题记

• 前面通过一堆废话介绍了智能会话
• 智能是因为它的“回复”，“补充代码”，“添加备注”等等反馈符合预期
• 如同与红颜知己的对话，句句说到你心坎上
• Lingma又是如何做到的，见它毕竟才短短一年多

知识&方案

• 十年老码龙，流水线上的代码一气呵成
• 九年老产品，功能、UI设计信手拈来
• 八年老顾问，对答客户游刃有余
• 为什么，还不是因为长期的参与开发，设计产品，沟通客户
• 积累了大量的开发/业务/沟通知识
• 以及储备了大量的场景问题解决方案
• Lingma要做到这点，同样需要

RAG

• 不知大家是否还记得，在DeepSeek火爆之时，全网都在搭建知识库
• 当然大部分企业除了试试知识库，还可以…
• 那就知识库吧，领导说气势必须要有
• 毕竟有追风天团的称号，必须追(gen)风，搭建知识库
• 在知识库中，采用了BGE-M3，是通用语义向量模型
• 专为信息检索和大语言模型检索增强（RAG）设计，即RAG的一种落地
• 这下就豁然开朗了
• 提供基于项目代码的知识库给Lingma
• 接下来看Lingma是怎么做的

代码库索引

• 官方是这样说的

通义灵码会在项目打开时自动为本地工程进行向量化，为代码库创建索引
索引以增量方式进行，因此新建或修改的文件都会实时处理，无需人工干预
实现了 AI 驱动的深度工程感知，高效检索当前代码文件及跨文件上下文

• 具体是基于什么模型对代码进行向量化
• 是否在本地下载了向量化模型
• 如果类似BGE-M3，它的运行是否需要大模型运行环境
• 对项目文件构建的索引存在了哪里
• 内存占用，对idea性能影响如何
• 如此等等，当下的确还未找到合理说明

Lingma IDE 配置索引

• 在Lingma IDE 的右上角，单击用户图标选择 个人设置
• 在左侧导航栏中，单击索引
• 代码库最多索引6000个文件
  

结语

• AI编程大行其道，作为助手，也不得不知己知彼
• 从会用，达到善用的阶段，持续提高生产力