AI 辅助编程工具这条赛道越来越卷了。

新晋 AI 编程神器 Cursor，终于迎来了一次备受关注的版本更新，Cursor 0.43 来了。

新版本最大亮点之一是推出了 Composer Agent 功能，其具有完整的项目理解 / 编辑能力。

用户已经用上了 Composer 新引入的 Agent 模式，并让其解析整个文件。来源：https://www.reddit.com/r/cursor/comments/1gyq690/cursor_composer_agent_is_here/

网友表示：「带有 Cursor Agent 的 Cursor 0.43.3 太疯狂了。」

启用 Composer Agent 有两种方法：

1. 在 Composer 聊天窗口中启用

2. 在 Settings > Editor > Chat & Composer 中设置「Enable Tools」选项

图源：https://x.com/imrat/status/1860620192214081614

有网友迅速对 Composer Agent 展开了测试。

例如，有网友让 Composer Agent 读取项目文件：

还有网友尝试在一个小型 WordPress 插件上进行测试，目标是让插件更稳健、安全、可维护。

该插件包含 2 个文件夹中的 34 个文件，Composer Agent 很好地掌握了主要功能并选择了要审查的关键文件。然后，Composer Agent 继续审查文件并建议实施 4 项增强功能，更改了 2 个文件，并将一些关键视图移动到单独的文件中，创建新文件夹和新文件，最后还总结了所做的改变。大约做了 580 个更改，约占此插件中行数的 48%。

图源：https://x.com/imrat/status/1860620194726486344

除了 Composer Agent，Bug Finder 功能也是大家比较关注的， 目的是通过检测潜在的问题，帮助开发者尽早在开发过程中修复代码问题。

据了解，该功能会分析你当前分支和远程代码库中主分支之间的代码变更。官方建议是在将代码从功能分支合并到主分支之前使用此功能，以便在开发初期发现潜在问题。

目前，这一功能还处于 Beta 实验阶段 ，并且不是免费的，官方也说明了 Bug 检测仍处于试验阶段，可能无法发现代码中的所有问题，可能会损失用户金钱，却得不到任何有效漏洞，请自行承担使用风险，看来大家还是慎用此功能。

图源：https://x.com/imrat/status/1860620203744178687

此外，Cursor 0.43 还有几项改进，包括：

  • 语义搜索：使用户可以更轻松地使用几个字符找到所需的文件，和 VS Code 的搜索方式一致；

  • image drop；

  • File pill recommendations。

新版本上线后，用户们也是非常激动，都开始用起来了，但有些网友表示自己并没有更新成功，「下载页面只允许下载 setup x 0.42.5，运行 Cursor:Attempt Update，但没有成功。」

对此，官方回复是为了确保新版本的可靠性，他们正在分批推出，还不能更新的用户只能在等几天了。

除了 Cursor 的更新吸引眼球外，近日 Github 公布的一些数据证实，这些编程工具确实在改变开发者的工作体验。

真实测试 GitHub Copilot 到底多好用

GitHub Copilot 已经面世两年了，在此期间，该工具帮助开发人员将编码速度提高了 55%，借助 GitHub Copilot，85% 的开发人员对自己的代码更有信心，88% 的开发人员在使用 GitHub Copilot 时感觉更顺畅。

虽然 GitHub Copilot 一直在不断完善，但大家仍有一个疑问，使用 GitHub Copilot 编写的代码质量客观上是更好了还是更差了？

为了回答这个问题，GitHub 进行了一项随机对照试验。

在这项研究中，他们招募了 202 名拥有至少五年经验的开发者，并且将一半参与者随机分配到使用 GitHub Copilot 的组，而另一半被指示不要使用任何 AI 工具。所有参与者都被要求完成一个编程任务，为一个 Web 服务器编写 API 端点。随后，通过单元测试和由开发者组成的专家组评审对代码进行了评估。

结果显示，使用 GitHub Copilot 编写程序的那组人员代码质量显著提高了，并且功能性更强、可读性更强、可靠性更高、可维护性更强、更简洁。

GitHub Copilot 编写的代码功能更强大

如果代码无法正常工作，那么就不能说它是高质量的。因此，研究者通过分析代码通过了多少单元测试来衡量其功能性。

结果发现，使用 GitHub Copilot 编写的代码通过的测试显著更多（p=0.002）。事实上，在这项研究中，拥有 GitHub Copilot 访问权限的开发者通过全部 10 个单元测试的概率高出 56%（p=0.04）。

这意味着使用 GitHub Copilot 帮助开发者编写的代码在功能性上有着较大的优势。

使用 GitHub Copilot 编写的代码更容易阅读

在研究的第一阶段中，有 25 名开发者编写的代码通过了全部 10 个单元测试。这些开发者随机被分配去盲审匿名提交的代码，包括使用和未使用 GitHub Copilot 编写的代码。

审查者发现，GitHub Copilot 显著减少了代码错误：使用 GitHub Copilot 的开发者平均每 18.2 行代码出现一个代码错误，而未使用的情况下是每 16.0 行出现一个。这意味着使用 GitHub Copilot 的情况下，平均每个代码错误前可以多写 13.6% 的代码行（p=0.002）。这可以转化为实际的时间节省，因为每个代码错误都需要开发者进行处理。

此外，开发人员还发现使用 GitHub Copilot 编写的代码更易读、更可靠、更易于维护和更简洁。虽然这些差异很小，但它们具有统计意义，并且确实有助于改善代码库。

使用 GitHub Copilot 编写的代码更有可能获得批准

开发者更有可能批准使用 GitHub Copilot 编写的代码，概率高出 5%（p=0.014）。在实际场景中，这意味着使用 GitHub Copilot 的开发者编写的代码更容易达到合并的标准，从而加快修复漏洞或部署新功能的速度。

如今， AI 编码界不断推出新的工具，又不断的迭代更新，人人都是程序员的时代或许真的要到来了。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

  • 目标：了解AI大模型的基本概念、发展历程和核心原理。

  • 内容：

    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
    • L1.4.1 知识大模型
    • L1.4.2 生产大模型
    • L1.4.3 模型工程方法论
    • L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

  • 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

  • 内容：

    • L2.1 API接口
    • L2.1.1 OpenAI API接口
    • L2.1.2 Python接口接入
    • L2.1.3 BOT工具类框架
    • L2.1.4 代码示例
    • L2.2 Prompt框架
    • L2.3 流水线工程
    • L2.4 总结与展望

阶段3：AI大模型应用架构实践

  • 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

  • 内容：

    • L3.1 Agent模型框架
    • L3.2 MetaGPT
    • L3.3 ChatGLM
    • L3.4 LLAMA
    • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

  • 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

  • 内容：

    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

# 人工智能
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

大模型RAG从入门到精通（一）LLM 的能力和局限性，RAG（检索增强生成）

avatar 2048 AI社区

京东大模型一面：“如何解决大模型训练时的算术下溢 underflow？”

如何解决大模型训练时的算术下溢 underflow？

avatar 2048 AI社区
cover

GRPO微调Qwen2.5-coder：打造理解你时间表的AI工具人！

avatar 2048 AI社区