#code_generation

2025-06-14

Метапрограммирование 2.0: макросы и генерация кода в современном мире

Забудьте про скучные «Hello, World». Макросы и шаблоны давно стали полноценными инструментами архитектора кода: от хитрых C++-шаблонов до процедурных макросов Rust и Java-аннотаций, автоматически генерирующих целые фреймворки. В этой статье мы рассмотрим примеры, где metaprogramming избавляет от рутины и экономит часы работы над проектом. Детали как всегда под катом.

habr.com/ru/companies/ruvds/ar

#ruvds_статьи #метапрограммирование #генерация_кода #макросы #code_generation #Rust #Java #C++ #metaprogramming #шаблонный_код

2025-06-14

Метапрограммирование 2.0: макросы и генерация кода в современном мире

Забудьте про скучные «Hello, World». Макросы и шаблоны давно стали полноценными инструментами архитектора кода: от хитрых C++-шаблонов до процедурных макросов Rust и Java-аннотаций, автоматически генерирующих целые фреймворки. В этой статье мы рассмотрим примеры, где metaprogramming избавляет от рутины и экономит часы работы над проектом. Детали как всегда под катом.

habr.com/ru/companies/ruvds/ar

#ruvds_статьи #метапрограммирование #генерация_кода #макросы #code_generation #Rust #Java #C++ #metaprogramming #шаблонный_код

2025-01-24

[Перевод] Чем отличается мой Type Predicate Generator?

Кратко: это максимально безопасный по типизации инструмент, генерирует статические файлы с кодом для максимальной совместимости, быстрый благодаря предварительной компиляции (AOT) и компактный. Также он предоставляет удобный генератор модульных тестов, чтобы можно было быть почти на 100% уверенным, что создаваемые предикаты работают, как ожидается. Этот пост предлагает детальное сравнение Generator с другими инструментами для проверки типов во время выполнения, а также дает более широкий обзор смежных тем. Со временем пост постепенно превращается в более аналитическую статью, а не просто "мой X круче, чем ваш Y". Погрузиться

habr.com/ru/articles/876514/

#type_safety #code_generation #jit

2024-10-24
2024-09-20

Присоединяйтесь к проекту Rustsn: призыв к разработчикам Rust, интересующимся областью ИИ(LLM)

Несколько дней назад я опубликовал статью Создание инструмента генерации кода с помощью Rust и локальных LLM от Ollama Проект Rustns призван упростить жизнь разработчикам Rust за счет автоматизации утомительных задач. Мой инструмент генерирует фрагменты кода Rust из объяснений пользователя, компилирует их, разрешает зависимости, генерирует тесты. Изначально проект задумывался как универсальное решение для генерации кода для самых популярных языков программирования, включая Java, Python и TypeScript. Я стремился создать инструмент, который бы облегчил работу разработчиков, предоставляя возможность генерировать код сразу на нескольких языках. Однако, приступив к реализации мультиязычности, я столкнулся с серьёзными трудностями. Попытка унифицировать код для различных языков оказалась куда более сложной задачей, чем я ожидал. Каждый язык программирования имеет свои особенности, что значительно усложняет код и поддержку всех этих языков в одном проекте. В итоге я пришёл к выводу, что нужно сконцентрировать свои усилия на одном языке программирования. В моём случае это Rust, на котором был написан проект, генерирующий Rust-код. Вот упрощенная диаграмм работы проекта:

habr.com/ru/articles/844976/

#rust #open_source #ai #llm #code_generation

2024-08-31

Рождение AutoCode: История самосоздания ИИ

В постоянно развивающемся мире технологий мы стали свидетелями бесчисленных инноваций, раздвигающих границы возможного. Но сегодня я хочу поделиться историей, которая одновременно вдохновляет и немного тревожит — историей AutoCode, инструмента искусственного интеллекта, который сам написал себя. Представьте на мгновение чистый холст. Единственный запрос. И из этого возникает целая программная экосистема, строка за строкой, функция за функцией. Это не научная фантастика. Это AutoCode.

habr.com/ru/articles/840000/

#ai #code_generation #project_bootstrap

2024-07-09

[Перевод] Что не так с вашим кодом, сгенерированным большими языковыми моделями?

Китайские ученые провели обширное исследование на 7 популярных LLM, генерируя с помощью них код, а потом выявляя и анализируя ошибки. Им удалось не только выявить и категоризировать наиболее частые закономерности ошибок, но и предложить метод их устранения. Под катом вольный краткий перевод с комментариями

habr.com/ru/articles/827800/

#llm #code_generation

Client Info

Server: https://mastodon.social
Version: 2025.04
Repository: https://github.com/cyevgeniy/lmst