百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

DeepSeek装进IDEA,全网最全操作指南一篇详解!编程效率大幅提升

ztj100 2025-03-30 23:24 84 浏览 0 评论

在 IDEA 插件中搜索 “通义灵码”,即可获取到 AI 插件:

点击 “Install” 按钮即可快速安装:

安装可能需要一点点时间,等待即可。

安装成功以后,在 IDEA 窗口的右下角,会提示你登录 “通义灵码”:

点击登录会使用默认的浏览器打开一个登录界面,按要求登录即可。

当页面上提示登录成功,你就可以返回 IDEA 窗口啦。

此时 “通义灵码” 就处于可以使用的状态了!

注意:建议关闭的功能。

点击这里:

选择 “个人信息”:

这里我是取消勾选的(请按个人需求确定是否勾选或取消勾选。)

如果 “通义灵码” 这个对话窗口被弄 “丢了”,别怕,教你一招迅速打开!

点击 “IDEA” 窗口右侧的这个按钮即可再次打开~

还有一种情况,IDEA 侧边栏的 “通义灵码” 按钮隐藏了:

解决方法:在 IDEA 窗口的左侧,依次按图中的按钮点击即可成功打开!

“通义灵码” 有两个对话选项,“智能问答” 和 “AI 程序员”:

看看 “智能问答” 支持的模型:

支持三种模型,deepseek r1 就在模型列表中!

先来测试一下 “智能问答”:

在对话框中输入:“#” 会弹出提示内容,选择 “codebase”,并输入 “分析当前项目”。

即可让 “通义灵码” 来分析当前项目工程内容。

内容分析成功,确实是项目内的样子。

上强度了,我要让 “通义灵码” 帮我集成 MySQL 依赖到项目中。

提示词:请帮我集成 MySQL 到项目中,包含依赖,以及初始化的配置。

开始啦:

非常的贴心,还给生成了测试的 “对象” 和 “建表语句”:

代码都生成了,该如何放到项目中去呢?

我相信 “通义灵码” 肯定会有方法的:

提供了 “插入” 按钮,如果按我的理解没错的话,点击 “插入” 应该就会插入到对应的位置了!

不过这个 “插入” 使用时需要注意以下几点:

  1. 插入时必须打开一个文件,否则点击插入按钮无效。
  2. 打开一个文件后,点击插入,插入的位置是你当前光标所处的位置

再来看下 “AI 程序员” 的效果:

“AI 程序员” 和 “智能问答” 的模型有区别,“AI 程序员” 无法使用 “DeepSeek R1 模型”。

那就有什么用什么吧~

同样的提示词:在对话框中输入:“#” 会弹出提示内容,选择 “codebase”,并输入 “分析当前项目”。

之前使用 “智能问答” 插入的 “MySQL” 配置它识别到了,不错

给 “AI 程序员” 上强度。

提示词:请帮我集成 Mybatis 依赖到当前项目中。

这次不一样了,它能直接提示自动调整代码了!

现在我们可以选择滑动检查一下 AI 调整的代码。

如果是需要且没有问题的可以直接点击 “接受”。

在检查时,如果只需要某一段 AI 提供的代码,那么可以通过这两个按钮来操作。

左边跟返回差不多的按钮点击:不接受,退回原始代码。

右边跟对勾一样的按钮点击:接受 AI 提供的代码。

这很不错,咱使用 AI 不就要的是这个效果吗?能自动绝不手动!


更多 AI 相关文章,一键直达:

解锁AI生产力!DeepSeek官方提示词库完全指南

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: