Infusi v.0

Sep 21, 2024 am 08:15 AM

Infusion v.0

Sejak 2 minggu yang lalu, saya telah mengusahakan alat penjanaan dokumentasi yang menggunakan Open AI API untuk menjana fail baharu dengan dokumentasi di dalamnya. Saya telah membinanya menggunakan perpustakaan Python, Klik dan LangChain. Ciri-cirinya termasuk:

  • Menjana ulasan dan dokumentasi berstruktur secara automatik untuk kod sumber.
  • Menyokong berbilang bahasa pengaturcaraan (dikenal pasti melalui sambungan fail).
  • Mengendalikan berbilang fail serentak (belum ada pemprosesan kelompok).
  • Membenarkan direktori output tersuai untuk menyimpan fail yang diproses.
  • Membolehkan anda menentukan model untuk digunakan.

Anda boleh mengakses repo GitHub di sini:
https://github.com/SychAndrii/infusion

Infusi ialah alat baris arahan yang direka untuk membantu pembangun dengan menjana dokumentasi untuk kod sumber mereka. Dengan menyediakan laluan fail, Infusion memanfaatkan model bahasa seperti GPT OpenAI untuk mengubah suai fail dengan memasukkan ulasan dan dokumentasi yang sesuai. Alat ini menyokong berbilang bahasa pengaturcaraan.

Ia amat berguna apabila anda memerlukan ulasan berstruktur (cth., JSDoc untuk JavaScript/TypeScript atau JavaDoc untuk Java) atau ulasan ringkas di atas fungsi dan kelas. Infusi menyimpan fail yang diubah suai ke direktori output yang ditentukan.

Pemasangan

Untuk memasang dan menjalankan Infusion secara setempat, klon repositori GitHub.

git clone https://github.com/your-username/infusion.git
cd infusion
Salin selepas log masuk

Selepas itu, anda perlu menyediakan persekitaran maya dan memasang semua kebergantungan.

Jika anda menggunakan Windows, gunakan PowerShell untuk menyediakan persekitaran maya menggunakan arahan:

./setup/setup.ps1
Salin selepas log masuk

Jika anda menggunakan Mac / Linux, gunakan arahan berikut:

./setup/setup.sh
Salin selepas log masuk

Selepas anda selesai menyediakan persekitaran maya, anda boleh menggunakan alat Infusion dengan menjalankan:

pipenv run infsue [OPTIONS] [FILE_PATHS]...
Salin selepas log masuk

Penggunaan

Untuk menggunakan Infusion, jalankan arahan berikut, menggantikan FILE_PATHS dengan laluan ke fail kod sumber yang anda mahu proses.

Proses satu fail:

pipenv run infsue ./path/to/source.py
Salin selepas log masuk

Proses satu fail dengan model openAI yang berbeza:

pipenv run infsue -m gpt-4o-mini ./path/to/source.py
Salin selepas log masuk

Proses satu fail dan tentukan folder output:

pipenv run infsue ./path/to/source.py --output my_output_folder
Salin selepas log masuk

Proses berbilang fail:

pipenv run infsue ./file1.js ./file2.py
Salin selepas log masuk

Proses berbilang fail tanpa menyatakan setiap satu daripadanya:

pipenv run infsue ./folder/*
Salin selepas log masuk

Proses berbilang fail dan tentukan folder output untuk menyimpan fail dan bukannya mencetaknya ke stdout:

pipenv run infsue ./file1.js ./file2.py --output my_output_folder
Salin selepas log masuk

Untuk contoh penggunaan alat ini yang lebih praktikal, sila lihat repositori GitHub! Saya suka jika anda menyiarkan isu anda untuk mencadangkan sebarang peningkatan dalam pangkalan kod saya!

Atas ialah kandungan terperinci Infusi v.0. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

<🎜>: Bubble Gum Simulator Infinity - Cara Mendapatkan dan Menggunakan Kekunci Diraja
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Sistem Fusion, dijelaskan
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Cara Membuka Kunci Cangkuk Bergelut
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1670
14
Tutorial PHP
1276
29
Tutorial C#
1256
24
Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python vs C: Meneroka Prestasi dan Kecekapan Python vs C: Meneroka Prestasi dan Kecekapan Apr 18, 2025 am 12:20 AM

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Apr 18, 2025 am 12:22 AM

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python vs C: Memahami perbezaan utama Python vs C: Memahami perbezaan utama Apr 21, 2025 am 12:18 AM

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Apr 27, 2025 am 12:03 AM

Pythonlistsarepartofthestandardlibrary, sementara

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Python untuk Pembangunan Web: Aplikasi Utama Python untuk Pembangunan Web: Aplikasi Utama Apr 18, 2025 am 12:20 AM

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak

See all articles