【技術實現步驟摘要】
本專利技術涉及一種代碼輔助優化方法及系統，尤其是一種適于集成開發環境的代碼輔助優化方法及系統。
技術介紹
1、在軟件開發過程中，集成開發環境(ide)是開發者使用的重要開發工具。隨著大語言模型(llm)的廣泛應用，將大語言模型集成到ide中，以提供智能代碼補全和建議成為一種趨勢。
2、目前，將大語言模型集成到ide中時，目前多采用api集成的方式或采用ide插件集成的方式，其中，
3、將大語言模型采用api集成時，通過調用云端服務來實現代碼分析和建議生成，具體地，ide通過api接口向云端模型發送請求，發送的請求包括代碼片段和上下文信息。云端模型處理請求，生成建議或補全代碼，然后通過api接口將結果返回給ide。典型案例如：github?copilot與visual?studio?code集成，通過api調用云端的openai?codex模型來生成代碼建議。
4、將大語言模型采用api集成時，主要存在如下不足：
5、1)、性能和延遲：api調用通常需要通過網絡傳輸數據，這可能導致響應時間較長，影響開發體驗；
6、2)、上下文局限：api調用通常僅限于當前代碼片段的上下文，難以全面理解整個項目的結構和邏輯；
7、3)、依賴性和穩定性：依賴外部api服務，如果服務中斷或api更改，可能會影響系統的正常運行；
8、4)、安全性和隱私：數據需要傳輸到遠程服務器處理，存在潛在的數據泄露和隱私風險；
9、5)、定制化能力有限：api通常提供通用的
10、將大語言模型采用ide插件集成時，通過開發專用的ide插件，將llm的功能嵌入到ide中，其中，插件可以在本地處理部分代碼分析任務，或者通過插件與云端服務交互，將llm的代碼補全和建議功能整合到ide中，使其能夠與編輯器、調試器和項目管理器等模塊交互。典型案例如：tabnine(一款使用深度學習模型的代碼補全插件)，可以集成到多種ide中，包括jetbrains系列和visual?studio?code。
11、將大語言模型采用插件集成時，主要存在如下不足：
12、1)、性能和資源消耗：插件在ide中運行時，可能會消耗大量資源，導致ide變慢或不穩定；
13、2)、維護和兼容性問題：插件需要隨著ide的版本更新進行適配和維護，增加了開發和維護成本；
14、3)、功能局限性：插件的功能通常是預先定義好的，難以根據具體項目需求進行靈活調整；
15、4)、上下文理解有限：插件雖然可以在本地運行，但仍然可能缺乏對整個項目的全局理解；
16、5)、集成復雜性：不同的插件可能需要復雜的配置和集成過程，增加了使用門檻。
17、由上述說明可知，現有集成環境中的代碼補全或建議的方式，難以適用于實際的需求。
技術實現思路
1、本專利技術的目的是克服現有技術中存在的不足，提供一種適于集成開發環境的代碼輔助優化方法及系統，其能有效實現對代碼的優化，提升開發效率和代碼質量。
2、按照本專利技術提供的技術方案，一種適于集成開發環境的代碼輔助優化方法，所述代碼輔助優化方法包括：
3、提供集成開發環境，并在所述集成開發環境內集成代碼補全優化管理模型，以利用所集成的代碼補全優化管理模型對集成開發環境內的目標源代碼進行輔助優化，其中，
4、對集成開發環境內的任一目標源代碼，當針對所述目標源代碼的開發行為與預設的代碼輔助管理行為匹配時，觸發所述代碼補全優化管理模型對目標源代碼進行輔助優化；
5、對目標源代碼進行輔助優化時，代碼補全優化管理模型獲取目標源代碼與當前開發行為對應的代碼目標上下文信息；
6、基于所獲取的代碼目標上下文信息，生成與當前開發行為適配的目標源代碼優化管理信息，其中，所述目標源代碼優化管理信息包括目標源代碼補全信息和/或目標源代碼優化建議信息。
7、所述代碼補全優化管理模型包括上下文感知模塊以及與所述上下文感知模塊適配的自適應輔助管理模型，其中，
8、對目標源代碼進行輔助優化時，利用上下文感知模塊提取目標源代碼的代碼目標上下文信息，并將所獲取的代碼目標上下文信息加載到自適應輔助管理模型；
9、自適應輔助管理模型至少基于代碼目標上下文信息生成目標源代碼優化管理信息，并將所生成的目標源代碼優化管理信息返回至集成開發環境。
10、上下文感知模塊提取目標源代碼的代碼目標上下文信息時，包括：
11、獲取目標源代碼的靜態上下文信息、動態上下文信息以及代碼語義信息，
12、基于靜態上下文信息、動態上下文信息以及代碼語義信息，提取生成代碼目標上下文信息。
13、利用上下文感知模塊提取目標源代碼的代碼目標上下文信息時，先對目標源代碼進行代碼優化預處理，以在代碼優化預處理后生成目標源代碼預處理信息；
14、對目標源代碼的代碼優化預處理，包括代碼解析處理和/或行為解析處理，其中，
