今年9月份通义就放出要把“通义灵码”升级为“通义AI程序员”的消息了，但是直到昨天才算全面上线。
这不立马试一下？
官网链接：lingma.aliyun.com/lingma/aide…
前置准备
本文使用VS Code进行测试。
安装
直接在 官网安装教程 点击安装。
自动安装完成，超级简单。
配置
安装后会出现在左侧“主侧栏”。
可以看到顶部分为“智能问答”和“AI 程序员”，其中“智能问答”就是原来的通义灵码，我们切换到“AI程序员”。
使用Cursor习惯了，将“AI程序员”移动到右侧。
现在看着顺眼多了。
废话不多说，直接使用之前测试Cursor的场景再来一遍。
实战才有价值嘛~
实战测试
需求：基于Streamlit实现一个类似ChatGPT的应用，后端使用书生大模型InternLM API。
多文件代码修改（生成）
打开一个空白文件夹后开始第一步，根据需求生成。
提示词：
基于Streamlit实现一个类似ChatGPT的应用，后端使用书生大模型InternLM API。
InternLM API文档地址：https://internlm.intern-ai.org.cn/api/document
执行结果：
如图，我框选了几个地方。
- 中间顶部：是针对变更一个个处理的工具栏，从左到右分别是：接受、拒绝、上一个文件、下一个文件、上一个更改、下一个更改以及原始工具图标。
- 右侧中部：可以看到每个文件的具体应用状态，这个地方比Cursor的对号明显一些。
- 右下角：工作区域，明显可以看出是多文件生成，可以直接针对整个生成“查看”、“拒绝”、“接受“。
对比：
- 从多文件代码生成角度，与Cursor的体验类似，但是生成结果不如Cursor+Claude好。比如，这个场景下，“AI程序员”竟然不知道我没有设置Python环境（已添加codebase），最后是我提醒他帮我设置Python环境的。
- 界面上，我倒是感觉“AI程序员”比Cursor更友好，可能确实存在国产更适合我的原因。
终端命令
接上一步，我提醒它需要先配置Python环境。
提示词：
是否应该先配置Python环境？
执行结果：
它知道，但它不告诉我。
然后就是答案中出现命令时，无法直接执行。
分别是：插入、复制、新建文件。
对比：
- 从最根本上，它不知道自动帮我设置Python环境，这一点是没得洗的。
- 不具备直接执行终端命令的能力，只能复制到终端中手动执行。
变更对比
我的书生浦语Key在环境变量中，需要修改config.py实现读取赋值。
提示词：
修改config.py，实现读取书生大模型的Key。
执行结果：
对比：
- 这个效果差不多，没有特别差异的地方。
调试bug
运行，出现错误，正好验证下截图调整Bug的能力。
提示词：
（上传截图）
修复
执行结果：
按照建议，重新设置Python虚拟环境后可以运行成功了。
对比：
- 识别效果还可以，给出的建议也是比较合理的。虽然，这个错误我感觉是它给我造成的。
- 顺道发现了另一个可以改进的地方：假如我这次输入的提示词不是很合适，目前是没法直接修改提示词重新生成的，Cursor中是直接替换掉错误的那次生成，整个与AI交互的记录更加直观、通顺。
自动补全
尝试下编码的自动补全如何吧。
标题下增加一段说明：
回车后直接出现，有联系上下文的意思，不错不错。
改变量名：
把session_state中的messages改为messageList。
对比：
- 普通的联系上下文生成、补全，包括对streamlit API的支持，都还是不错的。
- 更改变量名功能还需要优化，Cursor修改变量名后，同文件变量名直接通过一次Tab跳转到行，二次Tab更新变量名。要知道Cursor可是因此创造了“Tab程序员”的说法。
其它
代码审查：
添加上下文的地方有个选项是“codeChange”，这不天然适合Review代码，试一下。
看了下，改进建议中规中矩。
不过，这个用法倒是很舒服，可以很好的再提交代码前检查一下，并且，也可以帮助生成commit message。
快照：
另外一个官网提到的特性是“快照”。
这个我感觉算是比较有用的一个创新了，它每个快照大体对应一次提示词，可以方便的根据你的命令管理代码版本。
总结
今天就先到这里吧，整体体验比我预想的差了不少。原本期待国内也能推出一款足以挑战Cursor的智能代码助手，但现在看来，这一目标依旧任重道远。
本来我的初衷是想为“AI程序员”宣传宣传的（虽然力量有限），然而经过今天的尝试后，我好像更适合汇总一些改进意见。明天向官方反馈下去，也算贡献力量了。
我会持续关注“AI程序员”的动态，真心希望通义能够实现对Cursor的赶超。如果将来有重要的进展或者变化，我也会再次和大家分享，谢谢啦。
