CatCoder

目录结构

• catcoder 目录包含 CatCoder 的源代码、基准数据集和评测脚本。
• catcoder-vscode 目录包含集成了 CatCoder 的 VSCode 插件的源代码。
• results 目录包含评测结果，包括指标值以及生成的详细代码。

基本要求

• Linux 操作系统
• Python 3.10 及以上版本
• NVIDIA GPU（具有足够的显存以运行大语言模型）
• 安装 Defects4J 及其依赖项（请参考 https://defects4j.org/ 提供的安装说明）
• 安装 Rust、Cargo 和 rust-analyzer（运行 curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh，然后执行 rustup component add rust-analyzer）

安装步骤

• 推荐使用干净的 conda 环境，以便以下操作仅影响特定环境。
• 进入 catcoder/rust 目录，并解压 crates.zip 到当前目录。
• 运行评测代码前，需要安装依赖项：在 catcoder 目录下执行 pip install -r requirements.txt。
• 如果希望进一步研究 CatCoder 的代码，则除了上述步骤外，还需进行额外配置：
  • 进入 catcoder/tools/java 目录，并运行 python setup.py install。
  • 进入 catcoder/tools/intellirust 目录，并运行 ./configure && cargo cmd install。

使用方法

• 若要运行论文中的实验，并在基准数据集上评测 CatCoder：
  • 进入 catcoder/{java|rust} 目录，修改 evaluation.py 中的 __main__ 代码块（指定评测的方法和模型），然后运行 python evaluation.py。（所有方法的上下文数据，包括基线方法，已预先生成并存储在基准数据集中）
• 若要进一步研究：
  • 基准数据集位于 catcoder/{java|rust}/datasets 目录。
  • CatCoder 的实现位于 catcoder/tools 目录，以及 catcoder/{java|rust}/retrieve_relevant_code.py 和 catcoder/{java|rust}/extract_type_context.py 文件中。

CatCoder VSCode 插件

安装步骤

• 安装依赖项：
  • 完成上文提到的所有安装步骤
  • 根据 catcoder-vscode/env.txt 文件创建 conda 环境
  • 从 Hugging Face 下载 all-mpnet-base-v2 模型
• 安装 rust-analyzer 的 VSCode 插件以及本插件（编译、打包后的文件名应为 catcoder-vscode-x.x.x.vsix）

使用方法

• 在 VSCode 中打开一个 Rust 项目工作区

• 在 设置 > 扩展 > CatCoder 位置设定配置文件中的各个参数。

• 打开一个 Rust 源文件，然后选择或将光标放在一个 Rust 函数内。只要选区或光标位于函数内部，CatCoder 就能正常工作。调用 CatCoder 的方式为：右键 > Generate code for this function。

  • 运行 CatCoder 时，可以查看状态栏的进度。

• 最终，生成的代码建议将显示在 输出 > CatCoder 面板中。