現在開發者所書寫的代碼，大多都已被重復使用多次。即便如此，他們依然要被復雜、繁復的代碼邏輯占去大量時間，未能把更多的時間和精力真正的投入到富有創造性的勞動當中。近日，一款智能編程機器人aiXcoder——這是一款人工智能輔助軟件，可以將人工智能與軟件開發連接起來，利用人工智能技術輔助開發者自動進行程序編寫。

在aiXcoder的輔助下，程序員將擺脫過去逐字逐句的編程模式。以代碼自動補全功能為例，它能夠自動預測程序員的編程意圖，為開發者推薦出的代碼補更長、更準確，從而程序員在編寫過程中可以通過“一鍵選擇”的方式，直接補全代碼。不僅如此，經過訓練的aiXcoder還能根據程序員使用習慣，對頻繁使用的成員、方法進行智能排序，從而大大提高代碼的編寫效率。

而且，aiXcoder還能在程序編寫的過程中，通過智能的搜索并推薦與當前功能代碼相似的程序，開闊了程序員的思維，為程序員提供了有力的參考。采訪過程中，郝逸洋親自演示了aiXcoder的使用過程，當他在編寫程序時，aiXcoder自動預測并迅速給出了提示，幾乎整一句代碼都能通過aiXcoder的自動補全技術實現正確編寫，按照這種方式，一個程序在短時間內就能輕松完成。

正是這樣一個aiXcoder智能編程機器人，能將編程開發人員的效率和質量提上去，同時能把人從那些復雜的、繁復的代碼邏輯中解脫出來。aiXcoder就像一個時刻陪伴程序員工作的“伙伴”，與程序員一起編寫代碼，幫助程序員查缺補漏。

aiXcoder 采用了專門應用于程序分析與生成的特定深度神經網絡模型，其原理是用深度神經網絡構造起一個龐大的深度神經網絡體系，然后基于GitHub和Stackoverflow等優質平臺上的開源代碼數據集加以訓練，最后針對不同的任務、對引擎大腦進行特別訓練，以插件的形式整合在常用的IDE中。

aiXcoder的原生技術來源于北京大學高可信軟件技術教育部重點實驗室，首席科學家李戈是北京大學信息科學技術學院軟件研究所的副教授，2013年，他曾到斯坦福大學AI實驗室中的吳恩達團隊下，以訪問學者的身份進行合作研究。在此期間，李戈提出了利用深度神經網絡進行程序分析和生成的想法。對于這個想法，曾有Stanford教授提出自己的疑惑：“計算機知道程序的一切，它可以編譯、可以run（運行），你為什么還要分析他？”

當前，aiXcoder采用“云服務”的運行模式，它的深度學習引擎部署在云服務器中，就如同一個云端的“編程大腦”，開發者只需要下載一個客戶端插件，這其中涵蓋了IntelliJ、Eclipse、VS-Code等主流集成開發環境，支持當下各種主流的開發語言，如Python、Java、C++等。郝逸洋表示，aiXcoder將于近期推出PHP和JavaScript語言等前端開發語言的支持。

在此基礎上，開發者們只需選擇相應的插件即可實現與“云端AI服務”的對接，隨時隨地使用自己的“編程大腦”，不需要更繁瑣操作流程。aiXcoder主要面向企業用戶提供智能編程服務，對于企業用戶，aiXcoder提供了定制化的專屬服務，以“企業私有云”的方式部署在企業中，利用企業自己的代碼對深度學習引擎進行訓練，使aiXcoder學習到企業代碼中的隱含邏輯和知識，從而為企業中的開發者提供貼身的編程輔助。

同時，配合aiXcoder的企業開發者服務模式，推出了“aiXmanager開發質效提升”一體化解決方案，aiXmanager能夠對程序員的“指尖行為”所形成的大數據進行分析，有效揭示出開發過程中存在的一系列效率和質量問題，幫助企業挖掘潛在的開發潛能。

在此之前，程序員的“指尖行為”是軟件開發中典型的“暗數據”，價值大卻難以捕獲、難以分析。在aiXcoder的幫助下，這些暗數據被充分利用了起來。哪些技術難點最影響開發效率？哪些代碼質量問題最為突出？哪些程序代碼耗費時間最多？哪些代碼被修改的次數最多？等等這些影響企業開發能力的潛在問題被明明白白揭示出來。

面向C端用戶，aiXcoder主推兩個版本，分別是Community版（社區版）和Professional版（專業版）。社區版可以免費下載使用，而Professional版則會更智能，它能夠從用戶編寫的代碼中不斷學習個性化的編程模式和編程習慣，能為用戶打造一個更加智能的私人編程“助理”。現階段，aiXcoder團隊已經為華為、百度、阿里巴巴、軟通動力等公司提供了企業定制服務。

來自企業開發者的反饋信息表明：在aiXcoder的幫助下，編程開發人員能夠在最短的時間內高效的編寫代碼，有效的節省了程序員的開發時間，同時也降低了程序員對API文檔或相關信息的依賴。使得將開發者從繁復的代碼邏輯中解脫出來，讓他們有機會能投入到一些更有創新性的工作上去。當前在智能編程機器人領域內，還有來自美國的兩款插件——kite、TabNine也和aiXcoder處于同一賽道。

用TabNine官方網站給出的示例代碼進行對比，aiXcoder僅需132次按鍵即輸入完畢，而TaNine需要228次按鍵才能完成輸入，Kite也需要214次按鍵才能完成，在該示例中，aiXcoder的輸入效率是TabNine的1.73倍，是kite的1.62倍，可見aiXcoder的優勢非常明顯。在未來，aiXcoder想要打造成一款能夠自動幫助程序員完成程序編寫的“智能編程機器人”，以低耗時、高效率、便捷式的方式切入到開發者的工作中。