Refact: ein KI-Agent, der versucht, den gesamten Softwareentwicklungsprozess zu integrieren

In der heutigen Welt der Softwareentwicklung ist ein Programm namens Refact Der Open-Source-Agent für KI-Entwicklung erregt Aufmerksamkeit. Er ist mehr als nur ein Tool zur Vervollständigung des Codes und soll den gesamten Lebenszyklus der Softwareentwicklung abdecken, vom Verstehen der Anforderungen bis zur endgültigen Bereitstellung. Bemerkenswert.Refact Sie war die erste Organisation, die das SWE-bench KI-Entwicklungsagent für Tests.SWE-bench ist ein Benchmark-Test zur Bewertung der Problemlösungsfähigkeiten großer Sprachmodelle bei realen Softwareentwicklungsaufgaben, wobei das Bestehen des Tests bedeutet, dass sie zuverlässig in der Lage sind, reale Entwicklungsprobleme zu bewältigen.

Kernfunktionen und Architektur

Refact Die Fähigkeiten beruhen auf vier Hauptmerkmalen:

1. Full Process Agentur: Sie kann direkt mit dem GitHubundDocker im Gesang antworten PostgreSQL und andere Entwicklungs-Toolchains zusammenwirken. Dies bedeutet, dass eine Reihe von Aufgaben wie das Schreiben von Code, die Konfiguration der Umgebung, die Migration von Datenbanken usw. automatisiert werden können, indem mehrere Schritte, die früher manuell durchgeführt werden mussten, miteinander verbunden werden.
2. kontextabhängig: Das Tool ist auf der Grundlage der Qwen2.5-Coder-1.5B Retrieval Augmentation Generation (RAG) Technologie für Modelle. Durch das Durchsuchen der lokalen Codebasis und der zugehörigen technischen Dokumentation liefert sie einen Code, der besser zu den bestehenden Spezifikationen und der Geschäftslogik des Projekts passt, was nach offiziellen Angaben zu einer Verbesserung der Abschlussgenauigkeit um 67% führt.
3. Unterstützung mehrerer Modelle::Refact Die Architektur ist offen. Neben der nativen Unterstützung für Claude 3.5 Sonnet im Gesang antworten GPT-4o Zusätzlich zu diesen Modellen ermöglicht es den Nutzern den Zugang und den Wechsel zu den GeminiundDeepseek oder andere große Sprachmodelle von Drittanbietern. Dieses Model-as-a-Service (MaaS)-Design bietet Unternehmen die Flexibilität, das optimale Modell auf der Grundlage von Kosten- und Leistungsanforderungen dynamisch auszuwählen.
4. Privater Einsatz: für Organisationen mit hohen Anforderungen an die Datensicherheit und den Schutz von Codes.Refact Eine selbst gehostete Bereitstellungsoption ist verfügbar. Dies bedeutet, dass alle Daten und KI-Berechnungen auf den eigenen Servern eines Unternehmens ausgeführt werden können, wodurch es die vollständige Kontrolle über die Datenhoheit erhält, was besonders für stark regulierte Branchen wie das Finanz- und Gesundheitswesen wichtig ist.

Was die Systemarchitektur betrifft, so ist dasRefact Zugriff auf über 20 Entwickler-Tools über die Tool-Anpassungsschicht, einschließlich gängiger Projektmanagement-Tools Jira und Werkzeuge zur kontinuierlichen Integration Jenkinsund bildet ein relativ vollständiges Entwicklungsökosystem. Die Kontextengine und das Sicherheitssystem gewährleisten die Qualität des generierten Codes und die betriebliche Konformität.

Demonstration von praktischen Anwendungsszenarien

Refact Der Wert liegt in der Effizienz bei der Lösung der täglichen Entwicklungsaufgaben.

