Id
float64 1
12
⌀ | Title
stringclasses 11
values | Content
stringclasses 11
values | View
float64 0
1.52k
⌀ | PublishTime
float64 1,695B
1,695B
⌀ | Site
stringclasses 2
values |
|---|---|---|---|---|---|
1 | 亚马逊云科技推出基于生成式AI的临床文档工具HealthScribe预览版 | 最近，亚马逊云科技新推出了一项符合HIPAA标准的服务，名为AWS HealthScribe。该服务尚处于预览状态，它可以利用语音识别和生成式人工智能（基于Amazon Bedrock）来生成临床文档。 按照该公司的说法，AWS HealthScribe是会话式和生成式人工智能（AI）的结合体，可以减轻编写临床文档的负担并改善咨询体验。借助这项服务，用户可以利用一整套的人工智能功能来加快临床应用中临床文档的编制。 AWS HealthScribe为医疗卫生软件提供商提供了一个API，可以自动生成完整的记录及提取关键的详细信息（如医疗术语和药物），并根据医患之间的讨论创建可输入电子健康记录（EHR）系统的摘要。 例如，在HealthScribe中创建的笔记可以通过人工智能进行补充，包括诸如就诊原因、当前病史、评估和随访等细节。示例：医疗卫生软件开发人员可以使用AWS HealthScribe为用户提供的应用程序体验（图片来源：AWS for Industries博文） AWS for Industries博文的作者是这样描述AWS HealthScribe的好处的：通过功能整合，AWS HealthScribe减少了训练、优化、集成单个的人工智能服务和构建自定义模型的需求，加快了实施速度。客户可以专注于为最终用户提供价值，而不必费力优化单个的AI组件。 另一方面，虽然该服务符合HIPAA，但公司必须签署一份称为商业伙伴附录的合同。对此，AWS的文档做了详细说明，只有这样才能完全符合HIPAA。 除了AWS，微软和谷歌也有像AWS HealthScribe这样的医疗卫生服务。例如，云服务Microsoft Healthcare Bot就使得医疗卫生组织能够构建和部署可用于各种目的的会话代理，例如分诊和症状检查。还有Google Cloud Healthcare API，该服务提供了一套基于Google Cloud Platform构建的专门用于医疗卫生领域的产品和服务。 Bertalan Meskó是医学未来学家协会（Medical Futurist Institute）的主任、哲学和医学博士，他在LinkedIn的一篇帖子中评论道：看到科技巨头进军医疗卫生领域非常令人兴奋，我们都应该为此感到高兴，因为他们比医疗卫生/制药公司更擅长创造人们想要的技术。 此外，Batch首席执行官Simon Dawlat在推特上写到：随着亚马逊加入微软/谷歌的竞争行列推出HealthScribe，基于人工智能的临床文档API淘金热正如火如荼地进行着——然而，与那些高度专注的公司（如@NablaTech）所提供的产品相比，所有FAANG的产品都显得有些尴尬。 比赛开始了！ Nuance和Cerner Corporation（Oracle）等公司也提供了其他一些类似的解决方案，前者为医疗卫生和客户互动提供了对话式人工智能，后者则是医疗卫生信息技术解决方案、服务、设备和硬件供应商。 最后，AWS HealthScribe目前仅在美国东部（弗吉尼亚州北部）地区可用，客户可以填写表单完成注册后访问该服务。了解定价细节可以查看定价页面，了解其他细节可以查阅文档。 原文链接：https://www.infoq.com/news/2023/08/aws-healthscribe-ai-preview/相关阅读：亚马逊云科技re:Inforce 2023中国站：企业如何提高数据、模型和应用安全？降本增效：Grab如何在亚马逊云科技上将Kafka消费者流量成本降到零 | 1,518 | 1,695,081,600,680 | InfoQ |
2 | 神器 CodeWhisperer | 这两天看到了好多关于 Amazon CodeWhisperer 针对个人用户终身免费使用的消息，便抽空简单来重点介绍下如何在 VS Code 这款 IDE 上安装和使用 CodeWhisperer。
亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中国开发者对接世界最前沿技术，观点，和项目，并将中国优秀开发者或技术推荐给全球云社区。如果你还没有关注/收藏，看到这里请一定不要匆匆划过，点这里让它成为你的技术宝库！
CodeWhisperer 是亚马逊出品的一款基于机器学习的通用代码生成器，可实时提供代码建议。类似 Cursor 和 Github
Amazon CodeWhisperer
Amazon CodeWhisperer 是 Amazon 于 2021 年 12 月推出的一款代码补全工具，与 GitHub Copilot 类似。主要的功能有:
代码补全
注释和文档补全
代码安全问题的辅助定位
CodeWhisperer 主要由 Java、Python、JavaScript、TypeScript、C# 相关语料训练而成，在支持上述语言的同时，也支持 Ruby、Go、PHP、C++、C、Shell、Scala、Rust、Kotlin、SQL 等。
安装教程：
在菜单顶部，单击 Marketplace 并在搜索栏中输入“Amazon Tookit”。点击安装
点击“Developer Tools”标签，选择“CodeWhisperer/Start”在弹出的窗口中选择第一栏，点击“connect”
点击“Copy Code”
点击“open”
点击后自动弹出一个页面，将上一步复制的 Code 粘贴过来，点击“Next”
输入信息并验证
点击 allow
出现下图后就说明注册成功啦
下面谈谈我对亚马逊云科技的一些看法吧：
“像其他任何 IT 采购一样采购专网”，对于小型部署或者没有任务关键需求和业务关键需求并且可能没有大量资本支出用于投资的中小企业来说，它将 5G 专网视为通向更高价值服务和整个数字化过程的渠道。亚马逊云科技提供计算、机器学习分析和边缘计算，并支持联网资产上的应用程序和解决方案，以帮助企业实现数字化之旅。现在，它还提供专有蜂窝网络连接作为提升其所有更广泛产品的渠道。
当然其中也有不尽完美的地方：亚马逊云科技认为，用户会指定其所需的网络、容量等，并通过一次单击订购这些资源。然而，多数企业并不知道它们需要什么，并且需要有人（合作伙伴）在其探索过程中来指导它们。除了核心网和 RAN 公司以及 Dish（其 DNA 和与亚马逊云科技的合作伙伴关系值得单独报告）外，A 亚马逊云科技能会加强拉拢其他合作伙伴，例如系统集成商和垂直领域专业企业，从而确保它们能够解决这些方案实施的复杂性——尤其是随着网络的发展，复杂性会愈发增强。
最后跟大家分享我个人使用 CodeWhisperer 的体验和观点吧：
强大的自动补全功能：CodeWhisperer 的自动补全功能相当出色。它能够根据上下文提供准确的建议，节省了大量的时间和精力。我发现它能够准确预测我想要使用的变量、函数和类名，并提供相应的补全选项。这种智能化的补全功能使我的编码过程更加流畅，减少了犯错的可能性。
实时错误检测和建议：CodeWhisperer 具备出色的实时错误检测能力。它会在我编写代码的同时，发现并提示潜在的错误和问题。例如，当我遗漏了一个括号、忘记了引入某个模块或使用了错误的函数参数时，它会立即给出相应的警告。此外，CodeWhisperer 还提供了改进代码质量的建议，帮助我遵循最佳实践和规范。
智能重构和优化建议：CodeWhisperer 能够帮助我进行智能的代码重构和优化。它能够检测到重复代码、复杂的逻辑和低效的操作，并提供相应的重构建议。这使得我的代码更加清晰、易于理解和维护。我发现这个功能对于大型项目的开发尤为有用，它能够帮助我提高代码的可读性和性能。
多语言支持和广泛的框架集成：CodeWhisperer 支持多种编程语言和广泛的框架。无论是 Python、Java 还是 JavaScript，它都能提供高效的支持和建议。此外，CodeWhisperer 还与许多流行的开发工具和集成开发环境（IDE）兼容，如 Visual Studio Code、PyCharm 等。这为开发者提供了更大的灵活性和便利性。
总结：CodeWhisperer 是一款卓越的编码助手，通过强大的自动补全、实时错误检测、智能重构和优化建议等功能，大大提高了我的编码效率和代码质量。
总之，感兴趣的小伙伴可以上手试一试啦。 | 1,518 | 1,695,081,600,680 | InfoQ |
3 | 实测 亚马逊 AI 编程助手 Amazon CodeWhisperer（全网最全) | 今天小王学长带大家实际测试一下亚马逊最近出的 AI 编程助手 Amazon CodeWhisperer，从不同角度和不同功能来看看这款编程助手是否可以帮助我更好的进行开发任务。
文章目录：（大家先预览下）
一、CodeWhisperer简介
1.1 CodeWhisperer 是一个重要的生产力助推器
1.2 CodeWhisperer 的实际应用
二、CodeWhisperer安装教程
2.1 IntelliJ IDEA安装CodeWhisperer插件
2.2 VSCode安装CodeWhisperer插件
2.3 PyCharm安装CodeWhisperer
2.4 快捷键使用方法
三、简单自动编码演示
3.1 单行代码自动补全
3.2 CodeWhisperer生成完整代码
3.3 其根据签名自动生成代码
四、AI编程代码实测及项目体验
4.1 简单函数代码测试
4.2 代码安全扫描实测
4.3 代码引用跟踪功能实测
4.4 计算机视觉工程项目实测
五、Amazon CodeWhisperer实测体验总结
5.1 CodeWhisperer 可以帮助我成为一个更好的开发者吗？
一、CodeWhisperer 简介
CodeWhisperer 是亚⻢逊出品的一款基于机器学习的通用代码生成器，可实时提供代码建议。
在编写代码时，它会自动根据我们现有的代码和注释生成建议。从单行代码建议到完整的函数，它可为我们提供各种大小和范围的个性化建议。
CodeWhisperer 还可以扫描我们的代码以突出显示和定义安全问题。
codewhispereropen in new window：亚马逊官方出品
目前仅以插件的形式在VS Codeopen in new window、Jetbrainsopen in new window等 IDE 里面使用，如果想试一试可以用 VS Code，目前无限制免费使用免费，并且对环境要求不高，还轻量~
亚马逊在 2022 年 6 月发布了 CodeWhisperer 预览版，现在它支持 Python、Java 和 JavaScript。
CodeWhisperer 经过数十亿行代码的训练，由机器学习提供支持，旨在实现相同的目标。无论我们是学生、新开发人员，还是经验丰富的专业人士，CodeWhisperer 都有助于我们提高工作效率。
其支持多种 IDE 和语言。要开始使用，我们只需安装合适的 AWS IDE Toolkit，启用 CodeWhisperer 功能，输入我们的预览访问代码，然后开始键入：
CodeWhisperer 可以持续检查我们的代码和注释，并为我们提供语法正确的推荐。这些推荐根据您的编码风格和变量名称合成，而不仅仅是代码段。
CodeWhisperer 使用多个上下文线索来提供推荐，包括源代码中的光标位置、光标前面的代码、注释以及同一项目中其他文件中的代码。您可以按原样使用推荐，也可以根据需要对其进行改善和自定义。正如我之前所提到的，我们使用从开源存储库、内部 Amazon 存储库、API 文档和论坛中提取的数十亿行代码训练（并将继续训练）CodeWhisperer。
在 AWS 博客的一篇文章中，Mark Richman 解释说，CodeWhisperer 的模型是在“包括 Amazon 开源代码在内的各种数据源”上训练的。有了这个语料库（显然确实存在）完善 CodeWhisperer 的模型，编写从 S3 读取文件的代码应该是一个很好的测试用例。
在使用 CodeWhisperer（CW）时，我们需要写一个注释，描述我们希望函数去做什么。注释的描述性和准确性越高，系统就越能更好地推断出我们想要的逻辑。
