코딩에서 파일 도구의 한계 및 개선 사항

커서 IDE는 VS 코드를 확장하여 효율적인 검색을 위해 코드를 인덱싱하고 시맨틱 쿼리와 컨텍스트 기반 코드 생성을 통해 최적의 결과를 얻을 수 있도록 지원합니다.

### AI 코드 생성 도구 및 기술 개요
* '**파일 도구'는 AI 코드 생성에 사용되는 기본 도구**이지만 작업을 수동으로 오케스트레이션해야 하고, 대규모 작업이나 코드 베이스를 해석할 수 없으며, 기능이 제한되는 컨텍스트 창을 사용하는 등의 한계가 있습니다.
* 🔄 "코파일럿 채팅"과 "파일 도구"와 같은 현재의 도구는 GPT-4에 비해 한계가 있습니다. 이러한 한계를 극복하기 위해 **메모리 컨텍스트를 늘리기 위한 '다리', 기능 향상을 위한 '계획' 및 '해결'**과 같은 기술이 도입되었습니다.
* 🔒 내부 코드가 OpenAI와 같은 외부 플랫폼에 노출되면 지적 재산이 유출될 위험이 있습니다. 따라서 **클로즈소스 대규모 언어 모델(LLM) 기술**을 고려해야 합니다.
* 🔍 "커서 IDE"는 **"파일러"와 유사한 AI 코드 생성 도구**로, **VS Code를 확장**하고 **벡터 저장소에서 전체 코드 기반을 색인화**합니다. 요청에 따라 **관련 코드 스니펫을 자동으로 추출**하여 **제한된 컨텍스트 창에 표시**합니다.
* 💬 '커서 IDE'로 쿼리할 때 시맨틱 쿼리가 수행되어 코드베이스에서 **특정 함수나 메시지가 사용된 모든 파일**을 찾습니다. 이 도구는 관련 코드 스니펫을 스크랩하여 제시함으로써 '사서'와 같은 역할을 합니다.
* '커서 IDE'에서 사용자 지정 ID를 사용하면 **관련 코드의 버그를 정확하게 찾아 수정**할 수 있을 뿐만 아니라 **여러 곳에서 수정이 필요한 코드를 생성**할 수 있습니다.
* 🚀 '커서 IDE'에는 어떤 파일의 **특정 부분을 수정하는 방법**을 식별하도록 미세 조정된 자체 모델이 있습니다. 이를 통해 도구가 자동으로 필요한 부분을 찾아서 편집할 수 있으므로 생산성이 향상됩니다.
* 📊 '파일러', '지우개', '추가' 등 다양한 AI 코드 생성 도구가 있으며, **특정 사용 사례에 가장 적합한 도구**를 찾기 위해 이러한 도구를 탐색하고 실험해 보는 것을 권장합니다.

Well, not everyone can do this well or continue to research, so we need to rely on tools. Among them, the most basic tool we can use is the file tool. Have you tried using the file tool? The limitations of the file tool are that I am the controller. I need to orchestrate tasks like generating and bringing in code, testing, and so on. Therefore, integration needs to be done by me. Also, due to the limitations of the context window, it cannot interpret large tasks or large code bases. Furthermore, since it does not use the GPT-4 model as it is, there are current limitations in what Copilot Chat or File Tool can do compared to what was possible with GPT-4. It is constantly evolving, so I am talking about the current limitations as of February 2024, at the end of January.

I am telling a story. So, in order to improve those things, we have applied technologies like Leg that increase memory context, and then technologies like Plan and Solve have been included. Also, when the internal codes are exposed to places like OpenAI, our intellectual property leaks externally, so there are many cases where we cannot use them. Therefore, we also need to consider utilizing closed-source LLM technologies. In the case of Filer, they are all just used publicly, so various tools that I will talk about later can use closed-source LLM like codes. So, in the last session today, there is also content on how to apply closed-source LLM. Among various IDE tools, there is something similar to Filer called Cursor IDE.

Cursor IDE is extending the VS Code, so what it does is, it indexes the entire code base in a vector store, which is a technology of vector databases. So, in order to facilitate extensible generation, it automatically extracts various related codes when I request various codes. For example, if I want to fix a bug in the code, it automatically extracts various related codes related to that bug from the indexed whole code base. It then presents only the source code parts that need to be reviewed within a limited context window through LML. This tool is designed to lead us to the optimal results we desire. It provides explanations in the overall context. Once I install Cursor IDE here and actually use it, for example, I will show you one thing. If I look here, there is a function called load. I will try asking where this function is being used. Let me do it here like this, and then in the chat or.

