Cody for VS Code 1.72.0版本发布:智能编程助手迎来重大升级
Cody是Sourcegraph推出的AI编程助手,深度集成在VS Code等主流开发环境中。作为一款智能编程工具,Cody能够理解代码上下文、自动补全代码、回答技术问题,并协助开发者完成各种编码任务。最新发布的1.72.0版本带来了多项重要改进,显著提升了开发者的编程体验。
上下文管理能力增强
新版本最引人注目的改进之一是上下文管理能力的提升。开发者现在可以直接通过VS Code的文件资源管理器添加上下文,这一直观的操作方式大大简化了工作流程。当在Prompt Editor中点击上下文项时,系统会自动聚焦到相关文件范围,这种智能聚焦机制让开发者能够更高效地处理代码片段。
动态交互式聊天功能
聊天功能作为Cody的核心特性之一,在1.72.0版本中得到了显著增强。新增的标签支持为聊天消息带来了更丰富的交互维度,使得AI助手能够展示更复杂的思考过程。这种改进不仅提升了对话的自然度,也让开发者能够更清晰地理解AI的推理逻辑。
代码生成与优化
在代码生成方面,新版本优化了提交信息生成功能,通过改进模型选择算法,生成的提交信息更加准确和有用。Smart Apply功能也获得了增强,特别是对Markdown格式的处理更加智能,能够更好地保持代码结构和格式的完整性。
系统稳定性与诊断能力
1.72.0版本在系统层面进行了多项改进。新增的客户端平台和代理版本信息追踪功能,为系统诊断提供了更全面的数据支持。这些改进不仅有助于开发者排查问题,也为后续版本优化提供了宝贵的数据参考。
用户体验优化
针对不同硬件环境,新版本特别优化了低DPI屏幕上的图像显示问题,确保在各种设备上都能获得清晰的视觉体验。同时修复了代码搜索下载问题,提升了大型代码库的处理能力。
总结
Cody for VS Code 1.72.0版本通过增强上下文管理、改进聊天交互、优化代码生成能力和提升系统稳定性,为开发者带来了更加强大和可靠的AI编程助手体验。这些改进不仅提高了开发效率,也使得人机协作更加自然流畅。随着AI编程助手技术的不断发展,Cody正在成为现代开发者不可或缺的智能伙伴。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00