是否有人优先考虑通过小型本地模型进行代码质量检查?
摘要
本文讨论了使用小型本地语言模型持续检查代码质量并强制执行编码标准的想法,旨在保持代码库的清洁和安全,而无需依赖云LLM。
抱歉,如果标题让人困惑。我想说的是,由于编码代理可以非常快速地编写大量代码,如果不经常检查,随着时间的推移代码可能会变得杂乱。难道不应该有一个小型本地模型,配有一个描述编码标准的 TESTING.md 或 QUALITY.md 文件,并且该模型经过专门训练,以确保代码安全、可靠、高质量、可维护等?我提到本地模型是因为,对于大型代码库,频繁检查质量时发送到云LLM可能成本高昂。我不是专家,也许已经有类似的工具存在。我不是在谈论 Code Rabbit 或其他类似工具。这是纯本地运行的,并且经过专门训练,能将意大利面条式代码转化为干净、可读且安全的代码。
相似文章
使小型本地模型在编码任务中真正实用
作者创建了一个名为 Local Coding Agent 的开源混合工具,通过使用云模型进行规划,本地模型进行隔离执行,使得小型本地模型能在消费级 GPU 上有效处理编码任务,并包含错误处理和测试功能。
本地LLM实战测试:代码生成、质量与速度权衡
作者构建了一个基准测试框架,用于评估本地LLM在自动生成Go代码方面的能力,重点聚焦SIEM流水线的日志解析器生成,并发布了对比质量与速度的测试结果。
LocalLLaMA 众包编程数据集
一位社区成员提议为本地大语言模型创建一个众包编程数据集,以实现协作模型训练和微调,并回应了关于未来开源权重模型可用性的担忧。
本地编码智能体现在不错,但得盯着用
作者认为本地编码智能体对小型任务很有用,但需要持续监督以防止错误和范围蔓延,描述了小修复、测试和手动差异检查的迭代工作流程。
专注打磨,推动本地模型
本文批评了当前用于编程助手的本地AI模型现状,认为虽然可运行性有所改善,但由于缺少工具参数流式传输等功能以及推理引擎间的过度碎片化,用户体验大打折扣,远不如使用托管API那般精致。