I will ask where this function is used. When you just send it, it only understands the text in the file because it costs money. The default option is to send only a small token amount. So, it won't be able to explain well where it's used. It will say it can't confirm. But when you mention it and ask to check in the entire codebase, different results come out. First, I'm querying. This thing is doing semantic queries. So, in our entire codebase here, all the files where this load message is used are first found. Then, from what is found, we extract only the areas related to chunks, meaning areas of sentences, and put them in the context window.

You can submit it in one place and ask questions together. It's like a librarian. If I'm a lawyer, I go to the library and find all the things related to this patent, and bring them back, that's what scraping is. When the lawyer sees what has been scraped, the lawyer decides if this patent is possible or not. So, the message here is being used, and additional messages about where it is used will come out. These things will now be expanded, so you can use things like custom IDs. And if you use custom IDs, you can do a lot more work. For example, if there is a bug in the related code, you can find that bug as accurately as possible, and because you understand the entire context and when you generate the code, what is generated is GPT-4.

Through this, it will go, so GPT 44 just talks about this and that. This needs to be edited here and there. With these words, you need to touch multiple codes, so you need to edit the configuration file and modify parts of a specific source code in several places. Understanding the context, it has its own model, which is a fine-tuned model that identifies how to modify which part of which file. Therefore, it automatically finds and makes the necessary edits to that part. By using this kind of console, you can increase productivity. So, there are running comparisons, and since there is a comparison on Medium, there are tools like file eraser and add, etc., so it would be good to try using all of them once.

3. Copilot의 한계와 Cursor IDE

최고의 전문 컨텐츠로 가장 쉽게 시작하는 AI와 마이크로서비스 아키텍쳐 채널을 만들어가는 유엔진입니다. 

비즈니스 문의
help@uengine.org


uEngine

파일 도구 사용의 한계와 진화하는 기술

파일 도구는 사용자의 제어와 컨텍스트 창에 의해 제한되기 때문에 대규모 작업이나 코드 베이스를 해석하는 데 어려움이 있습니다.

현재 파일 도구의 기능은 GPT-4만큼 발전하지 못했지만 레그, 플랜, 솔브와 같은 진화하는 기술이 구현되어 성능을 향상시키고 있습니다.

파일 도구의 한계를 해결하고 기능을 개선하기 위해 파일러 및 커서 IDE와 같은 비공개 소스 LLM 기술의 사용도 고려되고 있습니다.

커서 IDE는 벡터 저장소에 전체 코드 기반을 인덱싱하고 요청 시 관련 코드를 자동으로 추출하여 검토 프로세스를 용이하게 함으로써 VS 코드를 확장합니다.

제한된 메모리 LML을 사용하여 제한된 컨텍스트 창 내에서 소스 코드의 관련 부분을 표시하고 전체 컨텍스트에서 최적의 결과와 설명을 제공하도록 설계되었습니다.

이 도구는 전체 코드 베이스에서 시맨틱 쿼리를 통해 특정 메시지가 사용된 모든 파일을 찾고 관련 문장을 추출하여 코드의 사용법에 대한 포괄적인 개요를 제공합니다.

스크래핑이 법적 의사 결정에 미치는 영향

스크래핑은 특허 실행 가능성 등 법적 의사 결정을 위한 정보를 수집하는 데 사용됩니다.

사용자 지정 ID는 스크래핑 프로세스를 향상시켜 관련 코드에서 보다 정밀한 버그 탐지를 가능하게 합니다.

컨텍스트를 포괄적으로 이해한 코드 생성의 궁극적인 결과는 GPT-4입니다.

GPT-44를 사용하여 소스 코드를 자동으로 수정하여 생산성 향상하기

GPT-44는 소스 코드의 특정 부분을 식별하고 편집하여 생산성을 높이기 위해 세밀하게 조정된 모델입니다.

비교를 실행할 수 있으며 효율적인 코드 편집을 위해 파일 지우개 및 추가와 같은 도구를 제공합니다.