Function to open an S3 file
比如注释以 Function 开头，让 CW 知道你想要创建一个函数。也就是说，你需要添加一个注释，作为给 CW 的提示。
CW 分析注释并生成一个函数的定义。此时，你可以在生成函数体之前修改函数定义。CW 还可能提供多种函数定义供你选择。
IntelliJ 集成 CodeWhisperer 的截图：
点击“插入代码”，你的函数就在注释的下方创建好了。注意 CodeWhisperer 不仅插入了代码，还创建了一个文档字符串。
# 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()
看起来不错！这段代码实现了你的注释所期望的功能，并且是在几秒钟内就生成了。
节省了查找 boto3 API 的时间，你只需要检查代码，确保语义正确。
接着看看提出更多要求时，会发生什么。
这有一个很有用的例子：写一个函数从 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
真厉害！CodeWhisperer 使用了之前创建的辅助方法 open_s3_file，并生成了正确的函数。
在 CW 生成函数体之前，你可以修改参数名，提高代码的可读性。例如，如果我们输入：
# Function to find common elements in lists
CW 会提示：
def find_common_elements(list1, list2)
在生成函数体之前，我们可以修改函数定义，使其更具描述性：
def find_common_elements(first, second)
如果我们接受它的函数定义，CodeWhisperer 将使用函数签名和注释来构建函数体。得到的函数将使用改进后的参数名。
# Function to find common elements in lists
def find_common_elements(first, second):
return list(set(first) & set(second))
CodeWhisperer 不仅仅可以创建整个函数；它还可以在函数中插入代码片段，并在过程中推断相关变量。
# reverse the list order
lines.reverse()
1.1 CodeWhisperer 是一个重要的生产力助推器
使用 CodeWhisperer，我能够更快地编写代码。到目前为止，最大的价值是 S3 示例所演示的功能。
如果我自己写代码，大部分时间将会用来查找 boto API 文档，以确保写出正确的调用。使用 CodeWhisperer，则只需三秒钟。
这让我想到了一段曾花了很多时间的烦人代码：给 CloudWatch 发送数据。让我们看看 CodeWhisperer 能否有所帮助，试试提供注释：“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 为我节省了许多打字和查阅 API 文档的时间。
我有可能需要重构这段代码，但即使我从零开始编写它，第一步也要写出类似这样的原始逻辑。如今只花三秒钟，我节省了编写大量样板代码的时间，有了一个很好的自定义或重构的起点。
1.2 CodeWhisperer 的实际应用
我在 PyCharm 中安装了 CodeWhisperer ，并对其进行了测试。以下是一些示例，向您展示了它可以执行的操作。我想构建一个质数列表。我键入 # See if a number is pr。CodeWhisperer 完成此操作，然后我按下 TAB（实际键特定于每个 IDE）接受推荐：
在下一行，我按下 Alt+C（同样是 IDE 特定），然后我可以在一对函数定义之间进行选择。我接受第一个函数，CodeWhisperer 推荐函数体，以下是我所拥有的：
我编写 for 语句，CodeWhisperer 推荐循环的主体：
CodeWhisperer 还可以帮助我编写用于访问各种 AWS 服务的代码。我从 # create S3 bucket 开始，然后按 TAB 键完成剩余部分：
看到这里，大家是不是觉得还不错，接下来教大家如何安装，很简单的~
二、CodeWhisperer 安装教程
2.1 IntelliJ IDEA 安装 CodeWhisperer 插件
在 IDEA 中打开配置窗⼝，选择 Plugins，搜索"AWS Toolkit"，点击 Install，点击 OK 按钮，如下图：
安装完之后重启 IDEA，如下图：
打开 AWS Toolkit 视图（菜单 View/Tool Windows/AWS Toolkit），点击"Developer Tools"tab⻚⾯，选择“CodeWhisperer/Start"，如下图：
弹出的窗⼝中选择“Use a personal email to sign up and sign in with AWS Builder ID"，点击“Connect”按钮，如下图：
在弹出的窗⼝中，选择“Open and Copy Code”，如下图：
此时会在浏览器中打开⼀个⻚⾯，按 ctrl-v 粘贴 code 值，点击“Next“，如下图：
输⼊邮箱地址，点击"Next"，如下图：
输⼊名字，点击“Next”，CodeWhisperer 会向邮箱中发送⼀个验证码，如下图：
打开邮箱，可以看到验证码，如下图：
复制验证码，粘贴到输入框，点击“Verify”按钮，如下图：
设置密码，点击“Create AWS Builder ID“，如下图：
在最后⼀个⻚⾯中点击“Allow”按钮，如下图：
出现如下提示后，即表示注册 AWS builder ID 成功，如下图：
返回 IDEA，在 AWS Toolkit 视图中的 Developer Tools 中可以打开或关闭代码⽣成功能，如下图：
此时，就可以愉快的使用 AI 编程了。
2.2 VSCode 安装 CodeWhisperer 插件
安装 AWS Toolkit 插件，具体到 VS Code 侧边栏搜索并安装
侧边栏点击 aws，>> DEVELIOPER TOOL >> CodeWhisper >> Start
在下拉菜单中点击 Use a personal email to sign up and sign in with AWS Builder ID
点击 Copy Code and Proceed，这将自动复制代码
一般会提示外部网站打开提醒，选择打开
5.打开网站后，输入点击 Copy Code and Proceed 时得到的代码，点击 Next
6.输入自己的邮箱地址(同时登录你的邮箱等待验证码)，点击 Next
7.重复之前步骤，但是由于已经在浏览器上登录成功了，所以步骤非常简单 粘贴代码后将会提示以下内容，点击 Allow 即可
等左下角的 AWS 扩展颜色正常，对勾状态，说明连接成功
此时，就可以愉快的使用 AI 编程了。
2.3 PyCharm 安装 CodeWhisperer
1.打开 Pycharm 插件管理
在 JetBrains IDE 中，导航到设置菜单（在 macOS 上为⌘ + ，在 Windows 上为文件→设置），然后单击左侧菜单上的“插件”。
在菜单顶部，单击 Marketplace 并在搜索栏中键入 “AWS Tookit”。然后点击安装。
2.安装完成后重启 IDE
3.将 Pycharm 连接到 AWS（AWS Build ID 创建），重复之前步骤
IDE 重新启动后，您将看到一个新的 AWS Toolkit 工具窗口。还可以通过 View -> Tool Windows -> AWS Toolkit（视图 -< 工具窗口 -< AWS Explorer）访问此窗口。
然后点击"Developer Tools"标签，选择“CodeWhisperer/Start"
此时，就可以愉快的在 PyCharm 里使用 AI 编程了。
2.4 快捷键使用方法
全程需要按快捷键调用 Codewhisperer，主要的几个用法如下：
三、简单自动编码演示
回到 IDEA，看到如下界面，即表示注册并启动成功：
下面我们新建任意 Java 文件,看看他如何能够帮助我们自动生成代码。
3.1 单行代码自动补全
输入字符串 public。根据输入，CodeWhisperer 生成了建议列表
3.2 CodeWhisperer 生成完整代码
CodeWhisperer 可以根据编写的注释生成完整的函数。
类似于 if/for/while 等代码块的生成。
大家如果看到这有疑问，可以接着看第四部分，有详细的测试说明。
3.3 其根据签名自动生成代码
看到这里，大家应该有个简单的了解了，咱们接着往下看~
四、AI 编程代码实测及项目体验
4.1 简单函数代码测试
首先，我先用中文注释了“写一个读取 csv 文件的函数” 回车后可以看到 CodeWhisperer 自动显示出来
按快捷键 Tab 确认键入后，接着回车后 CodeWhisperer 又自动生成了以下代码：
感觉这个 CodeWhisperer 自动生成的代码还不错，我选择了 Insert Code 键入使用。
紧接着用中文又注释了“创建一个简单的爬虫简单函数”
在这选择了第三个自动代码，同样 Tab 键入。
接下来是注释“冒泡排序”后回车
注释“选择排序”后回车
中文注释实测完后又对英文注释进行了测试，如下图所示：
乘胜追击，又对创建和上传文件代码进行自动生成测试，同样得到了预期的效果。
对于简单的函数实测让我感觉这个工具还挺不错的，因为可以根据自己想要的注释自动生成多个代码建议，这样不仅节省了大量的编码时间，而且多种代码建议可供选择，一定程度上提升了自己编写代码的质量。
4.2 代码安全扫描实测
接下来用 CodeWhisperer 去扫描我们代码中的安全漏洞，以下是运行按钮的位置
打开我想扫描的文件，然后运行安全扫描
结果发现 CodeWhisperer 探测到该文件中有两个安全问题。 通过查看问题栏，点击事件定位到代码中，我们将鼠标移入到突出显示的代码，查看建议的措施，如下所示，问题指出在该例子中未加密的 AWS 凭证被记录下来，是一个安全漏洞，它建议我们重写代码并且修复该漏洞。
同样查看第二个问题，CodeWhisperer 告诉我们讲应该把标识设置为 True。
根据 CodeWhisperer 的建议，我进行了对应修改，两处安全问题修改如下：
修改后重新扫描了文件，扫描完成，显示没找到问题。
对于安全扫描这项功能，我还是挺惊艳的，没想到能实测找出问题并给出对应的解决问题，因为这一点我对 CodeWhisperer 的好感又增加了。
4.3 代码引用跟踪功能实测
在这里想实现一个函数来创建一个 dynamo DB 表。 如下图所示进行了实际测试 “implement a function to create a dynamoDB table”
以下是 CodeWhisperer Reference Log 给出的建议：
根据代码建议标注被文件跟踪器标记为 MIT 许可证，其引用了 Apache-2.0 许可证下的代码。我选择接受了这些标记代码，然后发现 CodeWhisperer 自动记录了引用我需要的许可证信息，这样我就可以在我的代码上添加适当的许可证和归属信息。 这个功能实测完感觉也挺有用的，对代码涉及到的许可证和归属信息问题进行了有效解决。
4.4 计算机视觉工程项目实测
在对官网显示的几项功能测试完后，又在平时用到的实际项目上进行了测试，我选取了常用的一些 CV 检测模型，以下是 ShuffleNet 的实际测试效果。
首先，我在实例化训练数据集上，对缺失的代码段进行测试，看 CodeWhisperer 是否能联系上下文进行代码补全。
进行回车操作后，CodeWhisperer 显现出来了所给的建议。
目前看所给的建议正确，接着我又对冻结权重部分进行了测试，
这回我又利用了 CodeWhisperer 的快捷键 ALT+C 进行了测试，
结果显示自动生成了 False 选项，测试到这里真的让我觉得这个工具是真的好，可以帮助我解决代码中遇到的很多问题。 在训练代码中测试完，我又接着对检测模型代码进行了测试，如下图所示在 transform 指向中为我建议了 img。
最后，我对检测模型代码进行了运行测试，正确的检测出图片为蒲公英 dandelion。
总的来说，CodeWhisperer 辅助我完成了 CV 模型的代码编写和模型检测，达到了官网所展示的预期。接下来，我要让 CodeWhisperer 帮助我完成更复杂的任务了，哈哈
