浙江大学胡星副教授团队近日开发出名为CatCoder的AI框架，该框架能够理解完整软件项目并生成准确可用的代码。在Java任务测试中，其代码编译通过率和测试通过率比业内领先的RepoCoder最高提升14.44%和17.35%。

CatCoder具有出色的通用性，测试显示它能提升各种规模AI模型的性能。团队选择Java和Rust两种语言进行验证，证明即使对Rust这类低资源语言也能生成高质量代码。该框架特别有助于小模型提升性能，缩小与大模型的差距。

该技术采用可插拔设计，无需训练大模型本身，能灵活适配不同模型。它精准解决了大模型不理解企业内部代码库的问题，通过引入本地上下文让AI生成更符合业务需求的代码。

CatCoder的创新在于提供相似代码雷达和类型关系地图两大工具，前者能找到相似功能代码作为参考，后者能分析当前代码环境中的可用资源。这就像为AI提供了图书馆索引和书籍关联图，使生成的代码更专业准确。

框架使用分三步：检索相关代码、提取类型上下文、生成代码。静态分析器会绘制类与接口的依赖关系图，确保AI调用正确的函数。最终生成的代码能完美融入现有项目并通过测试。

该研究对发展我国基础软件和工业软件具有重要意义。团队未来计划探索更多低资源语言的代码生成，并研究大小模型协同的代码生成方案，为中小企业提供优质代码生成服务。

《夸克》非常好用的免费AI浏览器

下载APP查看