第4章 百花齐放的AI代码生成工具：选择最适合你的智能编程助手

在前三章中，我们深入探索了ChatGPT和GitHub Copilot这两款明星产品，了解了它们如何改变编程方式。然而，AI编程助手的生态系统远不止于此。自2023年以来，全球范围内涌现出数十款AI代码生成工具，它们各有特色：有的免费开源，有的深度集成特定云平台，有的擅长安全审查，有的则在多语言支持上表现突出。本章将带你逐一认识这些工具，并通过实战案例展示它们的使用方法，帮助你在不同场景下选择最合适的助手。

4.1 工具概览：为什么需要多种AI编程助手？

在开始详细介绍之前，先思考一个问题：既然已经有了ChatGPT和Copilot，为什么还需要其他工具？

答案在于场景多样性和专业化需求。ChatGPT作为通用对话模型，在代码生成上表现出色，但它的设计初衷并非专注于编程，因此在某些编程特定任务上不如专用工具。GitHub Copilot虽然深度集成IDE，但它是付费服务，且在某些语言或框架上的表现不如一些针对特定领域优化的工具。

不同工具的优势领域：

• ChatGPT：通用性强，适合讨论需求、设计方案、解释代码、生成示例。
• New Bing：结合搜索引擎，能提供最新的API文档和实时信息。
• Bard (Gemini)：谷歌出品，与谷歌生态（如Colab、GCP）集成良好。
• Claude：注重安全性和伦理，适合处理敏感代码。
• CodeGeeX：国产免费，支持多种语言，适合个人开发者和小团队。
• Amazon CodeWhisperer：深度集成AWS，适合云开发场景。

了解这些工具的特点，我们就能根据项目需求灵活选用，甚至组合使用，达到1+1>2的效果。

4.2 ChatGPT：全能型选手的进阶玩法

我们在第2章已经详细介绍了ChatGPT在编程中的应用，这里不再重复基础，而是展示一些进阶用法，包括生成完整工具、代码转换、添加注释、漏洞修复等实战案例。

4.2.1 生成完整代码：文件加密工具

假设我们需要一个简单的文件加密工具，使用AES算法对文件进行加密和解密。我们可以向ChatGPT提出需求，让它生成完整的Python脚本。

提示词示例：

请用Python编写一个命令行文件加密工具，使用AES-256加密算法，支持加密和解密文件。需要以下功能：
1. 接受命令行参数：--encrypt <输入文件> <输出文件> 或 --decrypt <输入文件> <输出文件>
2. 使用密码派生密钥（PBKDF2）
3. 加密时生成随机IV，并与密文一起保存（例如IV放在文件开头）
4. 使用pycryptodome库
5. 包含错误处理
6. 代码风格规范，添加详细注释

ChatGPT生成的代码可能如下（我们稍作整理，确保符合Allman风格和驼峰命名）：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
FileEncryptor - 使用AES-256加密文件的命令行工具
"""

import os
import sys
import argparse
import hashlib
from Crypto.Cipher import AES
from Crypto.Protocol.KDF import PBKDF2
from Crypto.Random import get_random_bytes

class FileEncryptor:
    """
    文件加密器，提供加密和解密功能
    """
    
    def __init__(self, password: str):
        """
        初始化加密器，从密码派生密钥
        
        Parameters:
            password (str): 用户提供的密码
        """
        
        self.password = password
        self.key = self._DeriveKey(password)
        
    def _DeriveKey(self, password: str, salt: bytes = None) -> bytes:
        """
        使用PBKDF2从密码派生密钥
        
        Parameters:
            password (str): 密码
            salt (bytes, optional): 盐值，如果为None则生成随机盐
            
        Returns:
            bytes: 派生出的32字节密钥
        """
        
        if salt is None:
            salt = get_random_bytes(16)
            
        // PBKDF2参数：密码、盐、迭代次数、密钥长度、哈希算法
        key = PBKDF2(password, salt, dkLen = 32, count = 100000, hmac_hash_module = hashlib.sha256)
        return key
        
    def EncryptFile(self, inputPath: str, outputPath: str) -> bool:
        """
        加密文件
        
        Parameters:
            inputPath (str): 输入文件路径
            outputPath (str): 输出文件路径
            
        Returns:
            bool: 成功返回True
        """
        
        try:
            // 生成随机盐和IV
            salt = get_random_bytes(16)
            iv = get_random_bytes(16)
            
