CodeGeeX 是智谱 AI（北京智谱华章科技有限公司）推出的国产 AI 编程助手，以 VS Code 与 JetBrains 系列 IDE 插件为主要产品形态，提供代码补全、对话问答、单元测试生成、代码翻译与解释等能力。它同时覆盖「开源模型」这条线：从 2022 年 1300 亿参数的初代 CodeGeeX，到 2023 年 60 亿参数的 CodeGeeX2，再到 2024 年 90 亿参数的 CodeGeeX4-ALL-9B，体积持续缩小、能力持续增强，为私有化部署留出空间。它与 GitHub Copilot、通义灵码等产品竞争，核心差异是免费额度、中文场景优化与模型开源可控。本文按「工具速览 → 安装配置 → 5 分钟上手 → 核心能力 → 生产部署 → 选型对比 → 常见误区 → 面试题」组织，照做即可在 10 分钟内把 CodeGeeX 用起来。
掌握 CodeGeeX，等于拥有一个免费、中文友好、可私有化部署的 AI 编程助手，能在日常编码、团队 AI 化改造与私有化推理选型中直接提效。
目录
速览卡是工具类内容的固定首屏模块：30 秒判断「这工具是什么、能不能商用、适不适合我」。
为什么需要 CodeGeeX：把「写代码」变成「审代码」
传统开发流程中，查 API、写样板代码、跨语言翻译、补单元测试占用大量时间。使用国外 AI 编程工具（如 GitHub Copilot）在国内存在网络不稳定、支付不便、代码出境与数据合规风险；对中文注释和中文需求的理解也常常打折。开发者需要一款能直连使用、中文友好、并且有明确数据边界的国产替代。
CodeGeeX 由智谱 AI 运营，服务部署在国内，常规网络环境直连可用；插件在 VS Code 和 JetBrains 上免费安装，补全、对话、单测、翻译、解释开箱即用。其开源模型家族（尤其是 9B 的 CodeGeeX4-ALL-9B）体积小、可私有化部署，满足敏感场景数据不出内网的要求。官方模型基准显示，HumanEval Python pass@1 从初代 13B 的 24.38% 提升到 CodeGeeX2 的 35.9%，说明其补全质量在持续追赶国际一线水平。
与 Copilot 的订阅制闭源路线不同，CodeGeeX 走「免费额度 + 开源模型 + 私有化」路线；与同为国产的通义灵码相比，差异化在于 GLM 基座模型开源可控与清华学术背景。
安装与环境配置：3 步就绪
步骤一（安装）：打开 VS Code，在扩展面板（Ctrl+Shift+X）中搜索「CodeGeeX」，选择智谱官方发布的扩展点击 Install；也可以从 codegeex.cn 下载离线安装包。JetBrains 用户（IntelliJ IDEA、PyCharm、GoLand 等）在 Settings → Plugins → Marketplace 搜索 CodeGeeX 安装，重启 IDE 即可。
步骤二（登录与激活）：安装后 VS Code 会自动弹出登录引导，使用手机号注册并登录智谱账号，激活个人免费额度；JetBrains 版本在新窗口打开插件面板后同样会提示登录。登录状态跨设备同步，换电脑不需要重新配置。
步骤三（验证）：新建 test.py，输入注释 # 冒泡排序 后回车换行，光标处出现灰色补全候选，按 Tab 接受即表示插件工作正常；再点击侧边栏的 CodeGeeX 图标打开对话面板，能正常提问即完成验证。
# 说明：CodeGeeX 为 IDE 插件形态，推荐在插件市场内图形化安装。# 企业批量下发时，可由管理员下载安装包后离线分发到开发机。
快速上手：5 分钟跑通「注释变代码」
最小可用流程是「一条注释 + 一次 Tab」完成第一次 AI 写代码，再走一遍对话命令，把补全、单测、解释三个高频动作全部体验一遍，即可对工具有完整认知。
1. 按上文完成安装与登录。
2. 打开任意 Python 文件，输入注释 # 计算斐波那契数列第 n 项，回车换行。
3. 等待 1-3 秒出现灰色补全建议，按 Tab 接受，代码自动生成。
4. 选中刚才生成的函数，打开对话面板，输入命令「生成单元测试」，回车后在对话中查看测试代码。
5. 选中任一函数输入「解释代码」，在对话中查看文章逻辑说明，验证对话能力。