五、Amazon CodeWhisperer 实测体验总结
5.1 CodeWhisperer 可以帮助我成为一个更好的开发者吗?
通过以上的测试，我觉得它可以帮助我成为一个更好的开发者。
首先，它可以为我节省大量的时间和精力，让我能够专注于改进、重构和测试。
其次，它通过承担一些同质化的繁重工作，让我有机会成为一个更好的程序开发人员。
比如上面的测试的例子是 Amazon 工具（经过 Amazon 开源代码训练）能够表现出色的例子。
当然，在大多数开发人员需要花费很多时间的地方，比如编写领域相关的逻辑时，我又多测试了一下，让我们看看 CodeWhisperer 会不会也有帮助。
比如从 Python 文档中的数据类示例开始。
@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
其实我想知道 CodeWhisperer 是否可以向这个类添加一个方法。让我们看看如果添加注释：" Function that return this item costs more than $10"，会发生什么？
@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
结果是非常酷的。值得注意的是，CodeWhisperer 给函数起了一个直观的名字，并包含了对 self 的引用。
接着，让我们尝试用 CodeWhisperer 来做测试，看是否会触及它的极限。
# 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()
在上面的代码中，我输入了注释，CW 自动完成了剩下的工作。 测试似乎是一个极好的证明 CW 可以节省时间的例子。我不需要浪费时间去想测试的值，也不用输入所有的成员变量和方法。
总的来说，可以帮助我成为一个更好的开发者，但是任何辅助工具都有利有弊，CodeWhisperer 也是才发布不久，通过测试我也想邀请大家去进行实际测试，可以对使用 CodeWhisperer 遇到的问题大家一起相互讨论，一起促进这个编程助手迭代和完善~ | 0 | 1,695,081,600,680 | Ali |
4 | Amazon CodeWhisperer 与 Amazon Glue 实现集成，借助生成式 AI 进一步提升开发效率 | 数据对于企业做出明智决策、提高运营效率和开展创新来说至关重要。集成不同来源的数据是一个复杂而耗时的过程。为此，亚马逊云科技推出了 Amazon Glue，帮助用户在无服务器基础设施上集成多个来源的数据，用于分析、机器学习和应用程序开发。
Amazon Glue 为数据集成任务提供了完全不同的编写体验，而 Notebook 是最常见的工具之一。数据科学家倾向于以交互方式运行查询，并立即检索结果，用于编写数据集成任务。这种交互体验可以加速构建数据集成任务的进度。
近期，亚马逊云科技宣布了 Amazon CodeWhisperer 正式可用。这是一款 AI 编程助手，能够使用底层基础模型帮助开发人员提高工作效率。它可以根据开发人员使用自然语言留下的注释和 IDE（集成开发环境）中的历史代码实时生成代码建议。此外，亚马逊云科技还发布了 Amazon CodeWhisperer Jupyter 扩展程序，为 Jupyter 用户在 Jupyter Lab 和 Amazon SageMaker Studio 中的 Python notebook 生成实时、单行或完整的函数代码建议。
现在，亚马逊云科技正式宣布 Amazon CodeWhisperer 为 Amazon Glue Studio notebook 提供支持，帮助 Amazon Glue 用户优化使用体验、提高开发效率。通过 Amazon Glue Studio notebook，开发人员可以用自然语言（英语）编写特定任务，比如“利用 json 文件中的内容创建一个 Spark DataFrame”。基于此信息，Amazon CodeWhisperer 会直接在 notebook 中推荐一个或多个可完成此任务的代码片段。开发人员可以选择“接受最推荐的建议”，“查看更多建议”或“继续自己编写代码”。
Amazon Glue Studio notebook 与 Amazon CodeWhisperer 之间的集成可以帮助用户更快开展数据集成工作。该集成目前已在美国东部（北弗吉尼亚州）可用。用户现在就可以着手将 Amazon Glue Studio notebook 与 Amazon CodeWhisper 进行集成，以加快数据集成构建工作。 | 0 | 1,695,081,600,680 | InfoQ |
5 | 埃森哲使用 Amazon CodeWhisperer 助力开发人员提高工作效率 | Amazon CodeWhisperer 是一款 AI 编程助手，可根据开发人员使用自然语言编写的注释和 IDE（集成开发环境）中的代码生成建议，帮助开发人员提高工作效率。借助 CodeWhisperer，开发人员无需在 IDE 与文档或开发者论坛之间切换，加快编码过程。通过 CodeWhisperer 的实时代码建议，开发人员可以在 IDE 中专注地工作，更快地完成编码任务。
CodeWhisperer 由基于数十亿行代码训练的大语言模型（LLM）赋能，已经学会使用 15 种编程语言编写代码。开发人员仅需编写注释，用简明的英语概述一个特定任务即可，例如“uploada file to Amazon S3”（上传文件到 Amazon S3）。在此基础上，CodeWhisperer 可自动确定适合于该指定任务的云服务和公共库，即时构建特定代码，并直接在 IDE 中提供一段代码建议。此外，CodeWhisperer 能够与 Visual Studio Code 和 JetBrains 等 IDE 无缝集成，使开发人员可以专注于开发，且无需离开 IDE。截至目前，CodeWhisperer 支持的开发语言包括 Java、Python、JavaScript、TypeScript、C#、Go、Ruby、Rust、Scala、Kotlin、PHP、C、C++、Shell 和 SQL。
埃森哲使用 CodeWhisperer 助力开发人员提高工作效率
“埃森哲正在使用 Amazon CodeWhisperer 加快编码任务，这是我们 Velocity 平台软件工程最佳实践计划的一部分。”埃森哲技术架构高级经理 Balakrishnan Viswanathan 表示，“Velocity 团队在想方设法提高开发人员的工作效率，搜寻过多种工具后，发现 Amazon CodeWhisperer 可以帮助减少 30%的开发工作量。因此，我们可以更专注于安全、质量和性能的提升。”
CodeWhisperer 的优势
埃森哲 Velocity 团队一直在使用 CodeWhisperer 来加速其人工智能（AI）和机器学习（ML）项目。使用 CodeWhisperer 带来了如下优势：
团队减少创建样板代码和重复代码模式的时间，从而将更多时间用于提升软件质量等重要的工作上
CodeWhisperer 助力开发人员负责任地使用 AI，创建语法正确且安全可靠的应用程序
团队可以生成完整的函数和符合逻辑的代码段落，无需在网上搜索或定制代码
可以帮助新手开发人员或使用不熟悉代码库的开发人员快速上手工作
通过将安全扫描前置到开发人员的 IDE 中，让团队可以在开发过程的早期阶段就检测安全威胁
帮助开发人员尽快熟悉新项目
CodeWhisperer 可以帮助不了解亚马逊云科技的开发人员更快地熟悉使用亚马逊云科技服务开发的项目。例如，借助 CodeWhisperer，埃森哲新的开发人员就能够为 Amazon Simple Storage Service（Amazon S3）和 Amazon DynamoDB 等亚马逊云科技服务编码。在短时间内，他们就能够高效工作并为项目做出贡献。CodeWhisperer 通过提供代码段落或逐行建议来辅助开发人员完成工作。此外，CodeWhisperer 还能理解上下文。指令（注释）越具体，CodeWhisperer 生成的代码越相关。
编写样板代码
开发人员可以使用 CodeWhisperer 补全先决条件。他们只需输入“为机器学习数据创建预处理脚本的类”，就能够创建预处理数据类。开发人员只需几分钟编写预处理脚本，然后 CodeWhisperer 就能够生成整个代码段落。
帮助开发人员使用不熟悉的语言编写代码
一个新加入团队的 Java 开发人员可以借助 CodeWhisperer 轻松编写 Python 代码，而不必担心语法问题。
检测代码的安全漏洞
开发人员可以在 IDE 中选择“运行安全扫描”来检测安全问题。发现的安全问题的详细信息会直接显示在 IDE 中。这可以帮助开发人员及早检测和修复问题。
“作为一名开发人员，CodeWhisperer 能够让您更加快速地编写代码”埃森哲人工智能工程顾问 Nino Leenus 表示，“此外，CodeWhisperer 借助人工智能可帮助消除拼写错误及其他典型错误，让编码更准确。对于开发人员来说，多次编写同样的代码乏味而枯燥。通过建议后续可能需要的代码片段，AI 代码补全技术可以减少这类重复性工作。”
现在，用户可以在喜欢的 IDE 中激活 CodeWhisperer。CodeWhisperer 可根据现有的代码和注释自动生成代码片段建议。 | 0 | 1,695,081,600,680 | InfoQ |
6 | Amazon CodeWhisperer 初体验，享受 AI 带来的效率提升 | 随着 Github Copilot 在程序员中流行，越来越多的开源项目和大型公司也在代码生成这一领域发力。最近亚马逊就宣布了自家基于亚马逊云科技的代码生成项目 CodeWhisperer 开放测试，由于还在测试阶段，大家可以在各种 IDE 上免费体验，享受 AI 带来的效率提升。
安装
安装 CodeWhisperer 非常简单，只需要在插件市场搜索 AWS Tookit 即可。以 VS Code 为例：
安装完成之后侧边栏就会出现一个 AWS 的图标，点击最下面的 DEVELOPER TOOLS 登陆，登陆完成之后点击 CodeWhisperer，选择开始就可以体验了。
代码补全体验
获取当前时间
首先我们尝试一个非常简单的例子，用 Python 获取当前时间：
# get current time
import time
def get_current_time():
return time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
实际上我们输入第一行的注释，代码助手就会提示我们输入import time，然后我们可以输入函数的定义def，剩下的都可以自动补充完整：
