繼GitHub的Copilot收費後,亞馬遜推出了 CodeWhisperer,感覺不錯喲!
Copilot 是 Github 推出的一款人工智能編程助手,推出僅一年就受到大量開發者的追捧(據官方統計有 120 萬用戶)。然而,自 2022 年 6 月起,它改為了付費訂閱模式(每月 10 美元或每年 100 美元)。
我們暫且不討論訓練代碼可能涉及的版權及授權許可問題,可以肯定的是,利用機器學習訓練出智能編程 AI 模型,這會是未來的大勢所趨!
巧合的是,僅在 Copilot 宣布收費的幾天後,Amazon 就推出了一款競品 CodeWhisperer!相信在不久的將來,類似的產品會如雨後春筍般湧現,到那時,程序員和編程學習者們就更加有福了!
作者:Brian Tarbox
譯者:豌豆花下貓@Python貓
英文://blog.symops.com/2022/08/31/amazon-codewhisperer
轉載請保留作者&譯者&來源信息
代碼補全最早出現在 1985 年的一個名為 Alice 的 Pascal 編輯器上。它支持自動縮進、自動補全 BEGIN/END 控制結構,甚至支持語法着色。
爭議也隨之而來:在 Alice 的早期,人們擔心代碼補全使得編寫軟件過於簡單。但它實際上只是一個語法助手。
代碼補全可以幫你寫出語法正確的、可編譯的代碼,但它不能幫你寫出語義正確的代碼,甚至不能寫出任何有用的代碼。
GitHub 的 CoPilot 和 Amazon 的 CodeWhisperer 改變了這一點,它們除了提供語法輔助,還能生成語義上正確的代碼。它們不僅能提供 if 語句的大綱,還能創建出完整的代碼樣例。
但在 2022 年,一個代碼輔助工具到底能好到什麼程度呢?
本文將重點介紹 CodeWhisperer,嘗試回答這個問題。
試用:用 Python 從 S3 讀取數據
亞馬遜在 2022 年 6 月發佈了 CodeWhisperer 預覽版,現在它支持 Python、Java 和 JavaScript。
Python貓註:截至2022年9月17日,這個服務還未全面開放。
若要試用,可在官網申請://pages.awscloud.com/codewhisperer-sign-up-form.html
在 AWS 博客的一篇文章中,Mark Richman 解釋說,CodeWhisperer 的模型是在「包括 Amazon 開源代碼在內的各種數據源」上訓練的。有了這個語料庫(顯然確實存在)完善 CodeWhisperer 的模型,編寫從 S3 讀取文件的代碼應該是一個很好的測試用例。
在使用 CodeWhisperer(CW)時,你需要寫一個注釋,描述你希望函數去做什麼。注釋的描述性和準確性越高,系統就越能更好地推斷出你想要的邏輯。
Function to open an S3 file
注釋以 Function 開頭,讓 CW 知道你想要創建一個函數。也就是說,你需要添加一個注釋,作為給 CW 的提示。
CW 分析注釋並生成一個函數的定義。此時,你可以在生成函數體之前修改函數定義。CW 還可能提供多種函數定義供你選擇。
IntelliJ 集成 CodeWhisperer 的截圖
點擊「插入代碼」,你的函數就在注釋的下方創建好了。注意 CodeWhisperer 不僅插入了代碼,還創建了一個文檔字符串。
# Function to open an S3 file
def open_s3_file(filename):
"""
:param filename:
:return:
"""
s3 = boto3.resource('s3')
return s3.Object(bucket, filename).get()['Body'].read()
看起來不錯!這段代碼實現了你的注釋所期望的功能,並且是在幾秒鐘內就生成了。節省了查找boto3
API 的時間,你只需要檢查代碼,確保語義正確。
接着看看提出更多要求時,會發生什麼。
這有一個很有用的例子:寫一個函數從 S3 的文件中返回前「n」行。
# Function to get first n lines from a file in S3
def get_first_n_lines_from_s3(filename, n):
"""
Get the first n lines of a file in S3
:param filename:
:param n:
:return:
"""
lines = []
for line in open_s3_file(filename):
lines.append(line)
if len(lines) >= n:
break
return lines
真厲害!CodeWhisperer 使用了之前創建的輔助方法 open_s3_file,並生成了正確的函數。
在 CW 生成函數體之前,你可以修改參數名,提高代碼的可讀性。例如,如果我們輸入:
# Function to find common elements in lists
CW 會提示:
def find_common_elements(list1, list2)
在生成函數體之前,我們可以修改函數定義,使其更具描述性:
def find_common_elements(first, second)
如果我們接受它的函數定義,CodeWhisperer 將使用函數簽名和注釋來構建函數體。得到的函數將使用改進後的參數名。
# Function to find common elements in lists
def find_common_elements(first, second):
return list(set(first) & set(second))
CodeWhisperer 不僅僅可以創建整個函數;它還可以在函數中插入代碼片段,並在過程中推斷相關變量。
# reverse the list order
lines.reverse()
CodeWhisperer 是一個重要的生產力助推器
使用 CodeWhisperer,我能夠更快地編寫代碼。到目前為止,最大的價值是 S3 示例所演示的功能。
如果我自己寫代碼,大部分時間將會用來查找 boto API 文檔,以確保寫出正確的調用。使用 CodeWhisperer,則只需三秒鐘。
這讓我想到了一段曾花了很多時間的煩人代碼:給 CloudWatch 發送數據。讓我們看看 CodeWhisperer 能否有所幫助,試試提供注釋:「Function to emit a CloudWatch metric」。
# Function to emit a cloudwatch metric
def put_metric_data(metric_name, metric_data):
"""
Put a metric data into cloudwatch
:param metric_name:
:param metric_data:
:return:
"""
cloudwatch = boto3.client('cloudwatch')
cloudwatch.put_metric_data(
Namespace='my_namespace',
MetricData=[
{
'MetricName': metric_name,
'Dimensions': [
{
'Name': 'string',
'Value': 'string'
},
],
'Unit': 'Seconds',
'Value': metric_data
},
]
)
非常有用!CW 為我節省了許多打字和查閱 API 文檔的時間。
我有可能需要重構這段代碼,但即使我從零開始編寫它,第一步也要寫出類似這樣的原始邏輯。如今只花三秒鐘,我節省了編寫大量樣板代碼的時間,有了一個很好的自定義或重構的起點。
那麼 CodeWhisperer 是一個比我更好的程序員嗎?
