使用Raccoon AI写代码，同事又来围观

有些搞开发的吐槽工作忙，我想很大可能是没利用好轮子和AI工具，总是自己瞎写耽误时间。

不知道大家发现没有，其实软件开发过程中很多都是引用轮子和组件，如果你非常熟悉Github上的开源代码，它们可能会覆盖你80%以上的开发工作，也就是说你无需自己写很多代码，只要会装轮子，也能出色地完成工作。

不光是软件开发，网站开发、机器学习、数据科学、网络爬虫等各种编程场景都是如此，你需要写的代码并不多，前人早已经帮你写好了，而且写的可能比你出色很多。

由于生成式AI的出现，编程成为最大的受益者之一，类似于Github copilot这类AI编程模型就可以帮你找轮子，自动完成代码的编写，你能获取代码建议，构建、调试和测试应用程序，编程效率会指数级的提升。

最近看到国内有一款类似的产品-代码小浣熊Raccoon，它是商汤开发的AI编程工具，你可以在VSCode上安装其插件，和其他VScode插件一样，用起来很方便。

用了几周下来，我觉得Raccoon主要有两大核心功能，首先是代码补全这种主流的AI辅助编程功能，当你在编写Python或其它代码时，Raccoon会自动提示代码补全，省得你再手动写一大串代码。

比如我想使用Python sklearn库写一个线性回归预测模型，Raccoon能直接根据已有代码补全模型代码。

其次是对话自动生成代码功能，你直接提问"Python如何生成Excel文件"等问题，它会给出代码建议，就像在ChatGPT聊天问答一样。

这种功能非常实用，可能你只知道自己想要什么，完全不懂怎么代码实现，Raccoon的代码问答功能就能直接根据你的描述来生成建议和代码。

其他Raccoon能实现的功能还有代码纠错（纠正语法错误），代码翻译（比如把Python代码翻译为JS）、代码解释（解释代码是干嘛的）、代码重构（调整代码结构）等等，总得来说Raccoon在AI编程上是功能比较完善的。

Raccoon可不仅仅支持Python，它还支持Java、JS、C++、SQL等几十种编程语言，基本做到了主流语言全覆盖。

而且你不光可以在VSCode上使用Raccoon，像IntelliJ IDEA、Jetbrains Pycharm等各种主流的IDE编辑器也都支持Raccoon。

我觉得Raccoon等AI编程工具的出现会极大地改变现在的开发方式，超过80%的代码工作都可以交给AI，程序员以后可能更多的是思考怎么进行优化创新，以及如何利用好AI。

在vscode上使用代码小浣熊Raccoon

可能有不少人还不知道如何使用VsCode的插件功能，这里简单介绍下如何在VsCode上安装和使用Raccoon，大致分为三个步骤：

1、安装Raccoon插件

你可以在VsCode插件库搜索“Raccoon”，会出来Raccoon插件，点击安装即可，安装好后会出现Raccoon的介绍和使用说明，可以大致看下。

安装好后，会在Vscode侧栏出现Raccoon的图标，也就是它的功能区。

3、在代码区使用Raccoon

以代码补全为例，你可以先在VsCode上建个Py文件，然后写Python代码，按下热键 Alt + /，Raccoon就会为你提供代码建议。

如下是在python连接oracle数据时，Raccoon补全的代码

接下来，我们使用Python sklearn库在Raccoon的帮助下来实现景区客流预测，完整代码如下：

import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.tsa import ARIMA from sklearn.metrics import mean_squared_error # 生成模拟数据  np.random.seed(0) days = pd.date_range(start='1/1/2020', periods=365, freq='D') series = np.random.randn(len(days)).cumsum() + 20 series = series + np.random.randn(len(days)) * 10 # 添加一些噪声  series = series.reindex(days) series = series.interpolate() # 填充缺失值  # 转换数据为适合的时间序列格式  data = pd.DataFrame({ 
   'visitors': series}) data['date'] = data['date'].apply(lambda x: x.strftime('%Y-%m-%d')) data = data.set_index('date') # 分割数据为训练集和测试集  train, test = train_test_split(data['visitors'], test_size=100) train = train.dropna() test = test.dropna() # 使用ARIMA模型进行预测  model = ARIMA(train, order=(5,1,0)) # 选择ARIMA模型的参数  model_fit = model.fit(disp=0) # 预测未来一个月的客流  forecasted_data = model_fit.forecast(steps=30) # steps=30预测未来30天的数据  mse = mean_squared_error(test[-30:], forecasted_data[0]) # 计算预测误差  print(f"Mean Squared Error: { 
     mse}")

以下是Raccoon在进行时间序列建模过程提供的代码，能准确的提供模型训练、误差检测等建议。

你也可以直接向Raccoon进行提问：生成一段Python，使用sklearn实现未来一个月的景区客流预测，请自己生成数据。

连续按两次Ctrl键，即可唤醒侧边栏的代码助手，输入prompt即可

显示结果如下

Raccoon会根据你的需求生成一段完整Python sklearn客流预测代码，你只需要稍作修改便可以作为自己的项目代码。

代码小浣熊Raccoon功能清单

前面演示了如何在Raccoon上进行代码补全和对话生成代码，以下列举下Raccoon各项功能的使用场景和特点，方便对号入坐去使用。

（4）代码翻译
复制代码后激活（需选择翻译），如果你使用多种编程语言，该功能会非常实用，直接在多语言间进行代码转换。

总结

在AI快速发展的今天，AI辅助编程或者自主编程必然会成为大势所趋，像Raccoon这样的AI编程工具已经可以解决大部分编程问题，我们应该好好利用，积极拥抱。

到此这篇使用Raccoon AI写代码，同事又来围观的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！

上一篇：中英双语介绍英国（The United Kingdom）以及Great Britain为什么翻译成大不列颠？

下一篇：如何AI写脚本？一键生成，让视频脚本创作更简单！

版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/rgzn-aibigd/10322.html

在vscode上使用代码小浣熊Raccoon

代码小浣熊Raccoon功能清单

总结

相关文章：