            // 从密码和盐派生密钥
            key = PBKDF2(self.password, salt, dkLen = 32, count = 100000)
            
            // 创建AES cipher
            cipher = AES.new(key, AES.MODE_CBC, iv)
            
            // 读取输入文件
            with open(inputPath, 'rb') as fIn:
                plaintext = fIn.read()
                
            // PKCS7填充
            padLength = 16 - (len(plaintext) % 16)
            plaintext += bytes([padLength]) * padLength
            
            // 加密
            ciphertext = cipher.encrypt(plaintext)
            
            // 写入输出文件：盐 + IV + 密文
            with open(outputPath, 'wb') as fOut:
                fOut.write(salt)
                fOut.write(iv)
                fOut.write(ciphertext)
                
            print(f"加密成功: {outputPath}")
            return True
            
        except Exception as e:
            print(f"加密失败: {e}")
            return False
            
    def DecryptFile(self, inputPath: str, outputPath: str) -> bool:
        """
        解密文件
        
        Parameters:
            inputPath (str): 输入文件路径
            outputPath (str): 输出文件路径
            
        Returns:
            bool: 成功返回True
        """
        
        try:
            // 读取输入文件
            with open(inputPath, 'rb') as fIn:
                salt = fIn.read(16)
                iv = fIn.read(16)
                ciphertext = fIn.read()
                
            // 从密码和盐派生密钥
            key = PBKDF2(self.password, salt, dkLen = 32, count = 100000)
            
            // 创建AES cipher
            cipher = AES.new(key, AES.MODE_CBC, iv)
            
            // 解密
            plaintextPadded = cipher.decrypt(ciphertext)
            
            // 去除PKCS7填充
            padLength = plaintextPadded[-1]
            plaintext = plaintextPadded[:-padLength]
            
            // 写入输出文件
            with open(outputPath, 'wb') as fOut:
                fOut.write(plaintext)
                
            print(f"解密成功: {outputPath}")
            return True
            
        except Exception as e:
            print(f"解密失败: {e}")
            return False


def main():
    """主函数，解析命令行参数并执行加密或解密"""
    
    parser = argparse.ArgumentParser(description = "文件加密工具 (AES-256)")
    group = parser.add_mutually_exclusive_group(required = True)
    group.add_argument("--encrypt", nargs = 2, metavar = ("INPUT", "OUTPUT"),
                       help = "加密文件：输入文件 输出文件")
    group.add_argument("--decrypt", nargs = 2, metavar = ("INPUT", "OUTPUT"),
                       help = "解密文件：输入文件 输出文件")
    
    parser.add_argument("--password", required = True,
                       help = "加密密码")
    
    args = parser.parse_args()
    
    encryptor = FileEncryptor(args.password)
    
    if args.encrypt:
        inputFile, outputFile = args.encrypt
        encryptor.EncryptFile(inputFile, outputFile)
    elif args.decrypt:
        inputFile, outputFile = args.decrypt
        encryptor.DecryptFile(inputFile, outputFile)


if __name__ == "__main__":
    main()

这段代码可以直接在VS Code或VS 2022中运行（需安装pycryptodome）。ChatGPT生成的代码结构清晰，包含了错误处理，符合要求。

4.2.2 代码转换：C++到Python

假设你有一段C++代码需要转换为Python。向ChatGPT提问：“请将以下C++代码转换为Python，保持功能一致。”

C++代码示例（计算字符串中单词频率）：

#include <iostream>
#include <string>
#include <map>
#include <sstream>

std::map<std::string, int> CountWords(const std::string& text) 
{
    std::map<std::string, int> freq;
    std::istringstream iss(text);
    std::string word;
    while (iss >> word) 
    {
        freq[word]++;
    }
    return freq;
}

ChatGPT转换后的Python代码：

from collections import Counter

def CountWords(text: str) -> dict:
    """
    统计字符串中每个单词出现的次数
    
    Parameters:
        text (str): 输入文本
        
    Returns:
        dict: 单词到次数的映射
    """
    
    words = text.split()
    return dict(Counter(words))

简洁高效，利用了Python的Counter。

4.2.3 为代码添加注释

我们经常接手没有注释的代码，阅读起来非常痛苦。ChatGPT可以帮我们添加注释。例如，将上面C++代码发给ChatGPT，要求“为这段代码添加详细的注释”。它会返回带注释的版本：

