基于DeepSeek + VSCode 實現AI輔助編程

2025-04-07 00:00:00

隨著人工智能技術的飛速發展，AI 輔助編程逐漸成為提升開發效率、優化代碼質量的重要工具。本文通過結合 DeepSeek 的強大語言模型和 VSCode 的高效開發環境，展示了如何利用 AI 輔助編程完成一個經典的 MapReduce 詞頻統計任務。

隨著人工智能技術的飛速發展，AI 輔助編程逐漸成為提升開發效率、優化代碼質量的重要工具。本文通過結合 DeepSeek 的強大語言模型和 VSCode 的高效開發環境，展示了如何利用 AI 輔助編程完成一個經典的 MapReduce 詞頻統計任務。這一實踐不僅展示了 AI 在編程中的應用潛力，還為開發者提供了一個高效、便捷的開發流程示例，幫助讀者快速上手 AI 輔助編程，并探索其在實際項目中的應用價值。

實驗環境：

VSCode
Cline
DeepSeek
Ubuntu 22.04
Hadoop 3.3.5

以上實驗環境并不要求完全一致，能實現效果即可。

安裝與配置Cline

Cline 是一個 VSCode 插件，可以接入 DeepSeek 的 API，用于生成代碼、解釋代碼或者修復代碼問題。在VSCode左側“擴展”中搜索Cline并下載

圖片

安裝完成后，我們點擊右上角齒輪圖案進入設置，選擇當前的AI輔助編程使用的大模型。對于DeepSeek，我們有兩種方案：

使用已經安裝好的本地Ollama服務：https://dblab.xmu.edu.cn/blog/5816/ 可以參考這篇博客中的Ollama安裝DeepSeek-r1，輸入對應的Ollama服務地址，如http://localhost:11434，如果Ollama服務正確運行，則會顯示你已經安裝的模型，如下圖中的deepseek-r1-1.5b:latest

圖片

可以使用DeepSeek提供的API，至https://platform.deepseek.com/usage 中就可以購買并獲得API

配置完成后就可以開始使用Cline，具體的功能可以對照下圖

圖片

AI輔助編程-以詞頻統計案例為例實現

為了更好地展示AI輔助編程的效果，筆者在這采用使用DeepSeek API的方式，這樣的請求方式能使用滿血的DeepSeek，方便讀者們看到效果，實際實驗的過程中，使用自己安裝的DeepSeek 7b也是可以的。

為了更好地實現輔助編程，我首先用maven創建了一個干凈的新項目，項目的架構圖為

demo
├─ pom.xml
├─ src
│  └─ main
│     └─ java
└─ target

我本機安裝的hadoop版本為3.3.5，因此我提前在pom.xml中引入基礎的包，方便AI使用

<?xml versinotallow="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocatinotallow="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
  <modelVersion>4.0.0</modelVersion>

  <groupId>com.example</groupId>
  <artifactId>demo</artifactId>
  <version>1.0-SNAPSHOT</version>

  <name>demo</name>
  <!-- FIXME change it to the project's website -->
  <url>http://www.example.com</url>

  <properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    <maven.compiler.source>1.8</maven.compiler.source>
    <maven.compiler.target>1.8</maven.compiler.target>
    <hadoop.version>3.3.5</hadoop.version> 
  </properties>

    <dependencies>
    <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>4.11</version>
      <scope>test</scope>
    </dependency>
    <!-- 導入hadoop依賴環境 -->
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-core</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-yarn-api</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
  </dependencies>

  ...
</project>

之后新建對話的第一個問題就詳細描述我要完成的任務：

**任務目標**
使用JAVA語言，用MapReduce框架實現詞頻統計，要求輸出詞頻排序結果

**輸入數據**

1. txt格式
2. 請你隨意生成三個txt內容用于測試，文件不用很大，每個文件有幾條數據即可

**開發要求**

1. 在我當前創建好的maven項目中開發
2. 輸入數據和輸出數據都保存在本地，不需要使用HDFS
3. 直接返回代碼，告訴我我該怎么做。

之后Cline根據我的要求，編寫好對應的promt去請求DeepSeek，并依次創建了測試數據文件

圖片

接著又依次根據我的需求，創建了

WordCountMapper.java

WordCountReducer.java

WordCount.java

圖片

package com.example;

import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class WordCountMapper extends Mapper<Object, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context) 
            throws IOException, InterruptedException {
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()) {
            word.set(itr.nextToken());
            context.write(word, one);
        }
    }
}

package com.example;

import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values, Context context)
            throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable val : values) {
            sum += val.get();
        }
        result.set(sum);
        context.write(key, result);
    }
}

package com.example;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {
    public static void main(String[] args) throws Exception {
        if (args.length != 2) {
            System.err.println("Usage: WordCount <input path> <output path>");
            System.exit(-1);
        }

        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

之后Cline認為代碼編寫完成，可以使用maven直接打包，并用hadoop指令運行，但這時候遇到了一個問題，我并沒有配置hadoop的環境變量（也就是說用hadoop指令需要到我安裝的hadoop目錄/usr/local/hadoop下），因此我提示了Cline這一點

圖片