 亮点：鲜明地表达了本地模型在有在线模型可选时在编码方面缺乏竞争力的观点。
  5. “🤔 我想要最好最前沿的工具。”
    • 亮点：体现了部分编码者在工作中对工具质量的高要求。

情感分析

总体情感倾向较为中性客观。主要分歧点在于对不同编码辅助工具的评价，例如对本地LLMs是否有用，Qwen系列产品的性能等。可能的原因是大家使用场景、需求以及对工具的期望不同，所以对不同工具的评价差异较大。

趋势与预测

  • 新兴话题：编码助手的参数设置对性能的影响可能会引发后续讨论，如Qwen2.5 - Coder相关参数的调整。
  • 潜在影响：如果大家对不同编码助手的认识更深入，可能会影响编码者选择工具的倾向，进而影响相关工具的发展方向。

详细内容：

标题：人们都在使用哪些免费的编码助手？

在 Reddit 上，有一个关于免费编码助手的热门讨论话题，引起了众多网友的关注。原帖作者表示自己试用了 codegpt 以及 ollama 在 pycharm 中的结合，还有 qwen 2.5 coder，但效果不佳，还在探索是否有类似的本地 llms 工具。该帖子获得了大量的点赞和评论，引发了网友们对各种编码助手的热烈讨论。

讨论的焦点主要集中在不同编码助手的使用体验和效果。有人表示使用 aider 与 qwq 和 qwen2.5 coder 的组合还不够成熟，在处理一定复杂度的任务时难以记住全部上下文，容易在修复一个问题的同时产生新的问题。也有人认为 ChatGPT 4 在处理复杂问题时表现出色，能帮助用户在一周内解决原本需要几个月才能完成的任务，而且能很好地记住对话内容。

有用户分享自己使用 Qwen 2.5-Coder:7b 感觉还可以，但强调不能将其与在数据中心运行的商业 LLM 相提并论，使用本地 LLM 进行编码主要是因为所在公司的限制。还有用户提到使用 Tabby 编码助手的体验，称其类似于 Copilot，能在编辑器中实现自动补全、中间填充、重构和聊天等功能，用户接受其建议的比例达到 36%。

对于不同编码助手的评价存在差异。有人对 Claude 赞不绝口，也有人认为即使是像 Gemini 这样的新模型在生成新代码方面表现不错，但在进行编辑时效果欠佳。关于参数设置，有人指出调整温度、Top-p 等参数对生成代码的质量和特点有影响。

总的来说，对于免费编码助手的选择和使用，大家的看法不一，但都在不断尝试和探索，以找到最适合自己需求的工具。