詳細解釋
理解周圍代碼上下文（變量類型、函數定義、項目結構）的智能代碼補全，與僅基於語法模板的簡單補全相對。
傳統補全：
- 語法關鍵字：輸入 "if" 建議條件語句模板
- 靜態分析：知道變量類型，建議方法名
- 局限：不考慮語義意圖
上下文感知：
- 語義理解：知道變量用途，建議有意義的操作
- 跨文件：知道其他文件中定義的函數
- 項目風格：匹配項目的命名約定和模式
- 註釋驅動：根據 docstring 生成實現
AI 驅動的進化：
- 機器學習：基於大量代碼統計學習模式
- 深度學習：GPT/Copilot 理解自然語言註釋
- 整個項目索引：不僅當前文件
代表工具：
- TabNine：最早使用深度學習的代碼補全
- GitHub Copilot：基於 GPT，最強大的上下文理解
- IntelliCode：微軟的 AI 輔助，基於代碼圖譜
- Kite：早期 AI 補全工具（已停運）
評估維度：
- 接受率：開發者實際使用的建議比例
- 延遲：建議出現速度（<50ms 理想）
- 精確率：建議正確可用比例
- 覆盖率：多少場景有建議
挑戰：
- 隱私：上傳代碼到雲端分析
- 安全：生成的代碼可能有漏洞
- 過度依賴：開發者思考能力下降
這是「AI 編程助手」的核心功能—— 從「語法幫助」到「意圖預測」。