出品 | CSDN（ID：CSDNnews）
AI 持续火爆的今天，国内已经诞生出上百家大模型，他们分布在营销、文旅、航空、医疗、教育、金融等各个领域，仅最近一个月，多家厂商都在紧锣密鼓的发布或更新自己的大模型。由于大模型其出色的性能和效果、泛化能力、降低成本的优势，未来会有更多的大模型加入，作为应用侧落地的一线开发者该如何抉择就变得非常重要。
2023 年 8 月 15 日，讯飞正式发布讯飞星火 2.0 版，发布会重点介绍了代码能力和多模态能力，并且发布了全新的智能编程助手 iFlyCode，该助手是一款 AI 编程工具，基于讯飞星火 2.0 大模型，具备 代码生成，代码补齐，代码纠错，代码解释，单元测试生成 5 项关键能力，而且代码生成和补齐维度上已经超过了 ChatGPT，耳听为虚，眼见为实，这次我们将通过两个真实需求，全方位体验 iFlyCode 这款工具。
其中，iFlyCode 与 4 款主流编码大模型，测试 50 道算法题（答案代码控制在 30 行内）的运行统计结果可明显看到 iFlyCode 已经领先于主流编码大模型，尤其是其运行时间与代码一次生成可用率。并且 iFlyCode 所有注释全部中文标记，无需声明特别指令。
考核维度
iFlyCode
ChatGPT 3.5
ChatGPT 4
StableCode
StarCoder
平均运行时间
1.5S
4S+
5S+
7S+
7S+
代码正确率
80%
80%
86%
50%
50%
代码注释
100%
100%
100%
不足40%
不足40%
自带测试用例
100%
低于70%
低于70%
CSDN实测 50道算法题运行统计结果
本次实战开发中，iFlyCode 还有很多优异的运行与能力表现，以下为实测详细内容：
iFlyCode 要挑战的两个实战需求
整体的体验过程会围绕两个需求展开，第一条是算法题解析，第二条是完成一个需求简易版 Demo。
需求一：用 Python 实现下述算法题
算法题我们拿一道比较简单的大厂 ACM 机试题，题目如下：
描述
将一个英文语句以单词为单位逆序排放。例如“I am a boy”，逆序排放后为“boy a am I”
所有单词之间用一个空格隔开，语句中除了英文字母外，不再包含其他字符
数据范围：输入的字符串长度满足 1≤n≤1000
注意本题有多组输入
输入描述
输入一个英文语句，每个单词用空格隔开。保证输入只包含空格和字母。
输出描述
得到逆序的句子
示例
输入：I am a boy
输出：boy a am I
需求二：用Python调用指定API，返回数据结果
通过 Python 调用 CSDN 指数查询接口，返回文字质量分。
以下代码都在 VSCode 中实现，按照下述步骤完成插件安装。
iFlyCode VS 国外 AI 工具实现算法题
我们选择了多款主流AI工具进行算法题解答，下图是 iFlyCode 与 ChatGPT 的运行对比。
下述是 2 的平台的代码对比，可以看到对于常规算法题，二者给出的代码逻辑基本一致。
Python
# iFlyCode 输出代码
def reverse_sentence(s):
words = s.split()
reversed_words = words[::-1]
return ‘ ‘.join(reversed_words)
# 测试
input_str = “I am a boy”
output_str = reverse_sentence(input_str)
print(output_str)
# ChatGPT 输出代码
while True:
try:
# 读取输入
input_str = input().strip()
# 将输入字符串按空格分割成单词列表，然后逆序排列
words = input_str.split()
reversed_sentence = ‘ ‘.join(words[::-1])
# 输出逆序的句子
print(reversed_sentence)
except EOFError:
break
为了测试得到更详尽的数据，笔者测试了 4 款主流编码大模型，测试了 50 道算法题（答案代码控制在30行内），得到如下结果。
考核维度
iFlyCode
ChatGPT 3.5
ChatGPT 4
StableCode
StarCoder
平均运行时间
1.5S
4S+
5S+
7S+
7S+
代码正确率
80%
80%
86%
50%
50%
代码注释
100%
100%
100%
不足40%
不足40%
自带测试用例
100%
低于70%
低于70%
通过 50 道算法题运行统计结果可明显看到 iFlyCode 已经领先于主流编码大模型，尤其是国内其运行时间与代码一次生成可用率。并且 iFlyCode 所有注释全部中文标记，无需声明特别指令，这一点让使用过程变得特别舒适。
几款大模型测试能看到，iFlyCode 可用度高，安装、配置、使用流畅简单，及易上手。
