以往的AI代码助手，往往上下文支持局限在单个文件里，缺少对整个项目的上下文联系，因此应用场景大大受限，毕竟稍微大型一点的项目都不可能只用一个文件的代码就能完成。因此如果能对多个文件进行关联和分析，给出AI建议，将能把AI代码助手的能力大大放大。
举几个之前使用AI代码助手的别扭的例子：
- 引用多个文件的代码。
以前写代码，如果要引用一些方法，用AI的话只能识别到当前文件里的方法，外部的方法只能先拷贝进来才能识别到，非常的局限。而在大型的项目中，一个功能里可能使用到了非常多的依赖方法，如果能识别到整个仓库的方法，拿写代码将会非常轻松，因为所有方法都纳入到了上下文中。
- 代码阅读
以前代码阅读只能局限在一段代码，如果想从一整个项目中快速理解一个接口的全链路功能，还是只能自己一点点阅读，顶多对某段比较复杂的代码先让AI读一遍。
这次豆包升级之后，能够以仓库范围来分析代码，可以说就很好地解决了上述两个痛点。
我们可以看看效果
- 写代码
这次测试用的是github.com/tjfoc/gmsm 这个仓库里的加密算法。其中我提问的两个方法分别存在两个文件中，而我在提问的时候只需要引入workspace即可，不需要告诉他方法具体在什么位置，可以说是非常的方便了。
- 代码阅读
这里展示的是一个链式调用的理解，TestSM4和Sm4Ecb也是分别在两个文件中，TestSM4里调用了Sm4Ecb方法。通过引用workspace能够直接将这两个文件都引入到上下文中，豆包能自动串起来，非常方便。
总体来看这次豆包的更新还是非常跨越性的，将原来的上下文从一个文件提升到了整个仓库。
#豆包MarsCode上新workspace#
