IntelliJ IDEA 接入 AI 编程助手(Copilot、DeepSeek、GPT-4o Mini)

IntelliJ IDEA 接入 AI 编程助手(Copilot、DeepSeek、GPT-4o Mini)

IntelliJ IDEA 接入 AI 编程助手(Copilot、DeepSeek、GPT-4o Mini)

📊 引言

近年来,AI 编程助手已成为开发者的高效工具,它们可以加速代码编写、优化代码结构,并提供智能提示。本文介绍如何在 IntelliJ IDEA 中集成 DeepSeek、GPT-4o Mini、GitHub Copilot,并探索 本地 AI 编程助手 方案,帮助开发者在不同场景下提升编程效率。


👨‍💻 1. GitHub Copilot 集成

Copilot 是由 GitHub 和 OpenAI 推出的 AI 代码补全工具,它可以根据上下文智能生成代码片段。
GitHub Copilot 免费版 vs 付费版对比。

功能免费版付费版
代码补全每月 2,000 次代码补全建议无限制代码建议
Copilot Chat每月 50 条聊天消息无限制聊天消息
AI 模型选择可选择 Claude 3.5 Sonnet 或 GPT-4o额外提供 o1-preview 和 o1-mini 模型
跨文件编辑支持支持
Copilot 扩展生态系统访问支持支持
拉取请求摘要不支持支持
组织范围的策略管理不支持支持
审核日志不支持支持
增加的 GitHub 模型速率限制不支持支持
Copilot 知识库不支持支持
大语言模型微调不支持支持

1.1 安装 GitHub Copilot 插件

  1. 打开 IntelliJ IDEA,进入 File > Settings(Windows)或 Preferences(Mac)。
  2. Plugins 搜索 GitHub Copilot
  3. 点击 Install 并重启 IDEA。
在这里插入图片描述

1.2 配置 GitHub Copilot

  1. 进入 Settings > GitHub Copilot,登录 GitHub 账户。
  2. 启用 Copilot SuggestionsCopilot Chat
  3. 在代码编辑器中尝试输入 /** 或函数定义或者注释,Copilot 会自动补全。
在这里插入图片描述

需要个人 Github 账号开启 Copilot,插件下载完成后按照指引进行登录 Github 并进行功能授权验证,验证完成后即可体验 Github Copilot。

1.3 Copilot 代码辅助示例

代码自动补全(通过注释理解我们需要写的代码逻辑进行补全)。

在这里插入图片描述


可选择指定代码文件点击 Copilot Chat 进行对话代码推理分析,优化我们的代码或者帮我们完成描述的需求。

请添加图片描述


📢 IntelliJ IDEA 接入 AI 编程助手 Github Copilot 安装部署操作详细视频已更新


🤖 2. DeepSeek 集成

DeepSeek 是国产 AI 编程助手,支持类代码补全,具备更强的中文理解能力。DeepSeek 需要通过 API 方式接入或本地部署。这里介绍一款插件 CodeGPT,一款人工智能代码助手,已经支持集成市面上常见的大模型,我们通过它接入 DeepSeek。

2.1 安装 CodeGPT 插件

  1. 在 IDEA 插件市场 搜索 CodeGPT
  2. 安装插件并重启。

2.2 配置 API Key 或本地部署

如果使用本地部署,需要运行本地模型,并配置请求地址(具体步骤可参考【DeepSeek + Ollama 本地部署全流程】),下面主要演示 API Key 配置场景。

1.进入 Settings > Tools > CodeGPT > Providers,选择 Custom OpenAI

在这里插入图片描述


2.配置 Custom OpenAI,选择 OpenAI(DeepSeek接口有考虑 OpenAI 兼容,所有大致参数可不变),输入DeepSeek的 API Key(可从 DeepSeek API 官网获取)。

在这里插入图片描述


填写 DeepSeek 上创建的 API Key。

在这里插入图片描述


3.通过 Custom OpenAI 这种方式需要手动填写 DeepSeek API 地址,可以参考官方文档:https://api-docs.deepseek.com/zh-cn/

在这里插入图片描述


按照官网对应的URL进行填写:https://api.deepseek.com/chat/completions

在这里插入图片描述


注意请求的 Headers 可不用变更,需要将 Body 中的 model 修改为:deepseek-reasoner,保存即可。
deepseek-chat 模型已全面升级为 DeepSeek-V3,接口不变。 通过指定 model=‘deepseek-chat’ 即可调用 DeepSeek-V3。
deepseek-reasoner 是 DeepSeek 最新推出的推理模型 DeepSeek-R1。通过指定 model=‘deepseek-reasoner’,即可调用 DeepSeek-R1。

在这里插入图片描述


注意由于当前DeepSeek现在已经停止API接口服务充值,新用户需要等待后续恢复之后再尝试使用。(现在已经恢复充值,大家可以去体验了)
📢 IntelliJ IDEA 接入 DeepSeek R1/V3 安装部署操作详细视频已更新

🛠️ 3. GPT-4o Mini 集成

GPT-4o Mini 是 OpenAI 推出的轻量级 GPT-4o 版本,通过 CodeGPT 插件接入 IntelliJ IDEA,并且是 免费 使用的(每月有次数限制)。

3.1 安装 CodeGPT 插件

  1. 在 IDEA 插件市场 搜索 CodeGPT
  2. 安装插件并重启。

3.2 配置 GPT-4o Mini

  1. 进入 Settings > Tools > CodeGPT > Providers,选择 CodeGPT。
  2. 填写 CodeGPT 的 API Key (CodeGPT官网)