结果：完成「补全-单测-解释」闭环。进阶技巧：对话中粘贴报错信息并输入「修复」命令可让模型给出修改意见；不想接受补全时按 Esc 忽略；在命令面板（Ctrl+Shift+P）输入 CodeGeeX 可查看全部可用命令。
核心能力详解：4 大支柱
支柱一·智能补全（FIM 双向填充）。补全不是简单依据上文预测，而是采用 Fill-in-the-Middle（FIM）技术——模型同时读取光标前后的代码，把光标位置当作待填充的空缺。这对「在函数中间插入一段逻辑」「补全 if/else 分支」特别有效。日常表现为灰色行内建议，Tab 接受、Esc 忽略，与 Copilot 交互一致。
支柱二·对话与命令式辅助。侧边栏对话面板支持针对选中代码提问，并内置多种命令：解释代码（理解陌生逻辑）、生成单元测试（按语言生成 pytest/JUnit 等）、代码翻译（如 Python 与 Java 互转）、代码优化与代码审查（定位潜在问题）。命令名称以当前版本界面为准。
支柱三·多语言覆盖与中文理解。官方口径称支持 200 余种编程语言的补全与生成，Python、Java、TypeScript/JavaScript、C++、Go 等主流语言效果最佳；对中文注释、中文需求的理解与生成是相比国外工具的显著优势，中文用户零门槛使用。
支柱四·开源模型与可控部署。开源模型从初代 130B 精简到 6B、9B。CodeGeeX4-ALL-9B 基于 GLM-4-9B，支持补全、FIM、对话与函数调用，可在 24GB 显存级别显卡上以量化方式运行，为金融、政企等敏感场景提供低成本私有化选择。
生产部署与监控：从个人插件到团队基建
方式一·官方 SaaS：个人与小团队零运维，登录即用。需要注意免费额度按账号有每日调用上限，团队高频使用会触发限流，需评估付费档或企业版；代码上下文会发送至智谱服务端，涉密代码要提前做合规评估。
方式二·私有化部署开源模型：以 vLLM 部署 codegeex4-all-9b 为例，启动后提供 OpenAI 兼容接口，可接入 Continue.dev 等支持自定义端点的开源 IDE 插件，实现「数据不出内网」。9B 模型 FP16 权重约 18GB，建议 24GB 显存起步；INT8/INT4 量化可将显存需求压到 10GB 以内。
可观测性：官方 SaaS 可在账号后台查看补全与对话用量，辅助判断是否升级付费档；自建部署需记录四个核心指标——请求量、首 token 延迟、生成 token 数与 GPU 利用率。质量侧建议用 HumanEval 或内部代码任务集做回归，防止升级模型版本后补全质量回退。
<p class="para-label">避坑清单：</p>
<ul class="dash-list"><li>「免费」不等于无限：个人账号有每日调用上限，团队高频使用会触发限流，大规模推广前先评估付费档或私有化方案。</li><li>内网/代理导致补全无响应：插件需访问智谱云服务，公司代理或防火墙需放行 codegeex.cn 相关域名，故障排查先查网络连通性。</li><li>涉密代码慎用云服务：补全与对话会把代码上下文发送到云端，涉密项目请改用私有化部署，并核对模型 License 允许的使用范围。</li></ul>
# 使用 vLLM 部署 CodeGeeX4-ALL-9B（需较新版本 vLLM，已内置 ChatGLM/GLM 架构支持）pip install vllmvllm serve THUDM/codegeex4-all-9b --trust-remote-code --max-model-len 8192# 启动后访问 http://localhost:8000/v1，兼容 OpenAI SDK
| 维度 | CodeGeeX | GitHub Copilot | 通义灵码 | Amazon CodeWhisperer |
|---|---|---|---|---|
| 定位 | 国产免费 AI 编程助手（智谱 AI） | 全球主流 AI 编程助手（GitHub/Microsoft） | 阿里云国产 AI 编程助手 | AWS 代码生成助手 |
