原地起飞！智能代码补全，让编程更高效！-TabNine

在编程的世界里，每一行代码都是智慧的结晶，而编写代码的过程则是对智慧的挑战。为了提高编程效率，开发者们不断寻求新的工具和技术支持。近年来，随着人工智能技术的飞速发展，AI自动补全插件应运而生，其中TabNine便是其中的佼佼者。

TabNine是一款基于深度学习的IDE AI自动补全插件，它不同于传统的自动补全工具，而是通过深度学习技术，根据已有的代码片段预测并补全后续的代码。这种智能化的补全方式，极大地提高了编程效率，减少了程序员在编写代码时的思考时间。

TabNine的特点在于其强大的支持能力和易用性。首先，它支持几乎所有主流的IDE，包括VSCode、IntelliJ IDEA、Sublime Text、Vim、Atom和Emacs等，这意味着无论你喜欢使用哪种IDE，都可以轻松集成TabNine。其次，TabNine理论上支持几乎所有的编程语言，无论你是Python、Java、JavaScript、C++还是其他语言的开发者，都可以从中受益。

在使用上，TabNine也极具便利性。它采用了开箱即用的设计理念，无需进行繁琐的配置，只需简单的安装步骤，即可在你的IDE中启用TabNine。安装完成后，当你在编写代码时，TabNine会根据上下文信息自动提供补全建议，你只需选择合适的补全选项即可。

TabNine简介

Deep TabNine 是由滑铁卢大学的计算机科学本科生 Jacob Jackson 创建的编码自动完成器，程序员可以将它作为附件安装在他们选择的编辑器中，程序员写代码时，这个程序会给出下一行代码建议，每次提供一小段代码。你可以将它理解为 Gmail 的智能撰写功能用到了代码上。

据悉，Jacob 于 2018 年 2 月开始研究该软件的原始版本，在 11 月发布之前它叫做 TabNine。本月早些时候，他发布了一个更新版本，该版本使用由研究实验室 OpenAI 设计的深度学习文本生成算法模型 GPT-2 来改善能力。该模型使用 Transformer 架构，旨在解决自然语言处理中的问题，Deep TabNine 用这个架构来理解代码中的英语。例如，模型可以使用 if / else 语句来进行否定。在训练时，模型的目标是根据前面给定的 token 来预测下一个 token。

Deep TabNine 使用 GitHub 的近 200 万个文件进行了训练，它具有预先存在的知识，而不是仅仅从用户当前的项目中学习。此外，这个模型还引用以自然语言编写的文档来推断函数名称、参数和返回类型。它还能利用传统工具难以发现的小线索。例如，它可以理解 app.get_user（）的返回类型被假定为具有设置器方法的对象，且 app.get_users（）的返回类型被假定为列表。

TabNine是一款比较年轻的开发工具，刚发布的时候还是比较惊艳的，那个时候OpenAI刚开源GPT-2模型不久，TabNine基于GPT-2模型在海量代码数据上进行调优，打造出了一款针对代码的深度学习引擎，它能智能识别代码的上文信息，提供长序列的代码补全结果。目前，已经被Codota公司收购，并主推该工具，宣称支持所有主流的开发语言。

TabNine的优缺点

1.优点

代码提示功能强大

支持超级多的语言

支持主流的编辑器和IDE

能通过机器学习，记忆你经常写的代码，进行超级全面的提示（中文和符号都可以提示）

最可怕的时候，可以连续提示一整行

智能代码补全：无论你是在编写新的代码还是重构旧项目，TabNine都会根据你正在编写的上下文提供实时的补全建议，减少手动输入的时间。

跨文件支持：它不仅考虑当前文件的内容，还能记住你的项目结构和已打开的其他文件，以给出更为准确的建议。

插件兼容性：TabNine作为一个独立的插件，可以在各种流行IDE中工作，无需改变你的开发环境。

节省时间：对于常见或重复的编码任务，TabNine能显著提高生产力，让开发者有更多的时间专注于创新和解决问题。

2.缺点

代码提示的是很全，写的也很快，但是一定要注意提示的有没有问题，要不然该bug的时间会超级长，得不偿失了

对电脑的配置的要求很高；电脑的内存至少要8g，因为这个插件会占1g多，而且还挺耗CPU的

使用体验

优势

在针对Java语言的体验中，TabNine能对很多情况都生成较长的代码序列，不仅支持代码符号，也支持字符串、注释、Javadoc等内容的自动提示，在这方面还是比较方便的，但是通常自动提示的效果不是很好，毕竟这类信息的生成是需要理解代码的，而TabNine只能根据上文学习的模式进行生成，没有真正理解到代码的逻辑。除了Java文件，Java工程相关的文件如Yaml、properties等配置文件，它也能根据一定的模式进行自动提示。

但是TabNine经常会推荐生成了一半的补全结果，也会经常推荐出本工程内不存在的API，最让人不能接受的地方是如果是使用离线模式，内存占用量非常高，cpu占用有时候也会比较高。下面我们来看几个示例（以下示例基于TabNine Pro版本）：

1）TabNine提供的代码补全经常会出现不完整代码片段，比如下图中的 HSSFWork。