Chat 模型选择 GPT-4o Mini 。启用 Enable Code AssistantEnable code completions 选项。

在这里插入图片描述

3.3 GPT-4o Mini 智能分析代码示例

使用后觉得效果很不错。

在这里插入图片描述

🔄 4. AI 代码助手对比分析

工具特点适用场景
GitHub Copilot云端 AI 代码补全适合日常开发,智能推荐代码
DeepSeek强中文理解能力,需 API适合国内开发者,支持 API 调用
GPT-4o Mini免费使用,通过 CodeGPT 插件接入适合初学者或轻量 AI 辅助
Ollama + DeepSeek本地模型运行适合私有部署,保护代码隐私

📈 总结

本文介绍了 IntelliJ IDEA 接入 AI 编程助手 的多种方式,包括 GitHub Copilot、DeepSeek、GPT-4o Mini,以及 本地 AI 部署方案。开发者可根据 需求、安全性、网络环境 选择合适的 AI 助手。

如果你有更好的 AI 代码助手推荐,欢迎在评论区交流!


🌟 你的支持是我持续创作的动力,欢迎点赞、收藏、分享!

Read more

AI 大模型落地系列|Eino 组件核心篇:Embedding 到底解决了什么

AI 大模型落地系列|Eino 组件核心篇:Embedding 到底解决了什么

Embedding 使用说明 * 有啥用?! * 他能干嘛? * 它不能直接干嘛? * 总结: * 浅用之法 * 食用之法 * 一、最基本用法:直接调用 `EmbedStrings` * 1. 创建 embedder * 2. 调用 `EmbedStrings` * 3. 向量拿来干嘛 * 二、完整demo * 三、带 Option 怎么用 * 四、在编排中怎么用 * 在 Chain 中使用 * 在 Graph 中使用 * 五、带 Callback 怎么用 * 六、真实场景 * 场景:做知识库问答 * 第一步:把知识库切块 * 第二步:给每个 chunk 生成向量 * 第三步:存起来

Code Llama分词器深度解析:从原理到实战的完整指南

Code Llama分词器深度解析:从原理到实战的完整指南 【免费下载链接】codellamaInference code for CodeLlama models 项目地址: https://gitcode.com/gh_mirrors/co/codellama 在人工智能编程助手领域,Code Llama分词器扮演着至关重要的角色,它是连接人类代码与AI模型理解的关键桥梁。本文将深入探讨这一核心组件的工作原理、技术实现和实际应用,帮助开发者全面掌握这一强大工具。 🎯 分词器的基本概念与核心价值 分词器的本质是将人类可读的文本转换为机器可理解的数字序列。想象一下,当你输入"def calculate_sum(a, b):"时,分词器会将其分解为多个有意义的单元,每个单元对应一个特定的数字标识。 在Code Llama项目中,分词器基于SentencePiece库构建,专门针对编程语言特性进行了优化。它不仅处理常规文本,还特别优化了代码结构、缩进、特殊符号等编程特有元素。 🔧 核心组件与技术架构 特殊标记处理机制 Code Llama分词器内置了多种特殊标记,

Cogito-v1-preview-llama-3B部署实战:低成本GPU算力适配与显存占用优化方案

Cogito-v1-preview-llama-3B部署实战:低成本GPU算力适配与显存占用优化方案 1. 引言:为什么选择这个3B小模型? 如果你正在寻找一个能力出众、对硬件要求又很友好的开源大模型,那么Cogito-v1-preview-llama-3B绝对值得你花时间了解一下。我最近在测试各种开源模型时,发现这个只有30亿参数的小家伙,在很多任务上的表现完全不输给那些动辄70亿、130亿参数的“大块头”。 简单来说,Cogito v1预览版是Deep Cogito推出的混合推理模型。它有个很特别的能力:既能像普通大模型一样直接回答问题,也能在回答前先“自我反思”一下,进行推理思考。这种设计让它特别擅长处理需要逻辑推理的任务,比如编程、数学题、或者需要多步思考的复杂问题。 更让人惊喜的是,它在大多数标准测试中都超过了同规模的其他开源模型,包括大家熟悉的LLaMA、DeepSeek和Qwen。这意味着你可以用更少的硬件资源,获得相当不错的模型能力。 2. 模型核心能力解析 2.1 混合推理:两种模式自由切换 Cogito模型最核心的特点就是它的“混合推理”架构。这听

PFRL源码探秘:从Q函数到策略网络的底层实现原理

PFRL源码探秘:从Q函数到策略网络的底层实现原理 【免费下载链接】pfrlPFRL: a PyTorch-based deep reinforcement learning library 项目地址: https://gitcode.com/gh_mirrors/pf/pfrl PFRL是一个基于PyTorch的深度强化学习库,提供了从Q函数到策略网络的完整实现,帮助开发者快速构建和训练强化学习智能体。本文将深入探索PFRL的核心模块实现原理,揭示深度强化学习算法的底层运作机制。 一、Q函数架构:价值估计的核心实现 Q函数作为值函数近似的核心组件,在PFRL中有着丰富的实现。从基础的DQN到复杂的决斗网络(Dueling DQN),PFRL提供了多种Q函数架构以适应不同的问题场景。 1.1 基础Q函数实现 PFRL在pfrl/q_functions/state_q_functions.py中实现了基础的状态Q函数。其中SingleModelStateQFunctionWithDiscreteAction类是离散动作空间Q函数的基类,通过前向传播方法计算状态价值: cl