通义灵码上下文能力解析:自由组合需求描述,生成结果更高效

简介: 通义灵码提供智能会话能力,支持智能问答、文件编辑和智能体三种模式,帮助开发者解决编码问题,进行代码修复、调试及运行错误排查。它具备多文件修改、自主决策等能力,可端到端完成编码任务。在智能会话中,支持丰富的上下文(如代码文件、目录、图片、Git Commit 等),并允许用户自由组合提示词与上下文。插件可通过链接下载。此外,还支持多种上下文类型(#file、#folder、#image 等),便于开发者精准表达需求。

通义灵码提供了智能会话的能力,支持智能问答、文件编辑、智能体三种模式,不仅可以为开发者解决编码过程中遇到的研发问题,协助开发者进行代码问题修复、调试或运行错误的排查等。同时,还具备多文件修改、自主决策、环境感知、工具使用等能力,端到端地完成编码任务。

通义灵码在智能会话中支持丰富的上下文,如代码文件、目录、图片、gitCommit 等,并提供上下文和用户输入提示词自由组装能力,开发者可以自由组合进行诉求描述。

插件下载:https://lingma.aliyun.com/download


添加上下文


在智能会话中,可以通过 3 种方式添加上下文:


  1. 输入框中单击添加上下文按钮,即可触发上下文选择窗口;
  2. 输入框输入 # ,即可触发上下文选择窗口,继续输入时可进行文件检索;
  3. 对于代码文件、图片,可拖拽或复制粘贴,将对应内容添加为上下文(仅 JetBrains IDEs)。


其次,对于 #file#folder#gitCommit#teamDocs,选择对应类型后,可进行具体内容的检索和选择,并针对该类内容支持多选操作。


最后,如果您使用的是 JetBrains IDEs,还可以将添加的上下文(标签)拖拽到输入的自然语言描述当中,方便进行输入组合。



支持的上下文类型


通义灵码提供多种上下文选择,上下文之间可以进行互相组合,也可以和用户输入结合在一起形成完整的需求表达。

上下文类型支持:file、folder、image、codebase、teamDocs、codeChanges、gitCommit,下面将逐一介绍。


#file


当需要对某个文件或多个文件进行提问、修改时,可以在输入框中输入 #file 进行代码文件选择,文件列表支持通过鼠标多选文件。同时,当您使用的是 JetBrains IDEs 时,可通过拖拽或复制粘贴的方式,将代码文件添加为上下文。

添加文件作为上下文时,有两个提示:


  • 选择一个代码文件后,将自动推荐与此文件相关的文件,可以直接单击文件名确认添加;
  • 当需要在诉求描述中强调文件时,可将通过输入 # 的方式进行文件选择;



#folder


当需要针对某个代码模块进行提问或修改时,如检索、重构、注释、生成单测等批量场景,可以选择所需的工程目录。



#image


当需要结合图片生成代码、问题修复、或进行图形化表达时,可在触发上下文选择后,单击 #image 进行图片添加,或者直接复制/截图后,粘贴图片进行添加。比如,结合设计图进行前端页面生成。



#codebase


当需要对当前工程进行提问、检索、修改时,可添加 #codebase 作为上下文,通义灵码将根据您的诉求描述,主动在本地工程文件中检索相关上下文,以便更精准的回答问题。比如,可以使用 #codebase 在工程中查找某个方法实现。

说明 @workspace 工程问答功能,升级为使用 #codebase 进行工程问答。



#codeChanges


当需要对当前 Git 暂存区中的代码变更内容进行提问、检索、修改时,可添加 #codeChanges 作为上下文进行提问。比如,可以在正式推送 Git 仓库前,将变更内容交由灵码进行代码评审、优化、补充单元测试等。



#gitCommit


当需要针对已提交的某次 Git Commit 代码变更内容进行提问时,可通过 #gitCommit 添加您所需要的提交信息。比如,可以任意选择一个或多个 Git Commit 记录进行问题排查、缺陷修复、单元测试生成等任务。



#teamDocs


当需要结合企业内知识库进行问答或代码生成时,可通过 #teamDocs 添加您所需要的企业知识库,通义灵码将自动进行知识检索,作为与模型交互的参考信息。比如使用团队自研组件规范进行代码生成。


相关文章
|
7月前
|
人工智能 前端开发 机器人
10+热门 AI Agent 框架深度解析:谁更适合你的项目?
选型Agent框架不等于追热门!要选真正能跑得稳、适配团队能力与业务需求的框架。架构选错,轻则性能差,重则项目难推进。本文详解10大热门框架对比、5大新兴框架推荐及四步选型法,助你高效落地AI应用。
|
5月前
|
存储 人工智能 NoSQL
用Context Offloading解决AI Agent上下文污染,提升推理准确性
上下文工程是将AI所需信息(如指令、数据、工具等)动态整合到模型输入中,以提升其表现。本文探讨了“上下文污染”问题,并提出“上下文卸载”策略,通过LangGraph实现,有效缓解长文本处理中的信息干扰与模型幻觉,提升AI代理的决策准确性与稳定性。
657 2
用Context Offloading解决AI Agent上下文污染,提升推理准确性
|
5月前
|
机器学习/深度学习 人工智能 数据安全/隐私保护
阿里云 Qwen3 全栈 AI 模型:技术解析、开发者实操指南与 100 万企业落地案例
阿里云发布Qwen3全栈AI体系,推出Qwen3-Max、Qwen3-Next等七大模型,性能全球领先,开源生态超6亿次下载。支持百万级上下文、多模态理解,训练成本降90%,助力企业高效落地AI。覆盖制造、金融、创作等场景,提供无代码与代码级开发工具,共建超级AI云生态。
1233 6
|
4月前
|
存储 人工智能 OLAP
AI Agent越用越笨?阿里云AnalyticDB「AI上下文工程」一招破解!
AI上下文工程是优化大模型交互的系统化框架,通过管理指令、记忆、知识库等上下文要素,解决信息缺失、长度溢出与上下文失效等问题。依托AnalyticDB等技术,实现上下文的采集、存储、组装与调度,提升AI Agent的准确性与协同效率,助力企业构建高效、稳定的智能应用。
|
4月前
|
存储 缓存 算法
淘宝买家秀 API 深度开发:多模态内容解析与合规推荐技术拆解
本文详解淘宝买家秀接口(taobao.reviews.get)的合规调用、数据标准化与智能推荐全链路方案。涵盖权限申请、多模态数据清洗、情感分析、混合推荐模型及缓存优化,助力开发者提升审核效率60%、商品转化率增长28%,实现UGC数据高效变现。
|
5月前
|
人工智能 自然语言处理 算法
现代AI工具深度解析:从GPT到多模态的技术革命与实战应用
蒋星熠Jaxonic,AI技术探索者,深耕代码生成、多模态AI与提示词工程。分享AI工具架构、实战应用与优化策略,助力开发者提升效率,共赴智能编程新纪元。

热门文章

最新文章