#include <iostream>
#include <string>
#include <map>
#include <sstream>

/**
 * 统计字符串中每个单词的出现次数
 * 
 * @param text 输入的字符串，单词由空格分隔
 * @return 一个map，键为单词，值为该单词在文本中出现的次数
 */
std::map<std::string, int> CountWords(const std::string& text) 
{
    // 创建一个map用于存储单词频率
    std::map<std::string, int> freq;
    
    // 使用istringstream将字符串分割为单词
    std::istringstream iss(text);
    std::string word;
    
    // 循环读取每个单词
    while (iss >> word) 
    {
        // 增加该单词的计数
        freq[word]++;
    }
    
    // 返回频率map
    return freq;
}

4.2.4 检查和修补代码漏洞

将一段可能有漏洞的代码（如SQL注入风险）发给ChatGPT，要求检查漏洞并提供修复方案。例如：

def GetUserData(userId):
    query = f"SELECT * FROM users WHERE id = {userId}"
    cursor.execute(query)
    return cursor.fetchall()

ChatGPT会指出SQL注入风险，并提供参数化查询的修复：

def GetUserData(userId):
    query = "SELECT * FROM users WHERE id = %s"
    cursor.execute(query, (userId,))
    return cursor.fetchall()

4.3 New Bing：搜索引擎与AI的融合

New Bing（现更名为Microsoft Copilot in Bing）结合了搜索引擎和GPT-4，能够获取最新信息。在编程中，这意味着它可以提供最新的库文档、API用法，甚至查找错误信息的最新解决方案。

4.3.1 New Bing编程辅助特点

• 实时信息：当需要查询某个库的最新版本、函数用法时，New Bing可以搜索并给出带来源的答案。
• 代码调试：遇到编译错误或运行时错误，将错误信息贴给New Bing，它能搜索相关解决方案。
• 最佳实践：询问“2025年推荐的Python日志库”时，New Bing能结合最新文章给出建议。

4.3.2 实例：用New Bing查找代码错误

假设我们在编译C++代码时遇到以下错误：

undefined reference to `ssl::SSL_CTX_new(ssl::method const*)'

将错误信息发给New Bing，它会搜索并提供可能的原因和解决方案，例如缺少链接库、需要包含特定头文件等。它会给出类似以下的回答：

“这个错误通常表示链接器找不到OpenSSL库中的SSL_CTX_new函数。解决方法：在编译时添加-lssl -lcrypto选项。例如：g++ main.cpp -o app -lssl -lcrypto。如果已经添加，可能是OpenSSL版本不兼容，建议检查安装版本。”

这种基于实时搜索的能力，让New Bing在处理特定技术问题时比通用ChatGPT更有效。

4.4 Bard (Gemini)：谷歌的AI编程助手

Bard是谷歌基于LaMDA和后来升级的Gemini系列模型的AI助手，与谷歌生态紧密集成。它可以直接在Google Colab中运行代码，并支持多种编程语言。

4.4.1 Bard编程能力概述

• 多语言支持：Gemini模型对Python、JavaScript、Java等主流语言支持良好。
• Colab集成：在Bard中生成Python代码后，可以直接导出到Google Colab运行。
• 谷歌生态：对Google Cloud Platform（GCP）相关的代码生成有优势，例如调用Cloud Storage API、BigQuery等。

4.4.2 实例：生成数据可视化代码

假设我们需要用Python生成一个漂亮的折线图，展示某公司近几年的收入。向Bard提问：“请用Python生成一个折线图，展示2019-2025年某公司的收入数据，使用matplotlib，并添加标题、坐标轴标签和图例。”

Bard生成的代码示例：

import matplotlib.pyplot as plt

def PlotRevenue(years, revenues, companyName = "示例公司"):
    """
    绘制收入折线图
    
    Parameters:
        years (list): 年份列表
        revenues (list): 对应年份的收入列表
        companyName (str): 公司名称，用于图例
    """
    
    plt.figure(figsize = (10, 6))
    plt.plot(years, revenues, marker = 'o', linestyle = '-', linewidth = 2, markersize = 8, label = companyName)
    
    plt.title(f"{companyName} 2019-2025年收入趋势", fontsize = 16)
    plt.xlabel("年份", fontsize = 12)
    plt.ylabel("收入 (百万美元)", fontsize = 12)
    plt.grid(True, linestyle = '--', alpha = 0.7)
    plt.legend()
    plt.xticks(years)
    
