主要观点：AI 编码助手能快速生成代码、减少手动重复、提供新方案，本文探索其如何成为强大编码伙伴，节省时间、提升创造力、使工作更高效。
关键信息：

• 介绍部分：是系列文章第二篇，强调生成代码，使用 IntelliJ IDEA 的 DevoxxGenie 作为 AI 编码助手，有两种设置（Ollama + qwen2.5-coder 在 CPU 运行，LMStudio + qwen2.5-coder 在 GPU 运行），相关源代码在 GitHub 。
• 先决条件：需有基本编码、AI 编码助手、DevoxxGenie 知识。

• 各任务及结果：

  • 生成 Javadoc：LMStudio + qwen2.5-coder 在 GPU 环境下，生成的 Javadoc 较好但可更详细，还添加了未要求的构造函数且忽略指令。
  • 生成名称：可帮助生成类、方法、变量等名称，不同温度设置下响应不同，有时温度 0.7 更具创造性但有时响应较短。
  • 生成 Docker Compose 文件：Ollama + qwen2.5-coder 在 CPU 环境下，能正确生成并解释 Docker Compose 文件。
  • 生成 Cron 表达式：LMStudio + qwen2.5-coder 在 GPU 环境下，起初生成的表达式有问题，经多次调整后正确，表明提示用词重要，有时需重新开始新提示。
  • 重构代码：LMStudio + qwen2.5-coder 在 GPU 环境下，能给出代码改进建议，如拆分过长复杂方法等，但建议代码不完全正确，云 LLM（Anthropic Claude 3.5 Sonnet）与本地 LLM 结果类似。

  结论：

• AI 编码助手在生成 Javadoc、名称、小编码任务方面表现好，默认编码任务设温度 0 更准确，创意任务可提高温度，迭代提示能提供更好结果，改变用词有影响，开始用短提示并给出明确期望，要审查理解响应，本地 LLM 能接近云 LLM 水平。