代码生成 (Code generation)

LLM 根据自然语言描述或现有 code context 写或补全源代码的任务，是 GitHub Copilot、Cursor、Claude Code 背后的核心能力。

Code generation 是任务：根据自然语言指令、部分 code、或两者，产生源代码。输出范围从补全接下来几个字符（「这个 for-loop 的其余部分」）到写整个函数、跨文件重构、debug、或从描述产生完整应用程序。它重要的原因是：coding 是 LLM 最明显改变生产力的使用场景之一。GitHub Copilot、Cursor、Claude Code、Aider、Continue、Windsurf 等工具现在已是专业开发者工作流程的标准。Microsoft 等估计这些工具在合适任务上加速日常 coding 20-50%。举个例子：在编辑器打「// fetch user with retry and exponential backoff」，Copilot 建议完整的 TypeScript 函数。或对 Claude 描述 bug 并贴上 stack trace——它识别 off-by-one 错误并产出修法。或贴一个 feature request 跟你的 codebase：Claude Code 协调地编辑多个文件。质量依模型跟任务差异极大。简单补全跟定义良好的函数通常正确；复杂跨文件重构、新颖算法、或超出模型训练分布的东西可能产出微妙错误的 code。一定要测试。延伸阅读：HumanEval、SWE-bench、agent、tool use、Cursor。