Szenario 1: Schnelle Implementierung eines API-Prototyps

Die Entwickler müssen keinen Beispielcode mehr von Grund auf schreiben. Wenn beispielsweise eine API für das Durchblättern von Benutzerdaten benötigt wird, müssen die Entwickler nur einen einfachen Befehl in natürlicher Sprache bereitstellen:

"Entwurf von Paging-Abfragen auf der Grundlage von Feldern der Benutzertabelle RESTful API"

Refact Der Arbeitsablauf ist wie folgt:

1. Analyse der vorhandenen Benutzertabellen in der Datenbank schema.
2. Generierung eines Anpassungstechnologie-Stacks (z. B. Flask vielleicht Rust) des Backend-Codes.
3. Automatisch für die Bereitstellung erstellt Dockerfile.
4. Rufen Sie die Model Inference Toolchain auf, um automatisch Container-Images zu erstellen und Unit-Tests zu generieren.

Dieser Prozess kann die Arbeitsstunden in der traditionellen Entwicklung auf ein Minimum reduzieren.

Szenario 2: Unterstützte Rekonfiguration von Altsystemen

Angesichts der komplexen Aufgaben der Systemmigration.Refact kann ebenso hilfreich sein. Angenommen, es besteht die Notwendigkeit, eine alte Node.js Umstellung des Protokollierungssystems auf Python FastAPI Framework können Entwickler die folgenden Anweisungen ausführen:

# 指令：将 Express 日志中间件重构为 ASGI 兼容的格式
refact suggest "Express -> ASGI middleware 重构"

Das System generiert nicht nur den Code der Interoperabilitätsschicht für die Kompatibilität mit den alten und neuen Systemen, sondern gibt auch zusätzliche Optimierungsempfehlungen, wie z. B. Lösungen für die thread-sichere Nachrüstung und Verbesserungen des Modells für die Ausnahmebehandlung.

Leitfaden für den schnellen Einsatz

Die Benutzer können je nach Bedarf zwischen einer schnellen Einzelplatzlösung oder einer Containerbereitstellung auf Unternehmensebene wählen.

Vorbereitung der Umwelt:

• etw. unterstützen CUDA 8.0+ (in Form eines Nominalausdrucks) NVIDIA Anzeigekarte (Computer)
• Docker Desktop-Umgebung (v24.0+)
• Python 3.8+ Betriebsumgebung

Schritte für die Bereitstellung:

Sie können eine der folgenden Methoden für die Bereitstellung wählen.

# 方式1：单机快速启动
# 安装基础组件
pip install .
# 初始化配置，设置默认语言模型（例如 GPT-4o）
refact config --init
# 方式2：企业级容器部署
docker pull smallcloudai/refact:latest
docker run -p 8008:8008 smallcloudai/refact:latest

Nach der Bereitstellung können Sie das Plugin in der IDE konfigurieren. Nehmen Sie VS Code Ein Beispiel:

1. Suchen und installieren Sie im Plugin-Markt Refact AI Assistant Plug-ins.
2. Geben Sie in der Plugin-Konfiguration die lokale Dienstadresse ein:http://127.0.0.1:8008.
3. Verwendung von Shortcuts Ctrl+Alt+R (oder Cmd+Alt+R) zum Abrufen der Refact Intelligentes Terminal.

Vergleich mit etablierten Tools

Oberbefehlshaber (Militär) Refact zusammen mit GitHub Copilot im Gesang antworten AWS CodeWhisperer Ein Vergleich der gängigen Tools zeigt einige Unterschiede in ihrer Designphilosophie.

Refact Das größte Unterscheidungsmerkmal ist seineOffenheitim Gesang antwortenKontrollierbarkeit. Die Unterstützung privater Implementierungen macht sie zu einer praktikablen Option für datenschutzsensible Unternehmen, da sie die Notwendigkeit von GitHub Copilot Die Grenzen des ausschließlichen Rückgriffs auf Cloud-basierte Dienste. Die geschätzten Kosteneinsparungen von etwa $3000 pro Jahr ergeben sich in erster Linie aus dem Wegfall der Kosten für den Erwerb von Jahreslizenzen für jeden Entwickler und stattdessen aus einer einmaligen Hardware-Investition und Wartungskosten. Dieses Modell ist für Unternehmen, die bereits über einige Rechenressourcen verfügen, kostengünstiger.