文章目录

• 1. 前言
• 2. 安装
• • 2.1 注册新用户
  • 2.2 在VSCode中安装DevChat插件
  • 2.3 设置Access Key
• 3. 实战使用
• • 3.1 代码编写
  • 3.2 项目创建
  • 3.3 代码讲解
• 4. 总结

1. 前言

DevChat是由Merico公司精心打造的AI智能编程助手。它利用了最先进的大语言模型技术，像人类开发者一样高效地理解需求，并提供最佳的代码和项目实现方式。DevChat都可提供智能补全、错误纠正、代码规范检查、代码注释生成等多项支持，大大提升了开发者的工作效率。从而能够让开发者告别脏活累活，做更有价值的工作。产品务实高效，近期还在2023QCon全球软件大会亮相，斩获众多圈内开发者的好评

作为一款全方位的AI智能编程助手，不仅能够完成代码编写，而且还能够完成单元测试、Debug调试、代码文档编写和高效总结。在保证编码质量的同时，DevChat也非常注重用户隐私和数据安全。DevChat支持微软 Azure 平台，全球顶级数据隐私保护，比 OpenAI 接口用起来更放心。

DevChat提供了GPT-3.5、GPT-4、XINGHUO-2、CLAUDE-2、LLAMA-2-13B-CHAT等大模型的接口，用户可根据自身实际需求选择最适合自己的大模型，从而最大程度上提升工作效率。比如复杂任务可首选GPT-4 ，其他任务也可使用低成本模型加以解决，组合使用达到最佳的效能。

DevChat AI辅助工具如此强大，都有哪些优势呢？总共包含八大优势，具体如下：

• 精准的上下文控制
• 多种大模型任意选：复杂任务非 GPT-4 莫属，简单任务交给低成本模型，组合使用效能最佳
• 精准的“上下文”管理；把任意代码段加入对话，不靠 AI 时好时坏的猜测，把控制权交还给用户
• 简单可扩展的提示词目录：开放提示词扩展，Prompts as Code，满足团队和个人自定义需求
• 灵活的 Prompt 模板管理，ask-code功能解答代码库的各类问题
• 产品设计务实，迭代反馈快
• 代码和文档自由生成，而非简单补全
• 对接微软 Azure 服务，可信赖的企业级数据安全

本人在深度使用了DevChat智能编程助手后，最大的感受就是简单又易用，非常适合不同水平的程序员解决不同难度的问题，不仅能够帮助新手写出成熟代码，而且也能够帮助项目组提升工作效率。所以强烈建议大家体验使用，访问地址为：官网链接。
  

2. 安装

为了照顾到绝大多数的同学，本节内容操作步骤较为详细，希望大家都能够按照以下步骤顺利完成DevChat的安装。

2.1 注册新用户

点击进入官网链接后，然后点击登录，如下图所示：

  点击下图中的Sign Up开启新用户的注册：

然后在下图中输入用户名和的Email邮箱地址（亲测QQ邮箱是可以的），完成I am human的真人测试，最后点击Sign up完成新用户的注册。需要注意的是，此时邮箱会收到一封包含Access Key的邮件，将该Access Key保存到本地， 从而方便后续使用。

然后输入刚才注册时的Email，并点击Send Code，则会收到包含验证码的邮件，然后将其输入到Veification Code的输入框中，并点击Sign In进行登录，具体如下图所示：

2.2 在VSCode中安装DevChat插件

首先打开VSCode，点击左下方的配置按钮(齿轮状)，然后点击Extensions(扩展)，如下图所示：

  然后在搜索框中输入DevChat，点击Install进行安装，如下图所示：

2.3 设置Access Key

点击左下角的设置按钮，选择Command Palette（控制面板），，如下图所示：

  在弹出的命令面板中点击DevChat: Input DevChat Access Key，如下图所示：

  将之前保存好的Access Key复制到下图中的输入框中，并按下回车键。

  输入完毕后，可以看到下方的日志出现了api key status: has valid access key，则说明Access Key配置成功了，如下图所示：

3. 实战使用

3.1 代码编写

首先来个最简单的测试实例，即让DevChat完成Python的快速排序，截图和代码如下所示：

def quick sort(arr): 
    if len(arr) <= 1:
        return arr 
    pivot = arr[len(arr) /1 2] # 选择个基准元素
    left = [x for x in arr if x < pivot] # 小于基准元素的部分
    middle = [x for x in arr if x == pivot] # 等于基准元素的部分
    right = [x for x in arr if x > pivot] # 大于基准元素的部分
    # 递归排序左右两部分
    return quick sort(left) + middle + quick sort(right)

3.2 项目创建

除了能够完成算法题目的编写，那么DevChat是否能够创建一个Python项目呢？这里以Python的Django项目为例，首先在输入框中输入如何创建Django项目，如下图所示：

  然后DevChat就给出了详细的创建步骤，如下图所示，看看咱们是否能够在它的指引下完成Django项目的创建呢？

  首先进入命令行，使用pip命令安装django库，当看到Sucessfully installed则说明安装成功了，具体操作步骤和截图如下所示：

  然后在命令中创建django项目，具体操作命令和DevChat给出的步骤也是一致的，如下图所示：

  当看到The install worked successfully! Congratulations!则说明Django项目创建成功了，具体如下图所示：

3.3 代码讲解

DevChat不仅能帮助我们完成代码编写和项目创建，而且还能帮助我们进行代码讲解，极大提升了阅读代码的效率。

首先可用鼠标框选好指定的代码段，然后点击鼠标右键，并点击Add to DevChat，如下图所示：

  然后在菜单栏中选择对应的模型，由于CLAUDE-2的上下文长度为100K(模型列表中最长)，所以选择该模型来完成本次任务。

  在对话框中输入：请帮我解释代码，如下图所示。

  DevChat的回答如下所示：

这段代码使用 OpenAI 的 Completion API 来生成文本。主要逻辑如下:

1. 在一个无限循环中尝试生成文本。

2. 使用 model_name、batch_decoding_args 和 decoding_kwargs 构建请求参数。

3. 调用 Completion.create() 生成文本。

4. 如果遇到 OpenAIError,处理不同的错误:

   - 如果是 "Please reduce your prompt" 错误,调整 max_tokens 参数重试。

   - 如果是请求频率限制错误,等待一段时间后重试。

5. 获取结果 choices,记录 tokens 用量,添加到 completions 列表中。

6. 成功后退出循环。

这种机制可以自动处理 OpenAI API 的错误和限制,不断尝试请求直到成功生成文本为止。max_tokens 参数可以动态调整来适应 prompt 长度限制。整体来说,这是一种优雅的方式来反复调用 OpenAI API 直到成功。

4. 总结

在亲身体验后DevChat后，它的确是一款非常智能的AI编程助手。不仅能够完成代码的智能补全、错误纠正和代码规范检查，而且还能在它的精确指引下完成项目的创建。真的是功能强大、简单易用，所以强烈建议大家安装使用。在AI的新时代，只有不断学习使用最新的AI工具，才能立于不败之地。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】或点击下方蓝色字 即可免费领取↓↓↓

**读者福利 |** 👉2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享 **（安全链接，放心点击）**)** **（安全链接，放心点击）**