Cursor 迎来了强大的对手，Augment Code实测

Augment Code 介绍

根据官方介绍，Augment Agent 是首个转为大型代码库工作的专业软件工程师设计的 AI 编码助手，上下文支持 200K ，也就是 20 万的 token 啊。

这对于专业的编程人员来讲，太实用了，已经达到可以做项目级别了。

除此之外，Augment Agent 还支持持久性的内存，就是它可以学习你的编码风格，记得你之前的重构，适配你的代码规范。记忆会随着时间的推移而积累。你不必在每次会话中重新教它。

除了基本的编码支持，Augment Agent 还支持多模态输入，如截图和 Figma 文件，用于修复错误和实现 UI 。

另外，目前 Augment Agent 通过结合 Anthropic 的 Claude Sonnet 3.7 和 OpenAI 的 O1 推理模型，在 SWE-bench verified 基准测试中取得了最高分，达到第 1 名（在真实任务上达到 65.4%）。

简介

Augment 是一款开发者 AI 平台，它能帮助你理解代码、调试问题并快速交付，因为它理解你的代码库。使用聊天、下一编辑和代码补全功能，让你更高效地完成任务。

核心宣传点：

1. Chat（聊天）：永远不再为开始而卡壳。聊天将帮助你快速熟悉不熟悉的代码。
2. 下一代编辑器：通过逐步引导您完成复杂或重复性的更改，帮助您持续推进任务。
3. 代码补全：智能代码建议，即可了解您的代码库。

这里我推荐一个非常好用的手指筷子，在平时玩手机、电脑工作、刷剧的时候想吃零食又不想脏手，非常实用和实惠，我买了两双，爱不释手。现在卖的很便宜

Augment Code 试用

安装

目前提供了 vscode 扩展、[JetBrains IDEs](https://plugins.jetbrains.com/plugin/24072-augment) 插件、VIM 这三种使用方式，下面通过安装 vscode 扩展来使用。

安装成功之后，需要进行登陆，登陆成功之后就可以使用了；目前测试下来 remote 模式的 vscode 登陆不上，本地的可以。

使用

刚好有一份 vllm 项目的代码，而且也不太懂，测试一下看能不能把我讲明白。

1. 先导入一个项目；导入之后它就会进行索引整个项目

vllm 最核心的就是 PagedAttention 的原理，但是从之前看过一些介绍来看，只是明白了，但还不知道是如何实现的。

PagedAttention 的核心就是把 Attention 的加载从一个连续的显存空间拆分成了按显存页进行加载，使 GPU 的显存利用率增高。

问出了第一个问题：介绍PagedAttention

1. 核心架构，这个我去看了代码确实是对的，在 vllm/attention/backends 目录下的 abstract.py[1] 文件中有这个抽象类的定义。还提到了它有多个实现类，这个有点问题，真实的实现类比这个多，比如缺少 CPUMLABackend 等等，还有好几个。

1. 讲了主要实现类以及文件位置 PagedAttention 都是对的。

1. 突然讲到了 KV Cache 管理，有点奇怪。

1. Attention 的计算实现 forward_decode 。提到有两种模式 Decode 和 Prefix ，对应的就是 forward_decode 和 forward_prefix 这两个函数。

1. 后面又补充了说支持很多硬件，算是给第一点进行补充，

这个问题问下来算是对这块的代码基本有一个了解了；比直接看确实强很多 👍

第二个问题：让它帮我添加一个新模型

帮我添加 Salesforce/SFR-Embedding-Code-2B_R 这个新的模型在vllm中运行；目前vllm的代码还不能运行它。你需要去huggingface上查看模型https://huggingface.co/Salesforce/SFR-Embedding-Code-2B_R/blob/main/config.json文件，获取它的architectures信息，之后才能添加模型注册；其它还需要参考https://huggingface.co/Salesforce/SFR-Embedding-Code-2B_R/blob/main/modeling_gemma2.py中的实现使其在vllm中能运行。

首先还是使用 chat 模式，进行了多次 输入的调整，但是依然回复的牛头不对马嘴；于是选用 Agent 模式进行测试一下。

还是使用上面的提示此。

1. 第一点另我意外的是它居然真的去下载文件回来进行查看了。因为它需要知道这个模型架构的类型，就需要读取 config.json 文件，在 chat 模式下都是给我乱说的。

1. 然后它列出了执行计划，涉及到四个步骤；第一步这个模型架构就描述对了。

2. 它给我实现出来了，我直接进行测试一下，而且它还贴心的给了测试文件。

尝试运行之后发现还不能跑，有bug，也可能和它训练时候的 vllm 版本代码有关，导入的很多包路径都有问题。

第三个问题：做一个微信小程序

帮我设计和实现一个微信小程序的项目，同时帮我实现后端golang web服务和数据库mysql表，项目主要功能是家庭图书管理系统，记录家庭购买的书籍以及存放位置信息等；

主要有三页面，第一个页面是首页，主要展示家庭图书信息，可以支持搜索图书，需要通过调用后端API把功能实现。第二个页面是一个图书录入页面，通过扫描图书的ISBN，然后通过后端的ISBN查询接口去查询图书的基本信息，包括作者、出版时间、价格等等；第三个页面是我的页面，主要是可以邀请家庭成员进入这个图书馆，查看图书所在位置和有那些图书。

把提示此输入之后，大概 20 分钟给我实现了前端、后端、数据库表设计，并且最后都可以成功的执行。

1. 小程序

2. 后端自动给我启动之后调用 API 报错了，说明前端已经自动给我添加这个实现了。

3. 我本地没有数据库，让它给我用docker启动并且创建表

对比 Cursor

首先给我的感觉就是比 Cursor 可以执行的东西跟多了，而且执行很快，不知道是因为他们的模型快还是什么原因，总之很快，而且准确率很高。

在不久的将来，感觉像 WEB 程序只需要三个角色就可以做出一个系统来：

• 一个 UI 设计，把所有的页面样式、图标设计好，给到工具。
• 一个产品经路，把业务逻辑梳理清楚。
• 一个架构师，把系统架构设计出来， 设计出合理的数据库、接口定义等这些。

之后就可以通过工具自动化的生成、打包、部署然后就可以进行测试了。

文章来自于“Infra研习社”，作者“LRF随笔”。