儘管有一絲標題黨,但 CW 的代碼是否比我的好,這並不重要。重要的是,它可以為我節省大量的時間和精力,讓我能夠專註於改進、重構和測試。
它通過承擔一些同質化的繁重工作,讓我有機會成為一個更好的程序員。
上面的例子是 Amazon 工具(經過 Amazon 開源代碼訓練)能夠表現出色的例子。當然,在大多數開發人員需要花費很多時間的地方,比如編寫領域相關的邏輯時,CW 也許不會非常有用。讓我們看看 CW 會出什麼問題。
我們可以從 Python 文檔中的數據類示例開始。
@dataclass
class InventoryItem:
"""Class for keeping track of an item in inventory."""
name: str
unit_price: float
quantity_on_hand: int = 0
def total_cost(self) -> float:
return self.unit_price * self.quantity_on_hand
我想知道 CodeWhisperer 是否可以向這個類添加一個方法。讓我們看看如果添加註釋:” Function that return this item costs more than $10″,會發生什麼?
@dataclass
class InventoryItem:
"""Class for keeping track of an item in inventory."""
name: str
unit_price: float
quantity_on_hand: int = 0
def total_cost(self) -> float:
return self.unit_price * self.quantity_on_hand
# Function that returns whether this item costs more than $10
def expensive(self) -> bool:
return self.unit_price > 10
非常酷。值得注意的是,CW 給函數起了一個直觀的名字,並包含了對 self 的引用。
接着,讓我們嘗試用 CW 來做測試,看是否會觸及它的極限。
# Function to test InventoryItem class
def test_inventory_item():
"""
Test InventoryItem class
:return:
"""
item = InventoryItem("Widget", 10, 5)
assert item.name == "Widget"
assert item.unit_price == 10
assert item.quantity_on_hand == 5
assert item.total_cost() == 50
assert not item.expensive()
🤯哇!在上面的代碼中,我輸入了注釋,CW 自動完成了剩下的工作。
測試似乎是一個極好的證明 CW 可以節省時間的例子。我不需要浪費時間去想測試的值,也不用輸入所有的成員變量和方法。
CodeWhisperer 的局限性
它現在還處於初級階段,還有很多問題。
研究人員發現,GitHub CoPilot 生成的代碼有 40% 存在安全漏洞。
CodeWhisperer 還沒有這類的統計數據,但 AWS 似乎強調了對安全性的關注。
據我測試,在一些例子中,CW 生成的函數有 bug,或者結果沒有符合我的意圖。
下方的例子應該返回兩個文件中最長的公共行,但它只返回了第一個匹配的行:
# Function to find the longest common line in two files
def find_longest_common_line(file1, file2):
"""
Find the longest common line in two files
:param file1:
:param file2:
:return:
"""
with open(file1, 'r') as f1:
with open(file2, 'r') as f2:
for line in f1:
if line in f2:
return line
CW 還出現了其它問題,原因是它沒有足夠的上下文來理解我的意圖。經過反思,我覺得如果周圍的代碼結構很好的話,也是可以實現的。
如果你在設計代碼時用了準確表示領域的名詞,那麼,在給出了良好注釋的前提下,很容易想像 CW 能夠創建出特定於領域的邏輯。至於 bug,將來肯定會得到改善的。
寫在最後
如果你嘗試使用 CW,它可能會讓你想像:可能有一天,有人會寫出歷史上最後一行由人類編寫的代碼。
在那之前,CW 可以幫助你成為一個更好的程序員,這樣即使世界上最後一個程序員是你,人類的最後一行代碼也不會有 bug。
本文首發於 Python貓 ,未經許可,請勿轉載
知乎:Python貓
博客園:豌豆花下貓
掘金:豌豆花下貓
CSDN:Python貓