OS-ABC/AI-Coder

AI-Coder

AI-Coder是一款基于PyCharm的代码句补全插件。

其补全效果如下：

句中调用代码句补全

 

句间调用代码句补全

 

目录结构

• backend——代码句补全服务器

• dataset——训练数据集

• model——代码句补全模型

• plugin——插件开发配置

   

服务器

代码句补全服务器尝试了两种框架，分别是Flask和Crow。

Flask

1. 准备

如果没有安装 flask，先安装 flask。anaconda 自带了 flask。 pip install flask

2. 运行

进入 backend 文件夹，运行 server_demo.py。

在浏览器中输入 localhost:9078/plugin_test?keyword=helloworld ，浏览器返回内容如下。

后端获取 keyword 中的数据，处理之后返回。后续我们使用模型处理输入，道理是一样的。

Crow

Crow是一个轻量级的Web服务器框架，这个框架是受Python下的Flask启发的，其实现的功能和Flask基本一致，核心的区别在于Crow是用C++编写的，性能较Flask有一定的提升。

 

数据集

数据集有两个，第一个是Keras领域的代码数据，第二个是TensorFlow领域的代码数据。

代码数据中均删除了参数。

 

模型

深度学习环境

模型训练环境包含两种：

tensorflow 1

• python 3.5
• tensorflow 1.13.1
• keras 2.2.4

tensorflow 2

• python 3.7
• tensorflow 2.2

从模型代码的文件名中可以得知对应的版本号，例如：

Text_Gen_tf10.ipynb

表示该代码文件为生成模型，使用的版本为tensorflow 1的版本

模型介绍

模型尝试了三种，分别是：

• 基于长短期记忆的代码句生成模型
• 基于序列到序列的代码句预测模型
• 基于Transformer的代码句预测模型

注：模型文件类型为ipynb，需要用jupyter打开。

 

插件

1. 准备

• 开发插件所用的编辑器——IDEA 测试时使用版本 IntelliJ IDEA 2019.1 x64

• 插件适用对象——Pycharm 测试时使用版本 JetBrains PyCharm Community Edition 2019.1.1 x64

注：Pycharm必须安装社区版！否则不能调试。

2. 插件项目的导入与运行

打开IDEA,File->open->我们项目的根目录

然后需要配置：

1. 在IDEA中选择项目根目录右键Open module settings

设置项目的SDK为本机安装的Pycharm社区版，新建一个SDK，路径选择为安装的pycharm社区版根目录

2. 运行项目时会启动一个Pycahrm 窗口，是带有我们这个插件效果的。