許多開發人員在編程過程中碰到問題，首選都是打開瀏覽器，搜索問題，并嘗試找出答案，現在，有一個神器可以讓你不用這么麻煩了。

這個名為codequestion的神器，是一個基于archive.org上的Stack Exchange Dump構建的。使用來自Stack Exchange的數據，codequestion針對預先訓練的模型在本地運行。

安裝后你無需網絡連接，你只需要在終端輸入問題，就可以得到答案，搜索出來的結果和你在瀏覽器上搜索的沒有什么兩樣。

目前，codequestion知道的人并不是很多，只獲得 117 個Star，累計分支 11 個（Github地址：https://github.com/neuml/codequestion），下面一起來看看具體使用方法：

安裝方式

最簡單的安裝方式是通過pip和PyPI：

pip install codequestion 

你也可以直接從GitHub安裝codequestion。建議使用Python虛擬環境，支持Python 3.6+：

pip install git+https://github.com/neuml/codequestion 

下載模型

一旦安裝了Codequestion，就需要下載模型。

python -m codequestion.download 

該模型將存儲在〜/ .codequestion /中，預訓練的模型可以從Github詳情頁面獲取

$ git reset --hard 

可以自定義代碼問題以針對自定義的問題解答存儲庫運行，目前，僅支持Stack Exchange模型。

運行查詢

運行查詢最快的方法是啟動一個codequestion shell

$ git reset --hard 

技術原理

原始數據轉儲處理：codequestion的運行原理是怎樣的呢？首先是原始數據轉儲處理，來自Stack Exchange庫的原始7z XML轉儲通過一系列步驟進行處理。僅檢索得分高且得分高的問題存儲，問題和答案被合并到一個名為questions.db的SQLite文件中。questions.db的模式如下：

$ git reset --hard 

索引編制：codequestion工具為questions.db建立了一個句子嵌入索引。單詞嵌入模型是基于questions.db構建的自定義fastText模型。一旦將每個標記轉換為單詞嵌入，就會創建加權句子嵌入。詞嵌入使用BM25索引對資源庫中的所有token進行加權。但有一個重要的修改：標簽被用來提升標簽標記的權重。將questions.db轉換為句子嵌入的集合后，會將它們標準化并存儲在Faiss中，從而可以進行快速相似性搜索。

查詢方式：codequestion使用與索引相同的方法對每個查詢進行標記。這些標記用于構建句子嵌入。針對Faiss索引查詢該嵌入，以找到最相似的問題。

除此之外，創建者還在Github項目詳情頁介紹了如何使用Stack Exchange構建代碼問題模型。感興趣的伙伴們趕緊收藏。