另外，在学习代码的时候，好的注释对代码阅读有非常大的帮助，但很多开源代码并没有编写注释，接下来我们使用 iFlyCode 的代码注释功能，标记一算法的核心逻辑。
首先选中【代码解释】功能，iFlyCode 可以特别快的对思路进行清晰的说明。
在实战中发现，可以直接选中部分代码，然后输入指令“给选中代码，添加详细注释”，可直接添加注释。
通过多次测试 iFlyCode 代码注释功能，发现如下优点：
•注释清晰，每行代码都有清晰注释；
•注释与代码匹配度高，不会出现添加注释后，但注释与代码不匹配情况；
•每行代码的注释不是单纯翻译代码，iFlyCode 增加了理解注释，例如 “将 totalNum 加上 2,表示匹配到了两个字符” ，这行注释就非常清晰易理解；
•iFlyCode 还可以给重点代码逻辑添加注释，即不使用逐行注释。
iFlyCode 在应用落地中的实战
在讯飞星火发布会上提到了一个关键词“10 倍工程师”，使用 iFlyCode 之后效率会有很大的提升，这一点对很多人来说，吸引力是巨大的。
接下来，我们通过 iFlyCode 交互式操作完成一款爬虫程序 Demo 的制作。
第一步，通过交互问答，完成接口初次调用
请求网址：https://library.hsfz.net.cn/userlib/bookfind.asp?ft=0
请求方法：POST
输入 Prompt 得到第一步代码。
Python
编写Python代码，通过 POST 形式访问 https://library.hsfz.net.cn/userlib/bookfind.asp?ft=0，传递txtName 参数，其值为 Python
生成如下代码：
Python
import requests
url = “https://library.hsfz.net.cn/userlib/bookfind.asp?ft=0”
data = {“txtName”: “Python”}
response = requests.post(url, data=data)
print(response.text)
运行之后提示出现下述错误信息（编码错误），接下来继续通过 iFlyCode 智能问答进行修改。
Shell
Traceback (most recent call last):
File “▒㷨▒▒▒▒▒.py”, line 9, in
print(response.text)
UnicodeEncodeError: ‘gbk’ codec can’t encode character ‘\xcd’ in position 28: illegal multibyte sequence
输入如下 Prompt 指令。
刚刚代码报错 UnicodeEncodeError: ‘gbk’ codec can’t encode character ‘\xcd’ in position 25: illegal multibyte sequence 请修改完善
得到最新的代码，运行新代码，发现已解决上述编码错误问题。
Python
import requests
url = “https://library.hsfz.net.cn/userlib/bookfind.asp?ft=0”
data = {“txtName”: “Python”}
response = requests.post(url, data=data)
print(response.content.decode(‘gbk’))
第二步，提取网页目标数据
这一步很重要，需要配合一些基础逻辑实现，首先通过一个目标元素模板，获取用于提取目标元素的正则表达式。
HTML
Python可以这样学索书号：TP311.56/D652著 者：董付国著 出版社：清华大学出版社 2017.2馆 藏：总计6册，在库6册【初中部图书馆2册，初中部智能柜②1册，二楼开架书库3册】
输入关键 Prompt 如下所示。
网页返回的结果如下所示
这里添加刚刚的HTML表格模板
使用正则提取表格中的文字信息
在 iFlyCode 中的输入效果如下。
此时得到一个可运行的 Python 代码，直接复制代码再次出现了编码错误，询问 iFlyCode 之后添加文件头 # -*- coding: utf-8 -*- 即可解决 。
Python
# -*- coding: utf-8 -*-
import re
html = “””
Python可以这样学索书号：TP311.56/D652著 者：董付国著 出版社：清华大学出版社 2017.2馆 藏：总计6册，在库6册【初中部图书馆2册，初中部智能柜21册，二楼开架书库3册】
# 提取索书号
so_number = re.search(r’索书号：(.*?)‘, html).group(1)
print(“索书号：”, so_number)
# 提取著者
author = re.search(r’著 者：(.*?)<‘, html).group(1)
print(“著者：”, author)