网页代码修改
首先我们搭了一个简单的网页，网页上面有两个正方形，分别是橘色和红色的，里面还有一些文字，像是 Test 和 Hello World：
<html>
<head>
<title>Test</title>
<style>
.test {
width: 100px;
height: 100px;
background-color: orange;
}
.hello {
width: 50px;
height: 50px;
margin: 10px;
background-color: red;
}
</style>
</head>
<body>
<div class="test">Test</div>
<div class="hello">Hello World!</div>
</body>
</html>
现在，我们需要给 Test 这个正方形加上阴影，将*Hello World!*这个较长的字符串省略并在后面加上省略号。尝试给出注释：
这次它生成代码的时间比较长，不过还好最后还是顺利的生成了我们想要的格式：
算法应用
首先我们尝试一下经典的快速排序算法，它很顺利的生成出来了：
基本上是满足了快速排序算法的要求。
接着我们挑战一个难一点的，在字符串中找到最长的回文子串。这个问题可以用中心扩展法在O(n ^ 2)的时间复杂度完成，最优的算法是使用马拉车算法（Manacher's Algorithm），其时间复杂度仅为O(n)：
它也很快得到了，不过实践是检验真理的唯一标准，我们来看看它能不能通过 LeetCode：
一次通过！代码补全还是很强大的，我自己写的时候在循环的部分很容易就写错了。
单元测试
在日常工作时，我们需要编写单元测试可以在一定程度上保证我们对代码的修改的把握。我们可以对上面的马拉车算法进行单元测试的编写：
在Python中我们一般用断言可以完成一些简单的单元测试，这里它给出了一些测试用例。不过我觉得还不够完善，因为s有可能为空或者None，它并没有测试到这些用例。
安全扫描
安全扫描（Security Scan） 是 Amazon CodeWhisperer 推出的一项崭新的功能。在测试阶段，我们每个月可以使用 50 次扫描。首先我们可以尝试一下官网的例子：
直接报错了。从提示来看，应该是因为在一个大的文件夹进行了安全扫描。所以新建一个文件夹再尝试：
这次顺利地得到了结果。不过其实这里面应该有两个安全问题，它只能检测到第一个。这是删除之后的扫描结果这时它才能检测到下一个安全问题：
这个功能确实能够检测出一定的安全问题，尝试使用 Copilot Chat，它只能傻乎乎的回复一些车轱辘话：
结语
总的来说，CodeWhisperer 还是有不少亮点。在代码生成方面几乎不逊色于 Copilot，生成的速度可能稍微慢点，质量还是比较优秀。安全检查是这次最与众不同的地方，需要注意的是扫描的文件长度应该有限制，但是官网中没有提到，稍显不足，但是整个功能还是非常有自己的特色的。除了这些，CodeWhisperer 比起 Copilot 还有一个不足是，没有一个理解代码，解释代码的工具。期待后续的功能更新和迭代。 | 0 | 1,695,081,600,680 | InfoQ |
7 | 挑战三大任务，Amazon CodeWhisperer 生成代码的能力到底如何？ | ChatGPT 火出圈之后，AI 大模型编程越来越多，虽然 AI 编码暂时无法完全替代程序员，但是时代变化、潮流趋势所向，大家没有必要过多焦虑，而是应该拥抱变化，拥抱趋势，尝试用 AI 辅助自己的编码，看是否可以得到帮助，本文试用了 Amazon 的 CodeWhisperer AI 编程工具，在这里做一个小小的总结。
CodeWhisperer 通过 AI 技术，可以自动分析代码库中的模式和常见用法，从而生成符合标准的代码片段，其旨在帮助开发人员节省时间和精力，提高开发者的工作效率。
当前 CodeWhisperer 支持集成到几种开发环境中，VS、Jetbrains、JupyterLab，Lamda 等，由于平时用 C++/Python/Go 比较多，因此本文使用 JetBrains 的 Clion 来测试 CodeWhisperer 生成 C++的能力，首先安装好 Clion(具体步骤网上找或者亚马逊官网指导书)，进行 Clion 后，首先通过 tools 搜索安装 aws toolkit，安装好后启动就可以使用 CodeWhisperer 了，第一次启动时会生成一个验证码，链接到你的亚马逊账号进行授权，此处不细讲，按照提示操作即可
下面进入正题：
使用 CodeWhisperer 生成代码，需要添加注释，其会根据注释一行一行完成代码编写，并且会帮助你完成要编写代码的注释
任务一：
测试生成全部代码能力，主题完成一个 TCP Server 收发数据，下面图里是一步步的结果
最终完成的代码如下
生成过程并非像 ChatGPT 一样，一股脑的代码全部生成扔给你，需要开发同学一行一行的插入确认，这种情况也有好处，在于可以在开发过程中自己一行一行的确认正确性及问题，避免一大堆复杂代码重新费神的确认逻辑。
任务二：
推荐相应功能的开源库以及使用已集成的开源包进行代码生成测试，主题完成一个 SIP 消息处理函数，下面图片展示其完成过程和结果
(1)使用 osip2 解析 sip 消息，下面是生成的代码，基本符合预期
(2) 期望重新推荐一个 sip 消息解析库，不知道是我已经集成了解析库还是还是什么其他原因，没有成功
可见 CodeWhisperer 对于 Github、Gitee 以及互联网上标准开源库是进行过训练的，可以读懂 oSip2 是一个很有名的 sip 协议栈，因此可直接使用其 API 根据注释生成可用代码
任务三：
基于已完成部分代码，根据注释生成补全代码，CodeWhisperer 也可以根据上下文和注释补齐代码的相应功能，建立一个资源分配函数(带一定的业务功能)，完成一半的部分(>4)，让 CodeWhisperer 完成剩下的部分(<4)，下面展示结果
最终的结果
至此任务三测试完成，生成了基本可用的代码。
最后总结，CodeWhisperer 对于能够更快地编写代码还是有一定的帮助。
首先，在集成开源或者第三方不熟悉的代码库时，它可以为我节省大量的时间去学习和查阅 API 接口文档，让我能够专注于改进和测试。
其次，可以帮助我节省繁琐的重复性工作，如上面的 TCP Socket 处理。
当然，也期望可以后续可以生成整体代码段的方式，对于非复杂逻辑代码的场景其效率是更高的。 | 0 | 1,695,081,600,680 | InfoQ |
8 | 如何使用 Amazon CodeWhisperer 免费进行代码安全检查 | CodeWhisperer 是 Amazon 发布的一款免费的 AI 编程辅助小工具，在辅助程序员编程的同时，还具备代码安全审计的功能。可以快速扫描 Java、JavaScript 和 Python 项目中难以发现的漏洞，并获取代码建议以立即修复这些漏洞。遵循跟踪安全漏洞的最佳实践，例如开放全球应用程序安全项目 (OWASP) 概述的漏洞，或者不符合加密库最佳实践及其他类似安全最佳实践的漏洞。今天小试牛刀，试验一下 CodeWhisperer 的代码安全检查能力，成功识别出 Python 代码中可能存在的系统命令注入漏洞、SQL 注入漏洞、MD5 碰撞漏洞以及反序列化漏洞，666 ～
系统命令注入漏洞
以下是一段有安全漏洞的 Python 代码：
import os
filename = input("请输入文件名：")
os.system("rm " + filename)
这段代码的作用是删除用户输入的文件名对应的文件，但存在安全漏洞。其中的漏洞是，用户可以通过输入特殊字符来执行任意系统命令，而不仅仅是删除文件。例如，如果用户输入的是 ;ls，则会先删除指定文件，然后执行 ls 命令。这可能导致系统被攻击者接管或者数据被窃取，因此这段代码需要进行安全性改进。
Amazon CodeWhisperer 成功检测出：系统命令注入漏洞。
SQL 注入漏洞
以下是一个有安全漏洞的 Python 代码：
import sqlite3
conn = sqlite3.connect('example.db')
c = conn.cursor()
c.execute('''CREATE TABLE stocks
(date text, trans text, symbol text, qty real, price real)''')
date = input("请输入日期：")
trans = input("请输入交易类型：")
symbol = input("请输入股票代码：")
qty = input("请输入数量：")
price = input("请输入价格：")
c.execute(f"INSERT INTO stocks VALUES ('{date}', '{trans}', '{symbol}', {qty}, {price})")
conn.commit()
conn.close()
这段代码的作用是向 SQLite 数据库中插入一条记录，但存在安全漏洞。其中的漏洞是，用户输入的数据没有进行任何过滤或转义，从而可能导致 SQL 注入攻击。例如，如果用户输入的 symbol 参数是 ABC'); DROP TABLE stocks; --，则会删除 stocks 表。这可能导致数据丢失或系统崩溃，因此这段代码需要进行安全性改进。
Amazon CodeWhisperer 成功检测出：SQL 注入漏洞。
MD5 碰撞漏洞
以下是一个有安全漏洞的 Python 代码：
import hashlib
password = input("请输入密码：")
hash = hashlib.md5(password.encode('utf-8')).hexdigest()
print(f"您的密码的 MD5 值为：{hash}")
这段代码的作用是计算用户输入的密码的 MD5 值，并输出结果。但存在安全漏洞。其中的漏洞是，MD5 算法已经被证明不再安全，可以被暴力破解或碰撞攻击。因此，如果攻击者获得了用户的 MD5 值，就可以使用彩虹表等方法轻松地破解密码。这可能导致用户账户被攻击者接管或者数据被窃取，因此这段代码需要进行安全性改进。
Amazon CodeWhisperer 成功检测出：MD5 碰撞漏洞
反序列化漏洞
以下是一个有安全漏洞的 Python 代码：
import pickle
serialized_data = input("请输入序列化数据：")
data = pickle.loads(serialized_data)