15、對目標源代碼進行代碼解析處理時，提取得到目標源代碼的代碼主體信息，其中，所述代碼主體信息至少包括目標源代碼的語法信息以及目標源代碼的結構信息；
16、對目標源代碼進行行為解析處理時，分析在集成開發環境內的開發交互信息，以基于所分析的開發交互信息生成代碼行為信息，其中，所述代碼行為信息包括交互操作序列以及交互上下文信息；
17、基于目標源代碼預處理信息，上下文感知模塊提取得到代碼目標上下文信息，其中，
18、對目標源代碼的代碼主體信息進行靜態分析捕捉，以在靜態分析捕捉后生成靜態上下文信息；
19、對目標源代碼的代碼行為信息進行動態分析捕捉，以在動態分析捕捉后生成動態上下文信息。
20、所述自適應輔助管理模型基于大語言模型構建形成，
21、基于大語言模型構建形成自適應輔助管理模型時，至少包括模型訓練步驟，其中，
22、執行管理模型訓練步驟時，包括：
23、構建管理模型訓練數據集，所述管理模型訓練數據集包括若干訓練樣本；
24、構建基于大語言模型的自適應輔助管理基本模型，并利用所述管理模塊訓練數據集對自適應輔助管理基本模型進行模型訓練；
25、對自適應輔助管理基本模型的模型訓練達到目標狀態時，基于自適應輔助管理基本模型形成自適應輔助管理模型。
26、將代碼補全優化管理模型集成到集成開發環境內后，基于自適應學習方法至少動態調整自適應輔助管理模型，其中，
27、所述自適應學習方法包括增量學習方法和/或在線學習方法；
28、基于增量學習方法動態調整自適應輔助管理模型時，包括：
29、在集成開發環境內，收集輔助管理反饋信息，其中，所述輔助管理反饋信息包括接受的操作信息、修改的操作信息或拒絕的操作信息本文檔來自技高網...
【技術保護點】
1.一種適于集成開發環境的代碼輔助優化方法，其特征是，所述代碼輔助優化方法包括：
2.根據權利要求1所述的適于集成開發環境的代碼輔助優化方法，其特征是，所述代碼補全優化管理模型包括上下文感知模塊以及與所述上下文感知模塊適配的自適應輔助管理模型，其中，
3.根據權利要求2所述的適于集成開發環境的代碼輔助優化方法，其特征是，上下文感知模塊提取目標源代碼的代碼目標上下文信息時，包括：
4.根據權利要求3所述的適于集成開發環境的代碼輔助優化方法，其特征是，利用上下文感知模塊提取目標源代碼的代碼目標上下文信息時，先對目標源代碼進行代碼優化預處理，以在代碼優化預處理后生成目標源代碼預處理信息；
5.根據權利要求2所述的適于集成開發環境的代碼輔助優化方法，其特征是，所述自適應輔助管理模型基于大語言模型構建形成，
6.根據權利要求5所述的適于集成開發環境的代碼輔助優化方法，其特征是，將代碼補全優化管理模型集成到集成開發環境內后，基于自適應學習方法至少動態調整自適應輔助管理模型，其中，
7.根據權利要求6所述的適于集成開發環境
8.根據權利要求5所述的適于集成開發環境的代碼輔助優化方法，其特征是，構建模型訓練數據集時，包括：
9.根據權利要求2所述的適于集成開發環境的代碼輔助優化方法，其特征是，還包括用于對目標源代碼優化管理信息進行個性化處理的個性化定制優化模塊，其中，
10.一種適于集成開發環境的代碼輔助優化系統，其特征是，包括安裝有集成開發環境的終端設備，其中，對集成開發環境內的目標源代碼，終端設備采用上述權利要求1～權利要求9任一項所述的代碼輔助優化方法進行代碼輔助優化，以在代碼輔助優化后提供目標源代碼優化管理信息。
...【技術特征摘要】
1.一種適于集成開發環境的代碼輔助優化方法，其特征是，所述代碼輔助優化方法包括：
2.根據權利要求1所述的適于集成開發環境的代碼輔助優化方法，其特征是，所述代碼補全優化管理模型包括上下文感知模塊以及與所述上下文感知模塊適配的自適應輔助管理模型，其中，
3.根據權利要求2所述的適于集成開發環境的代碼輔助優化方法，其特征是，上下文感知模塊提取目標源代碼的代碼目標上下文信息時，包括：
4.根據權利要求3所述的適于集成開發環境的代碼輔助優化方法，其特征是，利用上下文感知模塊提取目標源代碼的代碼目標上下文信息時，先對目標源代碼進行代碼優化預處理，以在代碼優化預處理后生成目標源代碼預處理信息；
5.根據權利要求2所述的適于集成開發環境的代碼輔助優化方法，其特征是，所述自適應輔助管理模型基于大語言模型構建形成，
6.根據權利要求5所述的適于集成開發環境的代碼輔助優化方法，其特征是，將代碼補全優化管理模型集成...
【專利技術屬性】
技術研發人員：胡嘉毅，肖佐楠，鄭茳，匡啟和，沈贄，
申請(專利權)人：蘇州國芯科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。