#代码生成

BigCode评估工具集:一个用于自回归代码生成语言模型评估的强大框架

3 个月前
Cover of BigCode评估工具集:一个用于自回归代码生成语言模型评估的强大框架

BigCodeBench: 一个评估大型语言模型代码生成能力的基准测试

3 个月前
Cover of BigCodeBench: 一个评估大型语言模型代码生成能力的基准测试

Guidance: 掌控大型语言模型的先进工具

3 个月前
Cover of Guidance: 掌控大型语言模型的先进工具

DS-1000: 一个自然可靠的数据科学代码生成基准

3 个月前
Cover of DS-1000: 一个自然可靠的数据科学代码生成基准

AI驱动的开发工具大全:提升开发效率的必备利器

3 个月前
Cover of AI驱动的开发工具大全:提升开发效率的必备利器

OpenCodeInterpreter:整合代码生成、执行和优化的开源系统

3 个月前
Cover of OpenCodeInterpreter:整合代码生成、执行和优化的开源系统

Screenshot-to-code:AI 赋能的设计到代码转换利器

3 个月前
Cover of Screenshot-to-code:AI 赋能的设计到代码转换利器

CodeGeeX4: 开源多语言代码生成模型的新突破

3 个月前
Cover of CodeGeeX4: 开源多语言代码生成模型的新突破

AI 驱动的开发者工具大全:提升编程效率的利器

3 个月前
Cover of AI 驱动的开发者工具大全:提升编程效率的利器

OpenCodeInterpreter: 融合代码生成与执行反馈的开源系统

3 个月前
Cover of OpenCodeInterpreter: 融合代码生成与执行反馈的开源系统
相关项目
Project Cover

plandex

Plandex是一个终端AI助手,帮助开发者高效完成跨文件和多步骤的复杂任务。支持OpenAI等多种模型,允许在沙盒环境中进行代码审查和管理。支持多平台,简化项目管理、测试编写、错误修复和功能开发。

Project Cover

adrenaline

Adrenaline是一款AI工具,专注解答技术问题,包括编程概念、GitHub库、文档网站和代码片段。用户可以提交问题反馈Bug或提出功能需求,帮助Adrenaline改进。Adrenaline能通过互联网搜索信息,多步推理解决复杂问题,并生成图表帮助解释。访问Adrenaline网站,开始使用吧。

Project Cover

llm-scraper

LLM Scraper 是一个 TypeScript 库,使用 LLM 从网页提取结构化数据。支持本地和多种 AI 提供商,提供代码生成功能,基于 Playwright 框架,支持四种格式模式。使用 Zod 定义模式,确保全面的类型安全性。适用于需要高效数据提取和代码生成的开发者。

Project Cover

micro-agent

一个专注于代码生成和修复的AI工具,通过自动生成测试用例并迭代代码,确保所有测试通过。支持OpenAI和Anthropic API集成,提供视觉匹配和Figma集成功能,为开发者提供高效和精确的代码编写体验。

Project Cover

nextpy

Nextpy是一个优化AI代码生成的框架,具有强大的提示引擎和模块化设计。它允许用户定义AI系统的边界,通过编译时处理和会话状态维护,显著提高生成效率。Nextpy支持多平台运行,兼容开源模型,并内置语法错误检测功能。开发者可以通过Nextpy提升Python开发技能。

Project Cover

gpt-pilot

GPT Pilot不仅能生成代码,更能构建智能应用。该项目由Pythagora推出,旨在研究大型语言模型(LLM)在生成完整、适用于生产环境的应用程序方面的应用潜力。开发者可以通过VS Code扩展或命令行工具轻松开始使用GPT Pilot,它能够协助编写功能、调试,并与开发者交流问题。了解更多信息,请访问Pythagora的官方博客。

Project Cover

Amazon Q Developer

Amazon Q Developer通过高级生成式AI技术,提供即时代码建议,支持代码自动化及转换,同时允许连接私有库以定制化代码生成,加速新技术的学习和解决方案架构。

Project Cover

GitLab Duo

GitLab Duo是一个集成AI的软件开发平台,专注提高市场部署速度和代码安全。通过AI透明度和实时监管,它能显著提高开发流程的效率,优化代码生成与安全监控,确保企业数据的安全及隐私。

Project Cover

pix2code

本项目演示了使用深度学习技术从单个界面截图生成代码,适用于iOS、Android和网页平台,生成准确率超过77%。系统虽然具有实验性和教育目的,但提供了未来机器智能研究的重要数据和源码支持。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号