CodeFuse
面向软件开发生命周期的大型编码语言模型与开源工具集
工具介绍
CodeFuse 的目标是构建大型编码语言模型（Code LLMs），以支持和提升整个软件开发生命周期中的 AI 原生开发工作。其工作覆盖设计需求、编写代码、测试、构建、部署、运维到洞察分析等关键环节，并已推出 15 个代码相关模型，开源了 MFTCoder、CodeFuse-VLM、CodeFuse-DevOps、CodeFuse-Query、TestGPU、CodeFuse-muAgent 等技术工具。面向日常编码场景，CodeFuse 还开发了 CodeFuse-IDE 插件，让开发者可以直接在编码工作中受益。
核心功能
- 大型编码语言模型（Code LLMs）：以构建大型编码语言模型为核心目标，支持并提升软件开发生命周期中的 AI 原生开发工作。
- CodeFuse-MFTCoder 多任务微调框架：用于提升大语言模型的多任务能力，尤其擅长提升代码大模型的编程能力，相比传统单任务微调可同时处理多个任务。
- CodeFuse-MFT-VLM 多模态框架：面向多模态大语言模型设计，兼容并适配多种视觉与语言模型，以支持不同类型的任务。
- DevOps-ChatBot 开源 AI 智能助手：由蚂蚁 CodeFuse 团队开发，致力于简化和优化软件开发生命周期中的各个环节。
- CodeFuse-Query 静态代码分析平台：适合大规模、复杂的代码库分析场景，采用以数据为中心的方法并具备较高可扩展性。
- TestAgent 测试行业大模型：国内首个开源的测试行业大模型，包含 7B 测试领域大模型及配套的本地模型快速发布与体验工程化框架。
使用方法
- 1进入 CodeFuse 官方产品入口，明确当前所处的软件开发环节，例如设计需求、编写代码、测试、构建、部署、运维或洞察分析。
- 2根据该环节选择对应的已确认能力：日常编码可借助 CodeFuse-IDE 插件，大规模、复杂代码库分析可使用 CodeFuse-Query 静态代码分析平台。
- 3在开发运维场景中，可借助 DevOps-ChatBot 或 DevOps-Model 处理 DevOps 生命周期中遇到的问题。
- 4查看返回的结果，并结合 CodeFuseEval 等评估基准，对代码补全、自然语言生成代码、测试用例生成、跨语言代码翻译等任务的表现进行检验。
常见问题
CodeFuse 主要解决什么问题？
CodeFuse 的目标是构建大型编码语言模型（Code LLMs），支持和提升整个软件开发生命周期中的 AI 原生开发工作，覆盖设计需求、编写代码、测试、构建、部署、运维到洞察分析等关键环节。
CodeFuse 提供了哪些具体工具或模型？
CodeFuse 已推出 15 个代码相关模型，并开源了 MFTCoder、CodeFuse-VLM、CodeFuse-DevOps、CodeFuse-Query、TestGPU、CodeFuse-muAgent 等技术工具；此外还有 DevOps-ChatBot、TestAgent、DevOps-Model、CodeFuseEval、DevOps-Eval 以及面向日常编码的 CodeFuse-IDE 插件。
CodeFuse-Query 适合什么场景？
CodeFuse-Query 是静态代码分析平台，适合大规模、复杂的代码库分析场景，其特点是以数据为中心的方法和较高的可扩展性。
CodeFuse 支持中文吗？
支持中文。CodeFuse 官方站点提供中文页面，其 DevOps-Model 也是业界首个开源的中文开发运维大模型系列。
如何评估代码大模型在编程任务上的表现？
可以使用 CodeFuseEval，它基于 HumanEval-x、MBPP、DS1000 开发，是面向大模型代码垂类领域的企业级多类型编程任务评估基准，可用于评估代码补全、自然语言生成代码、测试用例生成、跨语言代码翻译等任务的能力表现。