    // 在数据点上标注数值
    for i, (year, revenue) in enumerate(zip(years, revenues)):
        plt.annotate(f"{revenue}", (year, revenue), textcoords = "offset points", xytext = (0, 10), ha = 'center')
        
    plt.tight_layout()
    plt.show()


if __name__ == "__main__":
    years = [2019, 2020, 2021, 2022, 2023, 2024, 2025]
    revenues = [120, 135, 150, 175, 190, 210, 240]
    PlotRevenue(years, revenues, "某科技公司")

这段代码风格符合Allman风格，函数和变量采用驼峰命名，可直接在VS Code中运行（需安装matplotlib）。

4.5 Claude：注重安全的AI助手

Claude是Anthropic公司开发的AI助手，强调安全、可靠和伦理。在编程领域，Claude擅长代码审查、安全漏洞检测，并能给出详尽的解释。

4.5.1 Claude的特点

• 安全优先：Claude在训练中大量使用宪法AI（Constitutional AI），使其回答更符合伦理和安全准则。对于可能产生危险代码的请求，Claude会谨慎处理。
• 长上下文：Claude 3系列支持高达200K的上下文窗口，适合处理大型代码库。
• 细致解释：Claude倾向于详细解释代码原理和潜在问题。

4.5.2 实例：用Claude审查代码安全性

将一段可能不安全的Python代码发给Claude，要求审查。例如：

import subprocess

def RunCommand(userInput):
    command = "ls -l " + userInput
    subprocess.call(command, shell=True)

Claude会指出使用shell=True和字符串拼接可能导致的命令注入漏洞，并提供修复建议，例如使用subprocess.run的参数列表形式，避免shell=True。

4.6 CodeGeeX：国产免费的开源选择

CodeGeeX是由智谱AI开发的免费开源AI编程助手，支持多种语言，提供VS Code和JetBrains插件。它被视为GitHub Copilot的免费替代品。

4.6.1 CodeGeeX简介与安装

CodeGeeX基于多语言代码生成模型，支持Python、Java、C++、JavaScript等十几种语言。其核心功能包括代码补全、生成、翻译、注释生成等。

安装：在VS Code中搜索“CodeGeeX”并安装。安装后需要登录（可使用GitHub账号或手机号），之后即可使用。

4.6.2 代码补全实例

在VS Code中编写Python代码，输入注释，CodeGeeX会自动补全。

# 计算斐波那契数列的第n项，使用递归
def Fibonacci(n):

输入到此处，CodeGeeX会弹出建议：

def Fibonacci(n):
    if n <= 0:
        return 0
    elif n == 1:
        return 1
    else:
        return Fibonacci(n - 1) + Fibonacci(n - 2)

4.6.3 漏洞修复与优化

CodeGeeX也提供代码优化建议。例如，针对上述递归函数，CodeGeeX可能会建议使用迭代或记忆化来优化性能。在编辑器中选中代码，右键选择“CodeGeeX: 优化代码”，它会生成优化版本：

def Fibonacci(n):
    if n <= 0:
        return 0
    elif n == 1:
        return 1
        
    a, b = 0, 1
    for _ in range(2, n + 1):
        a, b = b, a + b
    return b

4.6.4 代码转换

CodeGeeX支持代码翻译。例如，将上述Python版本的Fibonacci转换为C++。选中代码，选择“CodeGeeX: 翻译代码”，它会生成C++版本：

#include <iostream>

int Fibonacci(int n)
{
    if (n <= 0)
    {
        return 0;
    }
    else if (n == 1)
    {
        return 1;
    }
    
    int a = 0;
    int b = 1;
    for (int i = 2; i <= n; i++)
    {
        int temp = a + b;
        a = b;
        b = temp;
    }
    return b;
}

代码采用Allman风格（左大括号换行），符合C++习惯。

4.6.5 解答任何问题

CodeGeeX的侧边栏有一个聊天窗口，可以像ChatGPT一样提问。例如询问“如何在Python中读取CSV文件”，它会给出代码示例和解释。

4.7 Amazon CodeWhisperer：云厂商的IDE集成方案

Amazon CodeWhisperer是亚马逊推出的AI编程助手，深度集成AWS服务，对云开发场景尤其友好。它提供个人免费版和专业版。

4.7.1 CodeWhisperer简介与安装

CodeWhisperer支持多种IDE，包括VS Code、IntelliJ IDEA、AWS Cloud9等。它的特色在于能够根据注释生成AWS服务的代码，例如S3、DynamoDB、Lambda函数的代码。