# 使用反序列化后的数据...
这段代码的作用是对输入序列化数据，进行反序列化。但存在安全漏洞，其中的漏洞是没有对输入进行验证和过滤，直接进行反序列化操作可能导致恶意对象的执行，从而导致远程代码执行或数据泄露。
Amazon CodeWhisperer 成功检测出：反序列化漏洞。 | 0 | 1,695,081,600,680 | InfoQ |
9 | 谁说 AI 编程工具缺乏记忆和联想能力，简单琐碎的需求完全可以交给它 | 今年算是 AI 正式破圈的一年，无数的工具，产品横空出世。无论在面向企业的大语言模型，还是帮助个人的 AI 工具，数不胜数。其中关于 AI 编程助手领域，近年来也涌现了很多不错的产品，例如 Copilot, Cursor, 还是我们今天要体验的 CodeWhisperer。已经在潜移默化中改变了程序员们的生产和解决问题的方式，传统解决问题往往依靠的是谷歌等搜索引擎，找到对应的官网和知名的论坛查找问题。而如今，我们仅仅依靠 AI 编程助手就能解决很多问题。
回到 CodeWhisperer 上来，它的出生还是带着许多光环的。首先来自著名的大厂 Amazon, 他们在 AI 领域有足够多的积累，在面向开发者方面有足够多的经验和产品用户体验来反馈用户感受，不断迭代相关产品，而且还有一个相当强大的优势，借助亚马逊云的力量，能够将 AI 和云打通，这在当前云原生时代是必不可少的能力。
目标及前期准备
先给大家讲讲今天我们希望实现的目标，基于 Spring Boot 框架，简单实现用户登陆，。我们使用的是 IntelliJ 开发工具，选用 Maven 进行管理依赖管理，用到的依赖如下。
Web
JPA
H2
我们首先尝试安装 CodeWhisperer 插件，在 Plugins 中搜索 AWS Toolkit 下载即可。
下载完成后绑定自己的亚马逊账号即可开始使用，默认开启自动建议。
项目结构如图所示
pom.xml 文件如下
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>3.1.0</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>com.example</groupId>
<artifactId>demo</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>demo</name>
<description>demo</description>
<properties>
<java.version>17</java.version>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-jpa</artifactId>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>com.h2database</groupId>
<artifactId>h2</artifactId>
<scope>runtime</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>
开始
健康检查
我们先实现一个最简单的 Controller，请求 /ping 返回 pong 即可。
package com.example.demo.controller;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.ResponseBody;
@Controller
public class PingController {
@RequestMapping("/ping")
public @ResponseBody String greeting() {
return "pong";
}
}
测试用例是检验代码正确性必不可少的一环，我们来写个简单的测试用例。这时 CodeWhisperer 已经开始展示它的实力了，只是写了一行 @Test 注解，它将我们想要做的测试代码完整提示出来。
下面是完整的测试代码。
package com.example.demo;
import com.example.demo.controller.PingController;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.autoconfigure.web.servlet.AutoConfigureMockMvc;
import org.springframework.boot.test.autoconfigure.web.servlet.WebMvcTest;
import org.springframework.test.web.servlet.MockMvc;
import static org.springframework.test.web.servlet.result.MockMvcResultHandlers.print;
import static org.springframework.test.web.servlet.result.MockMvcResultMatchers.content;
import static org.springframework.test.web.servlet.result.MockMvcResultMatchers.status;
import static org.springframework.test.web.servlet.request.MockMvcRequestBuilders.get;
@AutoConfigureMockMvc
@WebMvcTest(PingController.class)
public class TestWebApplication {
@Autowired
private MockMvc mockMvc;
@Test
public void shouldReturnDefaultMessage() throws Exception {
this.mockMvc.perform(get("/ping")).andDo(print()).andExpect(status().isOk())
.andExpect(content().string("pong"));
}
}
运行一下测试用例，很顺利的通过🎉。
用户类设计
我们来定一个 User 模型，发现它在 Table To Class 的实现中具备一定的表设计能力，以及字段关联联想，约束设计能力。
能推测我想要的表字段，索引约束建议。这对于新手来说是莫大的帮助，想象有一位功力深厚的同伴在旁指点你设计表结构，那么表结构的设计就能相对合理一些。
package com.example.demo.model;
import jakarta.persistence.*;
import lombok.AllArgsConstructor;
import lombok.Getter;
import lombok.NoArgsConstructor;
import lombok.Setter;
import org.springframework.stereotype.Indexed;
@Entity
@Getter
@Setter
@AllArgsConstructor
@NoArgsConstructor
@Table(name = "game_users")
public class User {
@Id
private Long id;
@Column(unique = true, nullable = false)
private String username;
@Column(nullable = false, length = 64)
private String password;
@Column(unique = true, nullable = false)
private String email;
}
DAO 层实现
这时我灵光一现，根据官网的 GIF 图展示，可以通过注释进行代码推断，那好，DAO 层的实现就交给它啦。
哎哟，不错哦，根据我上面想要根据邮箱查询用户的注视，它已经给出了相应的提示，让我们再考考它，注释中进行多个方法的描述。
挺聪明呀，也很顺利的实现了。
package com.example.demo.dao;
import com.example.demo.model.User;
import org.springframework.data.jpa.repository.JpaRepository;
import org.springframework.stereotype.Repository;
import java.util.Optional;
@Repository
public interface UserDao extends JpaRepository<User, Long> {
// function to implement find user by email
Optional<User> findByEmail(String email);
Optional<User> findByUsername(String username);
// two function to implement find user by id or email
Optional<User> findById(Long id);
Optional<User> findByEmailIgnoreCase(String email);
// function to implement check user is existed
Boolean existsByEmail(String email);
}
看来以后 CRUD 的 DAO 层实现可以交给它来完成啦。我们希望能够预先插入一些数据便于测试，琐碎的日志测试对它来说轻轻松松。
package com.example.demo;
import com.example.demo.dao.UserDao;
import com.example.demo.model.User;
import org.slf4j.Logger;
import org.springframework.boot.CommandLineRunner;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
class LoadDatabase {
public static final Logger log = org.slf4j.LoggerFactory.getLogger(LoadDatabase.class);
// this is Bean is loaded once in the application context
// it is used to load the data into the database
@Bean
public CommandLineRunner initDatabase(UserDao dao) {
return args -> {
log.info("Preloading " + dao.save(new User(1L, "test1", "111111", "abc@gmail.com")));
log.info("Preloading " + dao.save(new User(2L, "test2", "222222", "123@gmail.com")));
};
}
}
Service 层实现
轮到 Service 层了，让我们看看它的表现，在这里我们简单的根据用户名查询用户，返回对应的数据即可。当我方法签名写一半时，它给我的建议让我停下继续敲击的手指，因为基本符合我的预期，而且具备一定的记忆联想能力，在 DAO 层定义的 Optional<User>，这里也能找到对应的方法进行处理。
package com.example.demo.service;
import com.example.demo.dao.UserDao;
import com.example.demo.model.User;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.util.Optional;
@Service
public class UserDetailServiceImpl {
private final UserDao userdao;
@Autowired
public UserDetailServiceImpl(UserDao userdao) {
this.userdao = userdao;
}
public User getUserByUsername(String username) throws Exception {
Optional<User> user = userdao.findByUsername(username);
if (user.isPresent()) {
return user.get();
} else {
throw new Exception("User not found");
}
}
}
Controller 层实现
最后我们来实现最外层入口，简单的进行相关业务校验，用户名是否为空，密码是否正确，在这里用于演示。
用户不存在相关处理，密码正确性验证，基本符合我们的要求。
package com.example.demo.controller;
import com.example.demo.model.User;
import com.example.demo.service.UserDetailServiceImpl;
