cmp clippy

cmp-clippy

nvim-cmp-Quellimplementierung der VSCode Clippy-Erweiterung.

Code Clippy VSCode

Die Code Clippy VSCode-Erweiterung ist ein Versuch, eine Open-Source-Version von Github Copilot zu erstellen, bei der sowohl die Erweiterung, das Modell als auch die Daten, auf denen das Modell trainiert wurde, für jedermann kostenlos nutzbar sind. Wenn Sie mehr darüber erfahren möchten, wie das Modell Code Clippy antreibt, schauen Sie sich dieses Repo an.

Installation

Plug ' nvim-lua/plenary.nvim '
Plug ' vappolinario/cmp-clippy '

Darüber hinaus benötigen Sie ein Huggingface-Konto, um den erforderlichen API-Schlüssel zu erhalten, der zum Autorisieren von Aufrufen der Inferenz-API von Huggingface verwendet wird.

Aufstellen

 require ' cmp ' . setup {
  sources = {
    { name = ' cmp-clippy ' ,
      options = {
        model = " EleutherAI/gpt-neo-2.7B " , -- check code clippy vscode repo for options
        key = " " , -- huggingface.co api key
      }
    }
  }
}

Einschränkungen

Wie in code-clippy-vscode README.md ausgedrückt:

❗ Wichtig – In erster Linie handelt es sich bei dieser Erweiterung um einen Prototyp und das Modell, auf dem sie trainiert wurde, dient nur Forschungszwecken und sollte nicht für die Entwicklung realer Anwendungen verwendet werden. Dies liegt daran, dass das Standardmodell, das zum Generieren der Codevorschläge verwendet wird, anhand einer großen Menge von Daten trainiert wurde, die von GitHub entnommen wurden und möglicherweise Dinge wie anfälligen Code oder private Informationen wie private Schlüssel oder Passwörter enthielten. Anfälliger Code oder private Informationen können und werden daher wahrscheinlich in die Vorschläge eindringen. Derzeit sind die Vorschläge nur auf ein paar zusätzliche Token beschränkt, da das Modell anfängt, Variablen und Methoden zu halluzinieren, je länger Vorschläge es generieren darf. Wenn Sie mehr über die Mängel des bei der Generierung verwendeten Modells und die zum Trainieren des Modells verwendeten Daten erfahren möchten, sehen Sie sich bitte diese Modellkarte und das Datenblatt an, in denen es ausführlicher erläutert wird. Wenn Sie mehr darüber erfahren möchten, wie das Modell trainiert und Daten gesammelt wurden, lesen Sie bitte dieses Repository.