通义灵码与魔搭Notebook深度集成：在线编码开箱即用，开发效率倍增

通义灵码2.0 AI程序员于2025年1月上线，目前已支持超过百万开发者。该工具的智能编程能力现已与阿里云AI模型开发平台魔搭ModelScope实现技术集成，成为继函数计算FC之后接入该平台的又一开发工具。此次合作将通义灵码的代码生成能力应用于AI模型研发流程，为算法工程师提供开发支持。

在魔搭 ModelScope 的Notebook在线开发环境中，开发者现可直接开启通义灵码的智能问答和 AI 程序员的能力，无需额外下载安装配置即可体验核心功能。

在魔搭 ModelScope 平台中，开发者可通过以下方式快速使用智能编码助手。

ModelScope Notebook是一款云端机器学习开发IDE工具，提供远程Linux的编程环境，适用于不同水平的AI开发者。Notebook提供了点击就可用的免费算力额度。

具体环境详见：

https://modelscope.cn/docs/notebooks/intro

• 登录魔搭账号
  

https://www.modelscope.cn/home

• 绑定阿里云账号，获得免费的算力资源

  
  

• 点击"我的Notebook"，选择GPU环境启动
  

• 点击右上方的"WebIDE"，启用智能编码辅助通义灵码，这里载入了 Vscode 的基本功能，可以让我们像在本地环境下一样进行开发
  

通义灵码具备多文件代码修改和工具使用的能力，可以与开发者协同完成编码任务，比如代码生成、需求实现、问题解决、单元测试用例生成、批量代码修改等。

在Notebook中已经内置了完整的通义灵码，我们只需要登录自己的账号即可使用灵码进行代码开发。

• 首先我们登录通义灵码，点击左侧“通义灵码”logo，选择登录方式

• 登录后，我们就可以简单使用通义灵码的各种功能：

• 代码生成：

• 首先选择 AI 程序员功能（支持文件创建和多文件修改）

• 输入我们的需求，让通义灵码创建文件并生成代码

• 代码生成后，可以选择接受，或者拒绝重新调整提示词

• 接受之后，我们可以选择需要修改的文件作为上下文

• 让通义灵码修改代码后，同样可以选择接受或拒绝（注意：当 AI 生成内容不符合预期，或你的需求有变化时，可以通过快照功能回退到之前的对话轮次和代码变更，继续重新提问）

写一个推箱子的小游戏，创建相关代码文件并生成对应代码

• 代码编写：

• 自动补全/依据注释补全代码

• 单元测试

• 代码优化

现在我们使用 Notebook 的环境和通义灵码的帮助从零开始搭建「求职小助手」。

基于gradio实现一个求职助手网页，它能够帮助用户进行简历优化、职位推荐以及基于简历的职位推荐。以下是详细功能：1. 全局配置大模型加载与调用，代码如下：模型加载部分：qwen_model = ModelFactory.create(        model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,        model_type="Qwen/Qwen2.5-72B-Instruct",        api_key="Your API",#从环境变量中获取 Modelscope API 密钥，即个人SDK token        url="https://api-inference.modelscope.cn/v1",        model_config_dict=QwenConfig(temperature=0.2).as_dict(),    )agent = ChatAgent(        system_message="You're a helpful assistant for job anlysis, please answer in Chinese.",        message_window_size=30,        model=qwen_model    )模型调用部分：assistant_response = agent.step(combined_content)assistant_response_str = assistant_response.msgs[0].content3. 辅助功能函数URL搜索：打开一个存放网址信息的txt文件（帮我创建好这个文件），然后通过目标岗位和地点让大模型分析来获取最符合的网址信息。爬取信息4. 具体功能函数职位推荐：调用大模型根据目标岗位和地点以及输入的简历内容，推荐三个适合的职位，并给出推荐原因。简历分析：首先通过爬取信息函数抓取相关信息，然后调用大模型结合用户的简历内容，推荐最适合的三个职位，并解释推荐原因。简历优化：接收简历文件和目标职位作为输入，调用大模型根据目标职位对简历内容进行优化，生成优化后的简历文件，并提供改进建议。根据上面的要求创建对应的文件并填充大概的代码框架

如何跟通义灵码提需求，更详细流程可参考：

https://mp.weixin.qq.com/s/dNcZ-_WhHtWCd5TuMfMxfw

?个人SDK token 获取：https://modelscope.cn/my/myaccesstoken（注：需关注到期时间）

在通义灵码生成文件和代码后，注意甄别代码是否合理，例如：在第一次生成代码时，由于“大模型加载与调用”的描述过于笼统，并且这个部分本身可以进行很复杂的配置，所以通义灵码会将这一部分写得很复杂，所以我们可以将准备好的接口代码直接告诉通义灵码，让它基于已有的代码来进行代码生成。

初步的代码框架显示结果如下（可以看到，通义灵码生成的代码相对结构严谨，更适合我们去进一步开发）：

将网页信息爬取以及各种功能组件进行完善，确保正常运行。

例如: 我们需要使用Crawl4AI工具，告诉通义灵码将爬取信息函数替换为我们的接口函数，告诉它我们使用时要做的具体调整（如将爬取的结果写入指定文件），并且在其他文件中修改相应的调用代码；在search_urls函数中发现注释是：使用特定模型进行分析，说明还没有用到我们在全局配置model.py中加载好的模型，我们就需要告诉通义灵码需要在这里调用model.py中加载的模型

在utils.py中将爬取信息的函数改为下面的函数，加上逻辑：爬取的url地址通过search_urls获得，将爬取到的信息写入一个txt文件中。同时修改在其他文件的调用async def bug_search(target_position, target_location):    async with AsyncWebCrawler() as crawler:        result = await crawler.arun(            url="https://www.nbcnews.com/business",        )        print(result.markdown)

在search_urls函数中调用model.py的模型进行分析来返回结果

同样，我们可以完善各个功能直到成功运行

在基本功能实现后，我们可以添加更多功能，这个时候就可以体现出多文件修改的强大之处

例如：我们想要在职位推荐中添加目标城市和固定的目标岗位，以便爬取信息时爬取更加相关的信息。

在职位推荐模块的目标岗位和地点输入时，把这两个输入做成一行两列的样式，并加上下拉菜单，可以在下拉菜单中选择岗位和城市，也可以直接输入，在utils.py设置一些全局的常用的城市和岗位(尽可能多)作为可以选择的元素