对于许多用户来说，生成式人工智能，无论是代码、文本、图像还是其他用例，都像是一个神奇的黑盒子。用户通常会浏览一个网站、安装一个应用程序或设置一个扩展，然后开始看到人工智能工具的结果。但是，你有没有想过，这个神奇的黑盒子里到底装了什么，或者它到底是如何工作的？

在这篇文章中，我们将为您揭开 Cody 代码 AI 完成的神秘面纱，Cody 是我们的代码 AI 助手，它了解您的整个代码库。利用大型语言模型（LLM）生成代码 AI 响应是一件非常简单的事情，但在生产级应用程序中这样做，既要服务于许多不同的用例、编码语言、工作流和其他变量，又要实现高水平的完成接受度和开发人员的满意度，则完全是另外一回事了。我们将介绍底层 LLM 的重要性，并将实施扩展到一个功能齐全的人工智能工程系统，其中包括各种前处理和后处理步骤，讨论上下文的作用和如何检索上下文，以及探索代码人工智能完成的生命周期。让我们深入探讨！

代码补全 101

代码自动补全请求的最基本形式是在编辑器中获取当前代码，并要求 LLM 将其补全。你也可以在 ChatGPT 中这样做！请看下面的例子：

// sort.js

function bubbleSort(array) {

 |

}

从这个有限的文件中，我们已经掌握了很多信息：

光标位于函数体内部，因此用户很可能会在这个位置继续编写代码

我们知道文件名是 sort.js

光标之前的代码（我们称之为前缀）对我们要编写的代码有很强的提示作用

光标之后的代码（后缀）是空的，只有一个结尾括号。