| 编排范式 | FIM 行间补全 + 对话与命令式辅助 | FIM 补全 + Copilot Chat | FIM 补全 + 对话 | 行/函数级补全 + 对话 |
| 类型约束 | 插件闭源；模型开源（6B/9B 可私有化） | 完全闭源，模型不可见 | 插件闭源；通义代码模型开源 | 完全闭源 |
| 学习曲线 | 低，安装登录即可用 | 低，但需订阅与网络配置 | 低 | 低，需 AWS 账号 |
| 生态集成 | VS Code / JetBrains 系列 | VS Code / JetBrains / Neovim / CLI | VS Code / JetBrains | VS Code / JetBrains / AWS 控制台 |
| 生产部署 | 官方 SaaS + 模型私有化双路线 | 仅 SaaS，企业版承诺不训练用户代码 | 官方 SaaS + 企业专有部署 | 仅 SaaS，可关联内部代码库 |
| License | 自定义开源协议（模型权重） | 商业订阅（约 $10/月起） | 免费 + 企业版 | 个人免费 / 专业付费 |
| 适合谁 | 国内开发者、预算敏感团队、需私有化 | 已启用 GitHub 生态的全球团队、重度用户 | 阿里云用户、国内企业 | AWS 开发者 |
选型建议：国内个人开发者不依赖 GitHub 生态时，可直接用 CodeGeeX 或通义灵码，免费额度覆盖日常；追求模型可控、需要私有化部署的团队优先 CodeGeeX；已深度使用 GitHub/Azure 生态且预算充足选 Copilot；在 AWS 上开发选 CodeWhisperer 集成更顺。
版本迭代
CodeGeeX 的演进主线是「参数量做减法、能力做加法」：2022 年首发 130B/13B 巨型模型并配套多语言基准 HumanEval-X；2023 年基于 ChatGLM2 推出 6B 的 CodeGeeX2，单卡可跑、推理显著加速；2024 年基于 GLM-4-9B 推出 CodeGeeX4-ALL-9B，在 9B 量级补齐 FIM、对话、函数调用等全能能力。截至本文撰写，CodeGeeX4-ALL-9B 为已确认的最新正式开源版，若官方后续发布新版本请以官网为准。
| 版本 | 时间 | 变化 | 提升 |
|---|---|---|---|
| CodeGeeX（13B/130B） | 2022-09 | 第一代多语言代码生成模型；发布 HumanEval-X 五语言评测基准 | 一改此前单语言评测惯例，统一评测 Python/C++/Java/JavaScript/Go |
| CodeGeeX2（6B） | 2023-06 | 基于 ChatGLM2-6B 重写训练 | 参数量从 13B 降到 6B，单张消费级显卡可推理；HumanEval Python pass@1 提升至 35.9% |
| CodeGeeX4-ALL-9B | 2024-07 | 基于 GLM-4-9B；一体化支持补全/FIM/对话/函数调用 | 9B 参数即具备此前更大模型才有的综合能力，私有化部署门槛进一步降低 |
| 基准 | CodeGeeX 13B（2022） | CodeGeeX2 6B（2023） | CodeGeeX4-ALL-9B（2024） | |
|---|---|---|---|---|
| HumanEval Python pass@1 | 24.38% | 35.9% | — | 官方论文/README 公开数据；pass@1 为一次生成即通过测试的比例 |
| HumanEval-X 五语言平均 pass@1 | 21.28% | — | — | 论文提出的多语言基准，覆盖 Python/C++/Java/JavaScript/Go |
两代之间 HumanEval Python pass@1 从 24.38% 提升至 35.9%（相对提升约 47%），而参数量从 13B 降到 6B，说明数据与基座优化带来的增益远大于堆参数。选型建议：需要私有化部署选 CodeGeeX4-ALL-9B；日常 IDE 体验直接使用官方插件，模型细节由智谱维护，无需关心。
AI 应用场景
日常编码加速：注释即代码
阶段：代码补全与生成