import org.apache.coyote.Response;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.http.HttpStatus;
import org.springframework.http.ResponseEntity;
import org.springframework.web.bind.annotation.*;
@RestController
@RequestMapping("/api/auth")
public class UserController {
private final UserDetailServiceImpl userDetailService;
@Autowired
public UserController(UserDetailServiceImpl userDetailService) {
this.userDetailService = userDetailService;
}
@PostMapping("/login")
public ResponseEntity<?> login(@RequestBody User user) {
try {
if (user.getUsername().isEmpty()) {
return ResponseEntity.badRequest().body("user name is empty");
}
User res;
res = userDetailService.getUserByUsername(user.getUsername());
if (res == null) {
return ResponseEntity.badRequest().body("user not found");
}
if (res.getPassword().equals(user.getPassword())) {
return ResponseEntity.ok(res);
}
return new ResponseEntity<>("user password invalid", HttpStatus.BAD_REQUEST);
} catch (Exception e) {
return ResponseEntity.notFound().build();
}
}
}
最后我们来测试一下，格式错误和用户密码错误的情况。
与预期一致，撒花。
总结
CodeWhisperer 就我今天的使用而言，还是有些出乎我的意料，之前的一些 AI 编程工具并不具备记忆和联想能力，今天 CodeWhisperer 展示的记忆联想效果不错，并且具备一定的表结构设计能力，一些简单的测试用例完成度也不错，我想未来一些简单琐碎的需求，测试用例也可以交给它了。但是今天在体验的过程中还是发现了一些不足，插件 UI 会出现挡住建议的情况，这样我需要再次触发建议才行，目前阶段可以使用它来投入生产，在一些复杂的场景还是需要谨慎，会出现胡言乱语的情况，跟上下文关联性不强的建议。
当然，这些问题相信随着模型的数据量级和质量不断优化能够慢慢解决🎉。 | 0 | 1,695,081,600,680 | InfoQ |
10 | 全网最全！实测亚马逊 AI 编程助手 Amazon CodeWhisperer | 今天小王学长带大家实际测试一下亚马逊最近出的 AI 编程助手 Amazon CodeWhisperer，从不同角度和不同功能来看看这款编程助手是否可以帮助我更好的进行开发任务。
文章目录：（大家先预览下）
一、CodeWhisperer简介
1.1 CodeWhisperer 是一个重要的生产力助推器
1.2 CodeWhisperer 的实际应用
二、CodeWhisperer安装教程
2.1 IntelliJ IDEA安装CodeWhisperer插件
2.2 VSCode安装CodeWhisperer插件
2.3 PyCharm安装CodeWhisperer
2.4 快捷键使用方法
三、简单自动编码演示
3.1 单行代码自动补全
3.2 CodeWhisperer生成完整代码
3.3 其根据签名自动生成代码
四、AI编程代码实测及项目体验
4.1 简单函数代码测试
4.2 代码安全扫描实测
4.3 代码引用跟踪功能实测
4.4 计算机视觉工程项目实测
五、Amazon CodeWhisperer实测体验总结
5.1 CodeWhisperer 可以帮助我成为一个更好的开发者吗？
一、CodeWhisperer 简介
CodeWhisperer 是亚⻢逊出品的一款基于机器学习的通用代码生成器，可实时提供代码建议。
在编写代码时，它会自动根据我们现有的代码和注释生成建议。从单行代码建议到完整的函数，它可为我们提供各种大小和范围的个性化建议。
CodeWhisperer 还可以扫描我们的代码以突出显示和定义安全问题。
codewhispereropen in new window：亚马逊官方出品
目前仅以插件的形式在VS Codeopen in new window、Jetbrainsopen in new window等 IDE 里面使用，如果想试一试可以用 VS Code，目前无限制免费使用免费，并且对环境要求不高，还轻量~
亚马逊在 2022 年 6 月发布了 CodeWhisperer 预览版，现在它支持 Python、Java 和 JavaScript。
CodeWhisperer 经过数十亿行代码的训练，由机器学习提供支持，旨在实现相同的目标。无论我们是学生、新开发人员，还是经验丰富的专业人士，CodeWhisperer 都有助于我们提高工作效率。
其支持多种 IDE 和语言。要开始使用，我们只需安装合适的 AWS IDE Toolkit，启用 CodeWhisperer 功能，输入我们的预览访问代码，然后开始键入：
CodeWhisperer 可以持续检查我们的代码和注释，并为我们提供语法正确的推荐。这些推荐根据您的编码风格和变量名称合成，而不仅仅是代码段。
CodeWhisperer 使用多个上下文线索来提供推荐，包括源代码中的光标位置、光标前面的代码、注释以及同一项目中其他文件中的代码。您可以按原样使用推荐，也可以根据需要对其进行改善和自定义。正如我之前所提到的，我们使用从开源存储库、内部 Amazon 存储库、API 文档和论坛中提取的数十亿行代码训练（并将继续训练）CodeWhisperer。
在 AWS 博客的一篇文章中，Mark Richman 解释说，CodeWhisperer 的模型是在“包括 Amazon 开源代码在内的各种数据源”上训练的。有了这个语料库（显然确实存在）完善 CodeWhisperer 的模型，编写从 S3 读取文件的代码应该是一个很好的测试用例。
在使用 CodeWhisperer（CW）时，我们需要写一个注释，描述我们希望函数去做什么。注释的描述性和准确性越高，系统就越能更好地推断出我们想要的逻辑。
Function to open an S3 file
比如注释以 Function 开头，让 CW 知道你想要创建一个函数。也就是说，你需要添加一个注释，作为给 CW 的提示。
CW 分析注释并生成一个函数的定义。此时，你可以在生成函数体之前修改函数定义。CW 还可能提供多种函数定义供你选择。
IntelliJ 集成 CodeWhisperer 的截图：
点击“插入代码”，你的函数就在注释的下方创建好了。注意 CodeWhisperer 不仅插入了代码，还创建了一个文档字符串。
# 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()
看起来不错！这段代码实现了你的注释所期望的功能，并且是在几秒钟内就生成了。
节省了查找 boto3 API 的时间，你只需要检查代码，确保语义正确。
接着看看提出更多要求时，会发生什么。
这有一个很有用的例子：写一个函数从 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
真厉害！CodeWhisperer 使用了之前创建的辅助方法 open_s3_file，并生成了正确的函数。
在 CW 生成函数体之前，你可以修改参数名，提高代码的可读性。例如，如果我们输入：
# Function to find common elements in lists
CW 会提示：
def find_common_elements(list1, list2)
在生成函数体之前，我们可以修改函数定义，使其更具描述性：
def find_common_elements(first, second)
如果我们接受它的函数定义，CodeWhisperer 将使用函数签名和注释来构建函数体。得到的函数将使用改进后的参数名。
# Function to find common elements in lists
def find_common_elements(first, second):
return list(set(first) & set(second))
CodeWhisperer 不仅仅可以创建整个函数；它还可以在函数中插入代码片段，并在过程中推断相关变量。
# reverse the list order
lines.reverse()
1.1 CodeWhisperer 是一个重要的生产力助推器
使用 CodeWhisperer，我能够更快地编写代码。到目前为止，最大的价值是 S3 示例所演示的功能。
如果我自己写代码，大部分时间将会用来查找 boto API 文档，以确保写出正确的调用。使用 CodeWhisperer，则只需三秒钟。
这让我想到了一段曾花了很多时间的烦人代码：给 CloudWatch 发送数据。让我们看看 CodeWhisperer 能否有所帮助，试试提供注释：“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 为我节省了许多打字和查阅 API 文档的时间。
我有可能需要重构这段代码，但即使我从零开始编写它，第一步也要写出类似这样的原始逻辑。如今只花三秒钟，我节省了编写大量样板代码的时间，有了一个很好的自定义或重构的起点。
1.2 CodeWhisperer 的实际应用
我在 PyCharm 中安装了 CodeWhisperer ，并对其进行了测试。以下是一些示例，向您展示了它可以执行的操作。我想构建一个质数列表。我键入 # See if a number is pr。CodeWhisperer 完成此操作，然后我按下 TAB（实际键特定于每个 IDE）接受推荐：
在下一行，我按下 Alt+C（同样是 IDE 特定），然后我可以在一对函数定义之间进行选择。我接受第一个函数，CodeWhisperer 推荐函数体，以下是我所拥有的：
我编写 for 语句，CodeWhisperer 推荐循环的主体：
CodeWhisperer 还可以帮助我编写用于访问各种 AWS 服务的代码。我从 # create S3 bucket 开始，然后按 TAB 键完成剩余部分：
看到这里，大家是不是觉得还不错，接下来教大家如何安装，很简单的~
二、CodeWhisperer 安装教程
2.1 IntelliJ IDEA 安装 CodeWhisperer 插件
在 IDEA 中打开配置窗⼝，选择 Plugins，搜索"AWS Toolkit"，点击 Install，点击 OK 按钮，如下图：
安装完之后重启 IDEA，如下图：
打开 AWS Toolkit 视图（菜单 View/Tool Windows/AWS Toolkit），点击"Developer Tools"tab⻚⾯，选择“CodeWhisperer/Start"，如下图：
弹出的窗⼝中选择“Use a personal email to sign up and sign in with AWS Builder ID"，点击“Connect”按钮，如下图：
在弹出的窗⼝中，选择“Open and Copy Code”，如下图：
此时会在浏览器中打开⼀个⻚⾯，按 ctrl-v 粘贴 code 值，点击“Next“，如下图：
输⼊邮箱地址，点击"Next"，如下图：
输⼊名字，点击“Next”，CodeWhisperer 会向邮箱中发送⼀个验证码，如下图：
打开邮箱，可以看到验证码，如下图：
复制验证码，粘贴到输入框，点击“Verify”按钮，如下图：
设置密码，点击“Create AWS Builder ID“，如下图：
在最后⼀个⻚⾯中点击“Allow”按钮，如下图：
出现如下提示后，即表示注册 AWS builder ID 成功，如下图：
返回 IDEA，在 AWS Toolkit 视图中的 Developer Tools 中可以打开或关闭代码⽣成功能，如下图：
此时，就可以愉快的使用 AI 编程了。
2.2 VSCode 安装 CodeWhisperer 插件
安装 AWS Toolkit 插件，具体到 VS Code 侧边栏搜索并安装
侧边栏点击 aws，>> DEVELIOPER TOOL >> CodeWhisper >> Start
在下拉菜单中点击 Use a personal email to sign up and sign in with AWS Builder ID
点击 Copy Code and Proceed，这将自动复制代码
一般会提示外部网站打开提醒，选择打开
打开网站后，输入点击 Copy Code and Proceed 时得到的代码，点击 Next
输入自己的邮箱地址(同时登录你的邮箱等待验证码)，点击 Next
重复之前步骤，但是由于已经在浏览器上登录成功了，所以步骤非常简单 粘贴代码后将会提示以下内容，点击 Allow 即可
等左下角的 AWS 扩展颜色正常，对勾状态，说明连接成功
