欢迎访问秦皇岛素然网络科技有限公司!
秦皇岛,新闻,生活,资讯,旅游,美食,汽车,租房,通讯资讯,消费性电子,电脑设备,秦皇岛素然网络科技有限公司
当前位置:网站首页 > 智能科技 > 正文

写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了

作者:admin发布时间:2020-09-13分类:智能科技浏览:9评论:0


导读:原标题:写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了贾浩楠发自凹非寺量子位报道|公众号...
原标题:写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了

贾浩楠 发自 凹非寺

量子位 报道 | 公众号 QbitAI

无论你是编程小白还是老司机,coding过程中总会遇到不懂的问题。

最常见的方法是去论坛询问、谷歌搜索,需要反复在网页和编译器页面切换,即使有两个很大的分屏,生产力也会受到影响。

写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了

但是现在这个问题有希望解决了,一个便捷编程Q&A工具 codequestion可以帮到你。

直接在终端输入「你要问的问题」,用普通的自然语言就行,和你去谷歌搜索没什么两样。

写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了

然后马上就能返回详细操作教程, 实现了直接在终端用对话形式来查询操作手册

这么好用的工具安装起来也不复杂。

安装教程

展开全文

安装codequestion最简单的方法是通过pip或PyPI:

当然,你也可以克隆Github上的项目到本地:

安装codequestion需要Python 3.6版本以上。

对于Linux系统来说,可以直接运行项目,但是Windows和Mac需要安装额外项。

Windows需要安装 C++ Build Tools,地址如下:

https://visualstudio.microsoft.com/visual-cpp-build-tools/

PyTorch Windows的二进制文件不在PyPI上,安装时必须添加以下url链接:

对于Mac来说,安装前需要运行这个命令:

安装步骤已经完成了,接下来看看实例测试吧

AI驱动的问答机制

codequestion下载完成以后,还需要安装一个模型。

python -m codequestion.download

这个模型的核心就是作者 David Mezzetti之前开发的AI算法 txtai

txtai支持构建文本索引,执行相似性搜索,并创建基于提取式问题回答的系统。

写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了

作者还提供了预训练的模型:

codequestion是可以定制的,可以针对自定义的问答库运行。目前,只支持Stack Exchange库中的问题帮助,未来会有更多的支持选项。

完成模型安装后,可以通过以下命令运行测试:

代码中包含将测试数据下载到〜/ .codequestion / test中。

下面的表格显示了各种词向量/评分组合的测试结果。

写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了

SE 300d单词向量与BM25评分在这个数据集中表现最好。即使减少了词汇量的Stack Exchange问题,SE 300d - BM25在STS基准测试中的表现也相当不错。

之前,量子位也介绍过一个相似的Linux命令行查询工具,也是直接在终端输入问题,返回答案。

不同的是,当时的工具 howdoi是在在线技术论坛上搜索已有答案,范围比较有限。

那么这次介绍的codequestion的AI驱动机制,有什么先进之处呢?

基本原理

第一步:原始数据转储处理

来自Stack Exchange库的原始7z XML转储通过一系列步骤进行处理。

只有高分的问题和答案才会被检索到,并存储在模型中。

问题和答案被整合到一个名为questions.db的单一SQLite文件中。questions.db 的模式如下:

第二步:检索

codequestion工具为questions.db建立了一个句子嵌入索引。

questions.db模式中的每个问题都会被标记,并解析为单词嵌入。

词嵌入模型是建立在questions.db上的自定义fastText模型。一旦某个token被转换为单词嵌入,就会创建一个加权的句子嵌入。

词嵌入使用BM25索引对资源库中的所有token进行加权。但有一个重要的修改:标签被用来提升标签标记的权重。

一旦question.db被转换为句子嵌入的集合,它们就会被归一化并存储在Faiss中,从而可以进行快速的相似性搜索。

第三步:查询

codequestion使用与索引相同的方法对每个查询进行标记。这些标记被用来建立一个句子嵌入。根据Faiss索引对该嵌入句进行查询,以找到最相似的问题。

离线开发好帮手

可以看出,这个codequestion工具的优势在于灵活的搜索匹配问题,并且能够根据问题回答的质量优先推选好的回答。

这一点是类似工具使用关键词匹配搜索答案无法比拟的。

目前codequestion的局限在于只支持Stack Exchange中的问题,但是,作者承诺后期会加入更多的库。

写代码、搜问题,全部都在「终端」完成!如此编程神器,是时候入手了

不少网友都反应,这个工具十分实用,尤其是它支持本地库中的问答机制,对于有离线开发需求的码农来说,帮助颇巨。

怎么样?如果这个工具对你有用,那就赶快上手操作吧~

参考链接&传送门:

Github地址:

https://github.com/neuml/codequestion

C++ Build Tools安装地址:

https://visualstudio.microsoft.com/visual-cpp-build-tools/

量子位之前介绍过的Linux命令行查询工具:

https://mp.weixin.qq.com/s/5vfQRsAZ4zEKOJnUNT8Ebg

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。

好课推荐 | 0基础学Python

《动手学Python》课程由上海交大博士教研团队研发,在线学习平台由上海交大AI实验室技术支持,旷视、文远知行、图森未来、来也科技等知名AI企业CEO/CTO力荐

0基础可入门,限时开放体验课!扫码即刻开启Python学习之旅:

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~

标签:终端问题模型工具量子位神器时候命令数据代码httpspipStack


欢迎 发表评论:

智能科技排行
欢迎访问秦皇岛素然网络科技有限公司
网站分类
最近发表
标签列表