基于半自动提示工程人工智能任务代码生成方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：大语言模型的快速发展极大地推动了人工智能技术的进步,并显著降低了生成人工智能代码的门槛.然而,这也要求用户提供精确的数据,以确保生成高质量的人工智能代码,从而使大模型能够有效地完成复杂的人工智能代码生成任务.提示工程作为与大型模型交互的核心技术,对于保障代码生成的质量和效率起到了决定性作用.文章提出了一个AI-CODE框架来替代人工分析的工作,帮助大模型生成特定任务的代码.该框架通过构建专业词汇数据集和半自动提示生成机制,实现了从用户模糊描述到完整项目代码的转换.实验结果表明,AI-CODE在关键词分类、提示生成和项目代码生成方面具有较高的准确性.与现有框架相比,AI-CODE在多个方面具有显著优势,为用户提供了一个全新的项目级代码生成解决方案.

作者：

张乐、荆晓远、任娟

展开 >

作者单位：

广东石油化工学院计算机学院广东茂名 525000

广东石油化工学院计算机学院省市共建石化装备智能安全广东省重点实验室广东茂名 525000

关键词：

大模型人工智能提示工程代码生成 AI-CODE

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.12.046

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(12)