简化软件开发的五款机器学习工具

【51CTO.com快译】使用机器学习的开发人员开展的讨论大多围绕着创建基于AI的应用程序以及用于创建它们的工具：TensorFlow、PyTorch和Scikit-learn等。

但是机器学习还在另一个方面影响软件开发：通过新的开发工具，这种工具使用机器学习技术使编程更轻松、更高效。本文介绍了五个项目：三个商业项目、两个实验项目，它们让机器学习在开发过程中为开发人员所用。

Kite

Kite是一种代码完成工具，适用于大多数主要的代码编辑器，它使用机器学习技术在你敲键输入时填写代码。

Kite使用的机器学习模型是以这种方法创建的：拿来GitHub上公开可用的代码，从中获得抽象语法树，将其作为模型的基础。据Kite声称，这可以从代码的上下文和意图(而不仅仅是从文本)获得自动建议和自动完成。

眼下，Kite仅面向Python开发人员，但支持Go的功能正在开发中。虽然Kite最初只适用于Windows和MacOS用户，但现在它也支持Linux。

2017年，Kite因处理用户数据不当及修改面向Atom的autocomplete-python软件包而在开源社区引发关注。这家公司已解决了这两个问题，声称Kite不再将用户代码发回到云服务器，而是在本地执行所有处理，并明确承认autocomplete-python软件包是Kite倡导的软件包。

链接：https://kite.com/

Codota

Codota与Kite非常相似。它使用机器学习模型，拿Java和Kotlin代码来训练，在你键入时为这些语言自动完成代码。与Kite一样，Codota使用代码的语法树，而不仅仅是文本，作为构建模型的数据。

与改版后的Kite不同，Codota使用基于云的服务来生成和提供预测。然而据该服务的文档显示，Codota并不将用户代码发送到Codota服务器，只发送“来自当前编辑的文件的少量上下文信息，以便我们根据目前的本地范围进行预测。”

Codota适用于Windows、MacOS和Linux，但编辑器支持仅限于IntelliJ、Android Studio和Eclipse(Luna或更高版本)。鉴于它专注于Java和Kotlin语言，这有其道理。该公司特别指出，支持其他语言的功能正在开发中，JavaScript排在第一位。(现在拥有针对JetBrains JavaScript IDE：WebStorm的测试版支持。)

免费版Codota使用从免费获取的代码创建的预测。企业版可以使用私有代码存储库来用于训练。

链接：https://www.codota.com/

DeepCode

DeepCode可以在AI的指导下自动审查代码，以检测潜在的安全漏洞。与Kite和Codota一样，DeepCode分析公共存储库中可用的代码以查找常见模式。但DeepCode使用那些模式来识别安全漏洞。

DeepCode专注于“污点分析”(taint analysis)，确定用户输入在到达任何安全关键点之前是如何处理的。如果未验证是否可以安全传送，直接从用户输入到SQL查询的数据被视为“污点”，引发警报。

DeepCode声称可以标记的严重错误包括Web应用程序中常见的安全问题：跨站脚本、SQL注入攻击、远程代码执行和路径遍历攻击。

DeepCode的分析适用于GitHub和Bitbucket存储库，对于开源项目或至多30名开发人员的私有项目而言，它们不需要任何费用。DeepCode还可用于扫描本地代码托管(比如GitHub Enterprise)，可索取价目表。

链接：https://www.deepcode.ai/

微软PROSE

PROSE的全称是“使用示例进行程序合成”。微软的这个项目是用于从示例输入和输出生成代码的SDK。因此，PROSE这个工具包可用于构建预测编码工具，而它本身不是预测编码工具。

潜在的PROSE应用领域包括通过示例转换文本(其中一个实现是微软在Excel中的“Flash Fill”功能)、从文本文件中提取数据(比如日志分析)以及预测文件操作(比如通过示例将文本拆分成多列)。

链接：https://microsoft.github.io/prose/

Pix2code

Pix2code的理念听起来像科幻小说。为Pix2code提供图形用户界面的屏幕截图，它会生成呈现该GUI的代码。Pix2code使用深度学习模型，使用软件随附的数据集进行训练，以生成Android XML、iOS Storyboard和HTML/CSS等格式的GUI。Pix2code是一个实验研究项目(“仅供教育用途共享”)，因此用它完成的任何工作都需要使用该项目作为进一步开发的基础。

链接：https://github.com/tonybeltramelli/pix2code

原文标题：5 machine learning tools to ease software development，作者：Serdar Yegulalp