# 提取出版社
publisher = re.search(r’出版社：(.*?) ‘, html).group(1)
print(“出版社：”, publisher)
# 提取馆藏信息
collection = re.search(r’馆 藏：总计(.*?)册，在库(.*?)册’, html).group(1, 2)
print(“馆藏：总计”, collection[0], “册，在库”, collection[1], “册”)
运行代码得到如下结果，达到预期。
上述代码通过传入不同 HTML 源码进行了多次生成，最终找到了一个匹配度高的正则表达式，开发者在实践的时候，也可以传入多个示例，得到完美答案。
下面只需要将第一步获取的网页结果中，提取出对应的表格元素拼接到整体代码中，即可完成本案例，这里我们依旧使用 iFlyCode 的交互问答。
最后只需要简单的代码拼接，实现本案例，下述代码就是我们拼接之后的第二步完整代码。
Python
# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup
import re
url = “https://library.hsfz.net.cn/userlib/bookfind.asp?ft=0”
data = {“txtName”: “Python”}
response = requests.post(url, data=data)
html = response.content.decode(‘gbk’)
soup = BeautifulSoup(html, ‘html.parser’)
# 找到第2个表格
table_2 = soup.find_all(‘table’)[1]
# 找到表格中的所有子表格
sub_tables = table_2.find_all(‘table’)
# 打印子表格的HTML代码
for sub_table in sub_tables:
# print(sub_table)
# 提取索书号
so_number = re.search(r’索书号：(.*?)‘, str(sub_table)).group(1)
print(“索书号：”, so_number)
# 提取著者
author = re.search(r’著 者：(.*?)<‘, str(sub_table)).group(1)
print(“著者：”, author)
# 提取出版社
publisher = re.search(r’出版社：(.*?) ‘, str(sub_table)).group(1)
print(“出版社：”, publisher)
# 提取馆藏信息
collection = re.search(r’馆 藏：总计(.*?)册，在库(.*?)册’, str(sub_table)).group(1, 2)
print(“馆藏：总计”, collection[0], “册，在库”, collection[1], “册”)
在 Python 环境中运行上述代码，得到目标结果。
在使用 iFlyCode 基于生成代码的过程中，碰到细节问题，直接使用交互问答就可以得到修改建议，例如下面询问的 bs4.element.Tag 对象如何转换为字符串。
iFlyCode 使用总结及未来展望
今天给大家展示了讯飞星火新推出的 AI Code 工具：iFlyCode，整个应用过程中，体验非常好，优点如下所示：
流畅的生产速度
iFlyCode 生产代码速度极快，包含其交互问答部分，输出也非常流畅。
代码准确度
做到了一键出码，其生产代码可用度极高，笔者重点测试了国外主流产品的正则表达式生成功能，iFlyCode 可以完胜。
代码纠错，修BUG能力
使用大模型生成代码，无法避免代码BUG，因此代码纠错能力属于及高频动作，实战中我们会用其修复已有代码，也会修复其自生成代码，iFlyCode 在纠错能力上表现优异，极少出现其它大模型反复提供相同代码的问题。
AI 大模型不止在国内，在全球都在掀起新一轮技术革命和商业浪潮，以前要反复编写的代码，现在只需使用一句 “用 Python 提取视频的3~20秒” ，即可全自动化实现。除了通用大模型之外，与行业深度结合的大模型，将会给各个领域带来更大的价值。
iFlyCode 已经展示了星火大模型与编程领域之间的初步结合，仅仅 1.0 版本就让我们看到其在编程场景下的巨大助力，逻辑不复杂且重复度高的代码，直接让 AI 编程助手解决；需要检索的问题，一键搜索答案；有潜在风险的代码，一键完善优化……未来，AI 编程助手会进一步简化程序员的工作，提升生产效率，让更多开发者的精力得到释放，去做更多创造性的工作。
基于讯飞星火大模型的 iFlyCode 在国内已经走出了关键的第一步，相信不久的将来掌握 AI 工具的新程序员就会大量的出现，一个新时代已经到来，大家一起加入吧！
原文链接：https://www.163.com/dy/article/ICU289U00511FQO9.html