此时，就可以愉快的使用 AI 编程了。
2.3 PyCharm 安装 CodeWhisperer
1.打开 Pycharm 插件管理
在 JetBrains IDE 中，导航到设置菜单（在 macOS 上为⌘ + ，在 Windows 上为文件→设置），然后单击左侧菜单上的“插件”。
在菜单顶部，单击 Marketplace 并在搜索栏中键入 “AWS Tookit”。然后点击安装。
2.安装完成后重启 IDE
3.将 Pycharm 连接到 AWS（AWS Build ID 创建），重复之前步骤
IDE 重新启动后，您将看到一个新的 AWS Toolkit 工具窗口。还可以通过 View -> Tool Windows -> AWS Toolkit（视图 -< 工具窗口 -< AWS Explorer）访问此窗口。
然后点击"Developer Tools"标签，选择“CodeWhisperer/Start"
此时，就可以愉快的在 PyCharm 里使用 AI 编程了。
2.4 快捷键使用方法
全程需要按快捷键调用 Codewhisperer，主要的几个用法如下：
三、简单自动编码演示
回到 IDEA，看到如下界面，即表示注册并启动成功：
下面我们新建任意 Java 文件,看看他如何能够帮助我们自动生成代码。
3.1 单行代码自动补全
输入字符串 public。根据输入，CodeWhisperer 生成了建议列表
3.2 CodeWhisperer 生成完整代码
CodeWhisperer 可以根据编写的注释生成完整的函数。
类似于 if/for/while 等代码块的生成。
大家如果看到这有疑问，可以接着看第四部分，有详细的测试说明。
3.3 其根据签名自动生成代码
看到这里，大家应该有个简单的了解了，咱们接着往下看~
四、AI 编程代码实测及项目体验
4.1 简单函数代码测试
首先，我先用中文注释了“写一个读取 csv 文件的函数” 回车后可以看到 CodeWhisperer 自动显示出来
按快捷键 Tab 确认键入后，接着回车后 CodeWhisperer 又自动生成了以下代码：
感觉这个 CodeWhisperer 自动生成的代码还不错，我选择了 Insert Code 键入使用。
紧接着用中文又注释了“创建一个简单的爬虫简单函数”
在这选择了第三个自动代码，同样 Tab 键入。
接下来是注释“冒泡排序”后回车
注释“选择排序”后回车
中文注释实测完后又对英文注释进行了测试，如下图所示：
乘胜追击，又对创建和上传文件代码进行自动生成测试，同样得到了预期的效果。
对于简单的函数实测让我感觉这个工具还挺不错的，因为可以根据自己想要的注释自动生成多个代码建议，这样不仅节省了大量的编码时间，而且多种代码建议可供选择，一定程度上提升了自己编写代码的质量。
4.2 代码安全扫描实测
接下来用 CodeWhisperer 去扫描我们代码中的安全漏洞，以下是运行按钮的位置
打开我想扫描的文件，然后运行安全扫描
结果发现 CodeWhisperer 探测到该文件中有两个安全问题。 通过查看问题栏，点击事件定位到代码中，我们将鼠标移入到突出显示的代码，查看建议的措施，如下所示，问题指出在该例子中未加密的 AWS 凭证被记录下来，是一个安全漏洞，它建议我们重写代码并且修复该漏洞。
同样查看第二个问题，CodeWhisperer 告诉我们讲应该把标识设置为 True。
根据 CodeWhisperer 的建议，我进行了对应修改，两处安全问题修改如下：
修改后重新扫描了文件，扫描完成，显示没找到问题。
对于安全扫描这项功能，我还是挺惊艳的，没想到能实测找出问题并给出对应的解决问题，因为这一点我对 CodeWhisperer 的好感又增加了。
4.3 代码引用跟踪功能实测
在这里想实现一个函数来创建一个 dynamo DB 表。 如下图所示进行了实际测试 “implement a function to create a dynamoDB table”
以下是 CodeWhisperer Reference Log 给出的建议：
根据代码建议标注被文件跟踪器标记为 MIT 许可证，其引用了 Apache-2.0 许可证下的代码。我选择接受了这些标记代码，然后发现 CodeWhisperer 自动记录了引用我需要的许可证信息，这样我就可以在我的代码上添加适当的许可证和归属信息。 这个功能实测完感觉也挺有用的，对代码涉及到的许可证和归属信息问题进行了有效解决。
4.4 计算机视觉工程项目实测
在对官网显示的几项功能测试完后，又在平时用到的实际项目上进行了测试，我选取了常用的一些 CV 检测模型，以下是 ShuffleNet 的实际测试效果。
首先，我在实例化训练数据集上，对缺失的代码段进行测试，看 CodeWhisperer 是否能联系上下文进行代码补全。
进行回车操作后，CodeWhisperer 显现出来了所给的建议。
目前看所给的建议正确，接着我又对冻结权重部分进行了测试，
这回我又利用了 CodeWhisperer 的快捷键 ALT+C 进行了测试，
结果显示自动生成了 False 选项，测试到这里真的让我觉得这个工具是真的好，可以帮助我解决代码中遇到的很多问题。 在训练代码中测试完，我又接着对检测模型代码进行了测试，如下图所示在 transform 指向中为我建议了 img。
最后，我对检测模型代码进行了运行测试，正确的检测出图片为蒲公英 dandelion。
总的来说，CodeWhisperer 辅助我完成了 CV 模型的代码编写和模型检测，达到了官网所展示的预期。接下来，我要让 CodeWhisperer 帮助我完成更复杂的任务了，哈哈
五、Amazon CodeWhisperer 实测体验总结
5.1 CodeWhisperer 可以帮助我成为一个更好的开发者吗?
通过以上的测试，我觉得它可以帮助我成为一个更好的开发者。
首先，它可以为我节省大量的时间和精力，让我能够专注于改进、重构和测试。
其次，它通过承担一些同质化的繁重工作，让我有机会成为一个更好的程序开发人员。
比如上面的测试的例子是 Amazon 工具（经过 Amazon 开源代码训练）能够表现出色的例子。
当然，在大多数开发人员需要花费很多时间的地方，比如编写领域相关的逻辑时，我又多测试了一下，让我们看看 CodeWhisperer 会不会也有帮助。
比如从 Python 文档中的数据类示例开始。
@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
其实我想知道 CodeWhisperer 是否可以向这个类添加一个方法。让我们看看如果添加注释：" Function that return this item costs more than $10"，会发生什么？
@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
结果是非常酷的。值得注意的是，CodeWhisperer 给函数起了一个直观的名字，并包含了对 self 的引用。
接着，让我们尝试用 CodeWhisperer 来做测试，看是否会触及它的极限。
# 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()
在上面的代码中，我输入了注释，CW 自动完成了剩下的工作。 测试似乎是一个极好的证明 CW 可以节省时间的例子。我不需要浪费时间去想测试的值，也不用输入所有的成员变量和方法。
总的来说，可以帮助我成为一个更好的开发者，但是任何辅助工具都有利有弊，CodeWhisperer 也是才发布不久，通过测试我也想邀请大家去进行实际测试，可以对使用 CodeWhisperer 遇到的问题大家一起相互讨论，一起促进这个编程助手迭代和完善~ | 0 | 1,695,081,600,680 | InfoQ |
11 | 9 种方法使用 Amazon CodeWhisperer 快速构建应用 | Amazon CodeWhisperer 是一款很赞的生成式人工智能编程工具。自从在工作中使用了 CodeWhisperer，我发现不仅代码编译的效率有所提高，应用开发的工作也变得快乐起来。然而，任何生成式 AI 工具的有效学习都需要初学者要有接受新工作方式的心态和意愿。
Amazon CodeWhisperer
https://aws.amazon.com/codewhisperer/
作为一名早期的“探索者”，我发现了几个对我很有用的功能和可以提高生产效率的小技巧，将在这篇文章中和大家分享：
减少输入
函数生成
类的生成
算法的实现
单元测试的编写
创建示例数据
简化正则表达式
更快地学习第三方代码库
代码的文档化
CodeWhisperer 的安装部署
使用 CodeWhisperer，需要在你的集成式开发环境（IDE）中安装最新的 Amazon Toolkit。支持的 IDE 包括 Visual Studio（VS）Code 和 JetBrains IDE（IntelliJ、PyCharm、CLion、GoLand、WebStorm、Rider、PhpStorm、RubyMine 和 DataGrip）。另外，CodeWhisperer 被内置了 Amazon Cloud9 和 Amazon Lambda 控制台, 也可以在 JupyterLab、Amazon SageMaker Studio、以及 Amazon Glue Studio Code 中通过加入 CodeWhisperer extension 进行使用。有关设置说明，请参阅：CodeWhisperer “入门” 资源。
CodeWhisperer “入门” 资源
https://aws.amazon.com/codewhisperer/resources/
CodeWhisperer 为输入需求自动提供建议。如果没有收到建议，可以随时使用 Option + C (Mac) 或 Alt + C (Windows) 快捷方式手动触发。
CodeWhisperer 有时还会向你提供多种建议以供选择。你可以按 → 和 ← 键循环浏览所有可用的建议。
CodeWhisperer 提供的建议是非确定性的，这意味着开发者收到的建议可能与本文中显示的建议略有不同。如果收到的建议不符合需求，可以尝试使用箭头键循环浏览所有可用的建议，或者尝试稍微改写任何代码注释提示。即使是标点符号的变化也可能产生新的建议。
本文中的示例是用 JavaScript 和 TypeScript 编写的。当然，演示操作同样适用于 CodeWhisperer 支持的其他编程语言。
减少输入
对于常见的代码功能实现，CodeWhisperer 的作用在于功能完成自动化，这大大减少了编写单行代码或代码块时的键入次数。CodeWhisperer 在键入时自动提供建议。当建议有用时接受这些建议，当建议没有帮助时则忽略这些建议。根据我的经验，仅以这种方式使用 CodeWhisperer 可以使我的文字输入减少 50％ 或更多。
函数生成
根据函数名自动生成函数
资深的程序员为其函数和参数提供清晰准确的描述性名称。如果你在自己的编程中遵循这种做法，CodeWhisperer 将拥有为你实现许多功能所需的所有上下文。
在输入下面的函数名后，CodeWhisperer 生成的函数体。
用户输入 (JavaScript)
JavaScript
function standardDeviation(numbers)
结果：
JavaScript
function standardDeviation(numbers) {
const avg = average(numbers);
const variance = numbers.map((x) => Math.pow(x - avg, 2)).reduce((a, b) => a + b, 0) / numbers.length;
return Math.sqrt(variance);
}
根据描述生成函数
有时，仅凭一个好的函数签名不足以传达函数的预期行为。在这些情况下，可以使用详细的代码注释作为提示发给 CodeWhisperer。建议在选择这种方式时使用相应语言的文档注释分隔符。
用户输入 (JavaScript)
JavaScript
/**
* Given a list that contains some numbers and strings, format them into a string
* in which the numbers are prepended with "#" and the strings are wrapped in
* double quotes.
*/
结果：
JavaScript
/**
* Given a list that contains some numbers and strings, format them into a string
* in which the numbers are prepended with "#" and the strings are wrapped in
* double quotes.
*/
function formatList(list) {
return list
.map((item) => {
if (typeof item === "number") {
return `#${item}`;
} else {
return `"${item}"`;
}
})
.join(", ");
}
类的生成
可以通过单个代码注释生成完整或部分的类实现。注释应描述该类的关键属性和行为。
用户输入（TypeScript）：
TypeScript
/**
* A folder has a name, children, and an optional parent. A child can't be added
* twice.
