推荐语
在线编码新体验,开发效率飞跃提升!
核心内容:
1. 通义灵码2.0与魔搭ModelScope技术集成,支持百万开发者
2. 在线开发环境中直接使用智能编程能力,无需额外配置
3. 提供代码生成、框架转换、性能优化等全流程AI模型研发支持
杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
通义灵码2.0 AI程序员于2025年1月上线,目前已支持超过百万开发者。该工具的智能编程能力现已与阿里云AI模型开发平台魔搭ModelScope实现技术集成,成为继函数计算FC之后接入该平台的又一开发工具。此次合作将通义灵码的代码生成能力应用于AI模型研发流程,为算法工程师提供开发支持。
在魔搭 ModelScope 的Notebook在线开发环境中,开发者现可直接开启通义灵码的智能问答和 AI 程序员的能力,无需额外下载安装配置即可体验核心功能。
在构建模型训练脚本、数据处理pipeline时,通义灵码能够基于 TensorFlow/PyTorch 等框架的上下文,智能生成符合最佳实践的代码片段。无论是层结构定义、损失函数配置还是分布式训练逻辑,均可获得精准的代码建议。
支持主流深度学习框架间的代码智能转换(如PyTorch转TensorFlow),通过自然语言描述需求即可自动完成框架适配,显著降低迁移学习成本。
实时分析模型代码中的计算图构建、内存分配等关键环节,提供GPU利用率优化、混合精度训练等专业建议,帮助开发者释放硬件最大潜力。
根据模型类型和数据集特征,智能推荐初始超参数组合,并提供动态调优策略建议,加速模型收敛过程。
自动生成模型单元测试用例,覆盖前向传播验证、梯度检查等关键测试场景,确保模型代码可靠性。
实时监控训练过程中的OOM错误、梯度爆炸等常见问题,通义灵码可以根据报错截图和代码快速锁定错误原因,并给出修复建议。
在魔搭 ModelScope 平台中,开发者可通过以下方式快速使用智能编码助手。
魔搭社区 Notebook云端开发 IDE 工具,搭配内置的 Vscode 编程环境以及通义灵码工具,一站式进行AI应用搭建。不需要复杂的环境配置,也不需要代码基础,只要熟练运用AI工具,便可以完成AI应用搭建和运行。
Linux or Windows or MacOs ❓
Vscode or jetbrains ❓
Copilot or Cursor ❓
Notebook IDE + 通义灵码 ✔️
ModelScope Notebook是一款云端机器学习开发IDE工具,提供远程Linux的编程环境,适用于不同水平的AI开发者。Notebook提供了点击就可用的免费算力额度。
具体环境详见:
https://modelscope.cn/docs/notebooks/intro
https://www.modelscope.cn/home

通义灵码具备多文件代码修改和工具使用的能力,可以与开发者协同完成编码任务,比如代码生成、需求实现、问题解决、单元测试用例生成、批量代码修改等。
在Notebook中已经内置了完整的通义灵码,我们只需要登录自己的账号即可使用灵码进行代码开发。

写一个推箱子的小游戏,创建相关代码文件并生成对应代码
3、案例展示:使用 Notebook + 通义灵码完成现在我们使用 Notebook 的环境和通义灵码的帮助从零开始搭建「求职小助手」。
生成代码框架
基于gradio实现一个求职助手网页,它能够帮助用户进行简历优化、职位推荐以及基于简历的职位推荐。以下是详细功能:1. 全局配置大模型加载与调用,代码如下:模型加载部分:qwen_model = ModelFactory.create( model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL, model_type="Qwen/Qwen2.5-72B-Instruct", api_key="Your API",#从环境变量中获取 Modelscope API 密钥,即个人SDK token url="https://api-inference.modelscope.cn/v1", model_config_dict=QwenConfig(temperature=0.2).as_dict(), )agent = ChatAgent( system_message="You're a helpful assistant for job anlysis, please answer in Chinese.", message_window_size=30, model=qwen_model )模型调用部分:assistant_response = agent.step(combined_content)assistant_response_str = assistant_response.msgs[0].content3. 辅助功能函数URL搜索:打开一个存放网址信息的txt文件(帮我创建好这个文件),然后通过目标岗位和地点让大模型分析来获取最符合的网址信息。爬取信息4. 具体功能函数职位推荐:调用大模型根据目标岗位和地点以及输入的简历内容,推荐三个适合的职位,并给出推荐原因。简历分析:首先通过爬取信息函数抓取相关信息,然后调用大模型结合用户的简历内容,推荐最适合的三个职位,并解释推荐原因。简历优化:接收简历文件和目标职位作为输入,调用大模型根据目标职位对简历内容进行优化,生成优化后的简历文件,并提供改进建议。根据上面的要求创建对应的文件并填充大概的代码框架
如何跟通义灵码提需求,更详细流程可参考:
https://mp.weixin.qq.com/s/dNcZ-_WhHtWCd5TuMfMxfw
?个人SDK token 获取:https://modelscope.cn/my/myaccesstoken(注:需关注到期时间)
在通义灵码生成文件和代码后,注意甄别代码是否合理,例如:在第一次生成代码时,由于“大模型加载与调用”的描述过于笼统,并且这个部分本身可以进行很复杂的配置,所以通义灵码会将这一部分写得很复杂,所以我们可以将准备好的接口代码直接告诉通义灵码,让它基于已有的代码来进行代码生成。
初步的代码框架显示结果如下(可以看到,通义灵码生成的代码相对结构严谨,更适合我们去进一步开发):
功能完善
将网页信息爬取以及各种功能组件进行完善,确保正常运行。
例如: 我们需要使用Crawl4AI工具,告诉通义灵码将爬取信息函数替换为我们的接口函数,告诉它我们使用时要做的具体调整(如将爬取的结果写入指定文件),并且在其他文件中修改相应的调用代码;在search_urls函数中发现注释是:使用特定模型进行分析,说明还没有用到我们在全局配置model.py中加载好的模型,我们就需要告诉通义灵码需要在这里调用model.py中加载的模型
在utils.py中将爬取信息的函数改为下面的函数,加上逻辑:爬取的url地址通过search_urls获得,将爬取到的信息写入一个txt文件中。同时修改在其他文件的调用async def bug_search(target_position, target_location): async with AsyncWebCrawler() as crawler: result = await crawler.arun( url="https://www.nbcnews.com/business", ) print(result.markdown)
在search_urls函数中调用model.py的模型进行分析来返回结果
同样,我们可以完善各个功能直到成功运行
功能添加
在基本功能实现后,我们可以添加更多功能,这个时候就可以体现出多文件修改的强大之处
例如:我们想要在职位推荐中添加目标城市和固定的目标岗位,以便爬取信息时爬取更加相关的信息。
在职位推荐模块的目标岗位和地点输入时,把这两个输入做成一行两列的样式,并加上下拉菜单,可以在下拉菜单中选择岗位和城市,也可以直接输入,在utils.py设置一些全局的常用的城市和岗位(尽可能多)作为可以选择的元素
最终结果:
以上主要介绍了如何使用 Notebook IDE 环境和通义灵码工具来具体开发 AI 产品,通过前面的介绍,可以感受到好的开发环境和开发工具往往可以让开发过程事半功倍,也可以更快更好地解决一些实际问题。
随着 AI 代码生成工具不断成熟,动动手指,你的 AI 产品马上变成现实~