安装：在VS Code中搜索“AWS Toolkit”并安装，该工具包包含CodeWhisperer。安装后需要登录AWS账户（免费版无需支付）。

4.7.2 注册与配置

安装后，点击VS Code左侧的AWS图标，选择“Connect to AWS”并按照提示登录。可以选择使用AWS Builder ID（免费）或IAM身份。

4.7.3 代码生成与补全实例

在编写AWS相关代码时，CodeWhisperer能提供高度相关的建议。例如，当我们想将文件上传到S3时，输入注释：

# 上传本地文件到S3桶
def UploadToS3(bucketName, filePath, objectKey):

CodeWhisperer可能会生成以下代码（使用boto3库）：

import boto3

def UploadToS3(bucketName, filePath, objectKey):
    """
    上传文件到S3桶
    
    Parameters:
        bucketName (str): S3桶名称
        filePath (str): 本地文件路径
        objectKey (str): S3中的对象键
    """
    
    s3 = boto3.client('s3')
    try:
        s3.upload_file(filePath, bucketName, objectKey)
        print(f"文件 {filePath} 已上传到 s3://{bucketName}/{objectKey}")
        return True
    except Exception as e:
        print(f"上传失败: {e}")
        return False

这段代码包含了异常处理和成功提示，非常实用。

另一个例子：生成DynamoDB查询代码。

# 从DynamoDB表中根据用户ID查询用户信息
def GetUserById(tableName, userId):

CodeWhisperer建议：

import boto3
from boto3.dynamodb.conditions import Key

def GetUserById(tableName, userId):
    """
    根据用户ID从DynamoDB查询用户
    
    Parameters:
        tableName (str): DynamoDB表名
        userId (str): 用户ID
        
    Returns:
        dict: 用户信息，如果未找到则返回None
    """
    
    dynamodb = boto3.resource('dynamodb')
    table = dynamodb.Table(tableName)
    
    try:
        response = table.get_item(Key = {'userId': userId})
        return response.get('Item')
    except Exception as e:
        print(f"查询失败: {e}")
        return None

CodeWhisperer甚至能根据常见AWS最佳实践自动加入重试逻辑，但在这个简单示例中，它生成了基础代码。

4.8 工具对比与选型建议

面对众多工具，如何选择？下表总结了各工具的特点：

工具	优点	缺点	适用场景
ChatGPT	通用性强，能讨论设计、解释代码	需要手动复制代码，无IDE集成	需求分析、方案设计、学习
New Bing	实时信息，能联网搜索	无IDE集成，需手动操作	查找最新文档、调试错误
Bard (Gemini)	与谷歌生态集成，支持Colab	部分地区访问受限	数据科学、GCP开发
Claude	安全性高，长上下文	注册门槛较高	安全审查、处理大型代码库
CodeGeeX	免费开源，IDE插件	部分功能不如Copilot成熟	个人开发者、小团队
Amazon CodeWhisperer	免费，深度集成AWS	对非AWS场景帮助一般	AWS云开发

实际工作中，可以组合使用多种工具。例如：

• 用ChatGPT讨论整体架构，用CodeGeeX在IDE中生成代码。
• 在AWS项目中使用CodeWhisperer快速生成S3、Lambda代码。
• 遇到编译错误时，用New Bing搜索解决方案。
• 对生成的代码用Claude进行安全审查。

4.9 本章小结

本章我们探索了ChatGPT之外的五款AI代码生成工具：New Bing、Bard、Claude、CodeGeeX和Amazon CodeWhisperer。每个工具都有其独特的优势和适用场景。通过丰富的代码实例，我们看到了它们如何生成完整工具、转换代码、审查漏洞、集成云服务等。

AI编程助手的生态正在快速进化，新的工具不断涌现，现有工具也在持续升级。作为开发者，我们不需要固守某一个工具，而应该保持开放心态，根据任务需求灵活选用最合适的助手，从而最大化生产力。

在下一章，我们将深入探讨如何将这些工具整合到实际项目开发流程中，从需求到部署，实现全流程的智能化辅助。敬请期待。