*/
结果：
在完成上面的函数块注释之后，CodeWhisperer 提供了多种建议，并附有每种方法的文档注释！
TypeScript
/**
* A folder has a name, children, and an optional parent. A child can't be added
* twice.
*/
class Folder {
constructor(name, parent) {
this.name = name;
this.children = [];
this.parent = parent;
}
/**
* Add a child to the folder.
* @param child The child to add.
* @returns True if the child was added, false if it was already present.
*/
addChild(child) {
if (this.children.includes(child)) {
return false;
}
this.children.push(child);
return true;
}
/**
* Remove a child from the folder.
* @param child The child to remove.
* @returns True if the child was removed, false if it wasn't present.
*/
removeChild(child) {
if (!this.children.includes(child)) {
return false;
}
this.children.splice(this.children.indexOf(child), 1);
return true;
}
}
算法的实现
CodeWhisperer 能够轻松实现通用的算法。只需告诉 CodeWhisperer 你想将哪种算法应用于特定的编码问题，它就会执行。
用户输入 (JavaScript)
JavaScript
const actors = [ ... ];
// Sort the actors by age using the merge sort algorithm.
结果：
JavaScript
const actors = [
{name: 'Tom Cruise', age: 56},
{name: 'Meryl Streep', age: 49},
{name: 'Jack Nicholson', age: 39},
{name: 'Christopher Walken', age: 53}
];
// Sort the actors by age using the merge sort algorithm.
function mergeSort(arr) {
if (arr.length <= 1) {
return arr;
}
const middle = Math.floor(arr.length / 2);
const left = arr.slice(0, middle);
const right = arr.slice(middle);
return merge(mergeSort(left), mergeSort(right));
}
function merge(left, right) {
const result = [];
while (left.length && right.length) {
if (left[0].age < right[0].age) {
result.push(left.shift());
} else {
result.push(right.shift());
}
}
while (left.length) {
result.push(left.shift());
}
while (right.length) {
result.push(right.shift());
}
return result;
}
单元测试的编写
CodeWhisperer 加速了单元测试的实现。不仅能够实现我请求的大多数明确的单元测试的逻辑，而且经常为我甚至没有想到的边缘情况来建议单元测试。
当我想让 CodeWhisperer 实现一个单元测试时，我会像下面的例子一样，首先声明我正在测试的条件和预期的结果。
用户输入 (JavaScript)
JavaScript
describe("Folder.addChild()", () => {
it("when adding an existing folder should not add duplicate"
结果：
JavaScript
describe("Folder.addChild()", () => {
it("when adding an existing folder should not add duplicate", () => {
const folder = new Folder("root");
const child = new Folder("child");
expect(folder.addChild(child)).toBe(true);
expect(folder.addChild(child)).toBe(false);
});
it("when adding a new folder should add it", () => {
const folder = new Folder("root");
const child = new Folder("child");
expect(folder.addChild(child)).toBe(true);
});
it("when adding a new folder should add it to parent", () => {
const folder = new Folder("root");
const child = new Folder("child");
folder.addChild(child);
expect(child.parent).toBe(folder);
});
}
在完成一两个测试之后，即使没有明确的提示，CodeWhisperer 也会建议更多的测试。在后续的文章和视频里，我们将展示 CodeWhisperer 更多的测试建议。
提示：你会注意到我的测试描述包括：
我正在测试的函数；
我正在测试的条件；
我期望的结果。
遵循这个由三部分组成的模式是确保 CodeWhisperer 拥有实现高质量测试逻辑所需的上下文的好方法。
创建示例数据
我发现，CodeWhisperer 可以生成虚拟数据，或者实际的、具有可重复模式的代码。举例来说，在下面的列表中，我只输入了第一个 “用户” 对象作为示例，CodeWhisperer 就很好的延续了这个模式。
用户输入 (JavaScript)
JavaScript
const fakeUsers = [
{ name: "User 1", id: "user1" },
结果：
JavaScript
const fakeUsers = [
{ name: "User 1", id: "user1" },
{ name: "User 2", id: "user2" },
{ name: "User 3", id: "user3" },
{ name: "User 4", id: "user4" },
{ name: "User 5", id: "user5" },
{ name: "User 6", id: "user6" }
]
它甚至可以生成随机但看似合理的值，如下所示：
用户输入 (JavaScript)
JavaScript
const fakeUsers = [
{ name: "Sally", id: "user1" },
结果：
JavaScript
const fakeUsers = [
{ name: "Sally", id: "user1" },
{ name: "Bob", id: "user2" },
{ name: "Joe", id: "user3" },
{ name: "Jane", id: "user4" },
{ name: "Jill", id: "user5" },
{ name: "Jack", id: "user6" }
]
Regular Expression 简化正则表达式
虽然 CodeWhisperer 还不能将自然语言自动转换为自定义 Regular Expression，但它确实知道很多常用的 Regular Expression，帮助开发者节省时间。每当你需要正则表达式时，它们随手可得。
让我们来看一个相对复杂但常见的 Regular Expression。
用户输入 (JavaScript)
JavaScript
/**
* Function that validates whether a string is a valid email address.
*/
结果：
JavaScript
/**
* Function that validates whether a string is a valid email address.
*/
export function isValidEmail(email) {
return /^[^\s@]+@[^\s@]+\.[^\s@]+$/.test(email);
}
快速学习第三方代码库
当使用不熟悉的库、模块或框架时，CodeWhisperer 有助于加快自学习速度。
在下面的示例中，我需要编写一个实用函数，该函数将获取来自 API 的 gzip 压缩值并将其转换成其余代码可以理解的值。我知道 “pako” 库会帮助到我，但我不知道如何使用。于是我给 CodeWhisperer 提示：一条导入声明和一条描述我目的的描述。
JavaScript
import pako from "pako";
/**
* Accepts a base64-encoded, gzip-compressed JSON string and returns
* a parsed JSON object.
*/
结果：
JavaScript
import pako from "pako";
/**
* Accepts a base64-encoded, gzip-compressed JSON string and returns
* a parsed JSON object.
*/
export default function decompress(str) {
const buffer = pako.inflate(atob(str));
const json = buffer.toString();
return JSON.parse(json);
}
代码的文档化
CodeWhisperer 能为生成的代码和现有的代码生成文档和注释。
例如，假设我想要 CodeWhisperer 帮我为 FavoritesFilter TypeScript 类的 matches() 方法生成文档注释。
TypeScript
class FavoritesFilter implements IAssetFilter {
...
matches(asset: Asset): boolean {
...
}
}
我们只需要在方法名称的正上方键入文档注释分隔符（/** */），CodeWhisperer 就会为我们生成文档注释的正文。
注意：当 CodeWhisperer 用于这个场景时，我们需要使用 Option + C (Mac) 或 Alt + C (Windows)手动触发建议。
结论
希望上面的分享能激发你开始尝试使用 CodeWhisperer 这样智能的代码工具的想法。立即安装 CodeWhisperer，并开始在自己的项目中使用这些节省时间的方法和技巧。当然，这些建议和技巧只是 CodeWhisperer 的部分功能。随着更多开发者开始将 CodeWhisperer 应用到他们的日常工作流程中，我相信更多的技巧、经验和最佳实践还将持续出现。如果你也有心得体验，请发表评论让我们知道。你的分享会对更多的人有所帮助。
安装 CodeWhisperer
https://aws.amazon.com/codewhisperer/resources/
参考资料
10 ways to build applications faster with Amazon CodeWhisperer：
https://aws.amazon.com/cn/blogs/devops/10-ways-to-build-applications-faster-with-amazon-codewhisperer/
Amazon CodeWhisperer Startup：
https://aws.amazon.com/cn/codewhisperer/resources/
Amazon CodeWhisperer User Guide：
https://docs.aws.amazon.com/codewhisperer/latest/userguide/sagemaker-setup.html | 0 | 1,695,081,600,680 | InfoQ |
12 | Amazon CodeWhisperer 与 Amazon Glue 实现集成，借助生成式 AI 进一步提升开发效率 | 数据对于企业做出明智决策、提高运营效率和开展创新来说至关重要。集成不同来源的数据是一个复杂而耗时的过程。为此，亚马逊云科技推出了 Amazon Glue，帮助用户在无服务器基础设施上集成多个来源的数据，用于分析、机器学习和应用程序开发。
Amazon Glue 为数据集成任务提供了完全不同的编写体验，而 Notebook 是最常见的工具之一。数据科学家倾向于以交互方式运行查询，并立即检索结果，用于编写数据集成任务。这种交互体验可以加速构建数据集成任务的进度。
近期，亚马逊云科技宣布了 Amazon CodeWhisperer 正式可用。这是一款 AI 编程助手，能够使用底层基础模型帮助开发人员提高工作效率。它可以根据开发人员使用自然语言留下的注释和 IDE（集成开发环境）中的历史代码实时生成代码建议。此外，亚马逊云科技还发布了 Amazon CodeWhisperer Jupyter 扩展程序，为 Jupyter 用户在 Jupyter Lab 和 Amazon SageMaker Studio 中的 Python notebook 生成实时、单行或完整的函数代码建议。
现在，亚马逊云科技正式宣布 Amazon CodeWhisperer 为 Amazon Glue Studio notebook 提供支持，帮助 Amazon Glue 用户优化使用体验、提高开发效率。通过 Amazon Glue Studio notebook，开发人员可以用自然语言（英语）编写特定任务，比如“利用 json 文件中的内容创建一个 Spark DataFrame”。基于此信息，Amazon CodeWhisperer 会直接在 notebook 中推荐一个或多个可完成此任务的代码片段。开发人员可以选择“接受最推荐的建议”，“查看更多建议”或“继续自己编写代码”。
Amazon Glue Studio notebook 与 Amazon CodeWhisperer 之间的集成可以帮助用户更快开展数据集成工作。该集成目前已在美国东部（北弗吉尼亚州）可用。用户现在就可以着手将 Amazon Glue Studio notebook 与 Amazon CodeWhisper 进行集成，以加快数据集成构建工作。 | 0 | 1,695,081,600,680 | InfoQ |
null | null | null | null | null | null |
README.md exists but content is empty.
Use the Edit dataset card button to edit it.
- Downloads last month
- 0