不用ChatGPT,只用CodeGeeX with Chat!一样实现智能问答

在ChatGPT推出后,许多人发现,它在编程方面也具有强大的能力——在编写代码过程中,如果遇到问题,可以不必去搜索引擎寻找答案,而是直接向ChatGPT提问。不过,在申请使用一些功能时,需要先等待各种waitlist,很多用户表示等了挺久还没用上。

有没有更快的方式,能够在代码编写环境中,用上智能问答的功能呢?

答案是肯定的。本周CodeGeeX功能更新,为开发者带来了全新体验升级:在编程环境中,CodeGeeX插件整合了针对代码知识的智能问答功能。

CodeGeeX将问答模式,融合到实际开发场景中,让开发者更专注和沉浸于编程,不用离开当前 IDE 的编程环境,就可以边写代码边和 AI 对话,实现针对编程问题的智能问答。无需waitlist,立刻就能尝鲜这个新功能!

那么就先给大家快速看看,在CodeGeeX上的体验是怎样的:
file

file

先以 VS Code为例:打开CodeGeeX插件,在VS Code中的左侧边栏,点击CodeGeeX图标就可以看到“Ask CodeGeeX”的模块。在开发过程遇到任何问题,都可以在侧边栏中直接提问。
那么,如何申请和使用上CodeGeeX中的智能问答功能呢?下面分享详细步骤:

1.首先,确保你已经在VSCode中下载了CodeGeeX插件;

2.安装好插件后,VSCode会在右下角提示登录,点击提示跳转到浏览器;

3.在浏览器中完成注册和登录;

4.登录成功后,返回VS Code,你就可以在左侧边栏向CodeGeeX进行提问;

没错,这就是本周推出的CodeGeeX的功能更新!该功能不需要“Waitinglist”排队等待,目前已经率先在VS Code和JetBrains IDEs的CodeGeeX插件中上线,用户只需要在插件市场搜索,下载安装CodeGeeX,登录后即可使用。
file

在体验了这个功能之后,用户普遍认为对于代码类基础问题和需求的解答,非常有帮助。

目前Ask CodeGeeX功能中,使用的是广受关注的ChatGLM-6B开源模型。今后,功能还将不断迭代,引入更多优秀的问答模型以帮助开发者,更有效地解决工作中遇到的问题。

未来,或许我们不再需要一行行看代码、找 Bug、写测试了,而是直接改用 CodeGeeX 来迅速处理这些工作。

本文由博客一文多发平台 OpenWrite 发布!

原文链接:https://www.cnblogs.com/chattech/p/17336985.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:不用ChatGPT,只用CodeGeeX with Chat!一样实现智能问答 - Python技术站

(0)
上一篇 2023年4月22日
下一篇 2023年4月22日

相关文章

  • 安装pytorch-gpu的经验与教训

    首先说明 本文并不是安装教程,网上有很多,这里只是自己遇到的一些问题 我是以前安装的tensorflow-gpu的,但是发现现在的学术论文大部分都是用pytorch复现的,因此才去安装的pytorch-gpu 查看自己安装的CUDA nvcc -V 这里我提供一个安装tensorflow时所用的CUDA对应表      安装完CUDA时要改一下环境变量   …

    2023年4月6日
    00
  • 【ICCV2019论文阅读】PU-GAN:点云上采样对抗网络

    摘要 从范围扫描获取的点云通常稀疏,嘈杂且不均匀。 本文提出了一种称为PU-GAN 的新点云上采样网络,该网络是基于生成对抗网络(GAN)制定的,旨在从潜在空间中学习丰富的点分布并在对象表面的子块上对点进行上采样。为了实现可运行的GAN网络,我们在生成器中构造了一个自上而下再向上的扩展单元,以对带有误差反馈和自校正的点特征进行上采样,并制定了一个自注意力单元…

    2023年4月5日
    00
  • 0901-生成对抗网络GAN的原理简介

    目录 一、GAN 概述 二、GAN 的网络结构 三、通过一个举例具体化 GAN 四、GAN 的设计细节 pytorch完整教程目录:https://www.cnblogs.com/nickchen121/p/14662511.html 一、GAN 概述 GAN(生成对抗网络,Generative Adversarial Networks) 的产生来源于一个灵…

    GAN生成对抗网络 2023年4月7日
    00
  • 不要怂,就是GAN (生成式对抗网络) (五):无约束条件的 GAN 代码与网络的 Graph

    GAN 这个领域发展太快,日新月异,各种 GAN 层出不穷,前几天看到一篇关于 Wasserstein GAN 的文章,讲的很好,在此把它分享出来一起学习:https://zhuanlan.zhihu.com/p/25071913。相比 Wasserstein GAN ,我们的 DCGAN 好像低了一个档次,但是我们伟大的教育家鲁迅先生说过:“合抱之木,生于…

    GAN生成对抗网络 2023年4月5日
    00
  • 卷积神经网络的初步理解LeNet-5(转)

    深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。     第二篇,讲讲经典的卷积神经网络。我不打算详细描述卷积神经网络的生物学运行机理,因为网络上有太多的教程可以参考。这里,主要描述其数学上的计算过程,也就是如何自己编程去实现的问题。   1. 概述     …

    2023年4月7日
    00
  • 显著性目标检测(综述)

    《Salient Object Detection: A Survey》 url:https://arxiv.org/abs/1411.5878 笔记思路: 1.显著性检测的用途:根据显著性特征(空间域、频域等 ),快速有效地提取场景中有用的区域(目标区域等)进行进一步分析(显著性目标检测),如object proposal generation, gene…

    2023年4月8日
    00
  • Pytorch dataset自定义【直播】2019 年县域农业大脑AI挑战赛—数据准备(二),Dataset定义

    在我的torchvision库里介绍的博文(https://www.cnblogs.com/yjphhw/p/9773333.html)里说了对pytorch的dataset的定义方式。 本文相当于实现一个自定义的数据集,而这正是我们在做自己工程所需要的,我们总是用自己的数据嘛。 继承 from torch.utils.data import Dataset…

    2023年4月6日
    00
  • pytorch学习—dataset

    1、dataset是初入pytorch最重要的东西,在复现项目的时候,最需要改的就是数据集。  如果弄明白了pytorch中dataset类,你可以创建适应任意模型的数据集接口。 2、所谓数据集,无非就是一组{x:y}的集合吗,你只需要在这个类里说明“有一组{x:y}的集合”就可以了。 对于图像分类任务,图像+分类 对于目标检测任务,图像+bbox、分类 对…

    PyTorch 2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部