解决的问题：重复样板代码、常见算法实现、接口调用等机械劳动占据开发时间且易出错。CodeGeeX 补全将「写代码」变为「审代码」，对话命令可继续生成单测与注释，形成完整辅助闭环。
具体案例：后端团队在 VS Code 中统一接入 CodeGeeX 后，接口层样板代码与 DTO 定义可直接由注释生成，开发者只做审查与改动。官方基准显示两代模型 HumanEval Python pass@1 从 24.38% 提升到 35.9%，补全通过率持续提升；日常实践中样板代码编写时间可明显压缩（以团队实测为准）。
存量代码理解与重构
阶段：代码分析与重构
解决的问题：接手团队老项目时，上千行模块的逐行阅读成本极高。用「解释代码」命令快速获取函数逻辑摘要，针对选中代码追问细节，再让模型给出重构建议，显著降低新成员上手时间。
具体案例：数据平台团队用 CodeGeeX 解释一个 2000 行的 ETL 核心模块，将逐行阅读改为「先让模型总结、再抽查关键分支」，代码走读时间从约 2 天压缩到半天内（团队内部估算值，实际取决于代码复杂度）。
敏感环境私有化编程辅助
阶段：模型私有化部署与集成
解决的问题：金融、政企等场景代码不能出内网，无法使用任何云端编程助手。CodeGeeX4-ALL-9B 权重开源可本地推理，数据不出域。
具体案例：一种典型落地形态是在研发内网部署 codegeex4-all-9b + vLLM，提供 OpenAI 兼容接口，内部 IDE 通过 Continue 插件接入；9B 模型在单张 A10（24GB）上量化运行，补全延迟控制在数秒内，满足「禁用外网 + AI 辅助」双重要求。
常见误区
误区「官方不是一直说免费吗？那我团队所有人都随便用，就当白嫖一个 Copilot。」
正解免费主要面向个人低频率使用：账号有每日补全与对话额度上限，达到上限后功能受限；团队级高频使用需要付费档或企业版。另外插件是闭源云服务，开源的是模型权重，两者不是一回事。上线前务必到 codegeex.cn 确认当前免费政策与额度说明。
为何常见：官方宣传长期主打「免费」，个人低频场景也确实不触发限制，容易让人误以为没有上限。
误区「CodeGeeX 最早是 130B，效果一定比 9B 好，要部署就部署最大的。」
正解初代 130B 属于学术探索性发布；模型能力来自数据与架构优化，6B 的 CodeGeeX2 在 HumanEval 上超过 13B 初代（35.9% vs 24.38%）。CodeGeeX4-ALL-9B 集补全、对话、函数调用于一体，是当前私有化部署的推荐选择。部署前用 HumanEval 或自建任务集验证，不要只看参数量。
为何常见：「参数越多越聪明」是 LLM 领域的常见直觉，且初代发布时确实以庞大参数量作为卖点。
误区「公司内网装好插件但一直不出补全，是不是模型坏了？」
正解CodeGeeX 插件是云服务形态，补全与对话都要访问智谱服务端；公司代理、防火墙、VPN 分流都可能导致请求失败。排查顺序：查看插件状态与报错信息 → 检查 codegeex.cn 域名连通性 → 放行或配置代理。国内常规网络环境无需任何代理即可直连。
为何常见：用户习惯把 IDE 插件当成本地工具，忽略了「云端依赖」这个架构前提。
误区「CodeGeeX2/4 都开源了，直接拿去给客户做私有化产品没有任何问题。」
正解模型权重采用自定义开源协议（CodeGeeX2、CodeGeeX4 各有独立许可条款），商用前需逐条核对：授权范围、是否需书面申请、是否要求标注来源、是否限制派生发布。不能默认等同 MIT 或 Apache 2.0。
为何常见：中文语境下「开源」常被理解为完全自由，而实际各种开源协议的商用限制差异很大。
误区「AI 生成的代码通过了插件自带的单测，直接提 PR 就行。」
正解补全与生成基于统计分布，可能包含 API 误用、边界条件缺失、安全隐患或过时接口调用；生成的单元测试只覆盖了一部分行为，不能替代人工审查。建议把 AI 输出当「初稿」，Review 通过后再合入，涉密业务同时要考虑数据合规。
为何常见：工具把验证（单测生成）也自动化了，容易让开发者产生「机器已经把关」的错觉。
面试题
Q1. CodeGeeX 是由哪家公司或团队推出的？
- A.阿里云智能（Alibaba Cloud）
- B.智谱 AI（Zhipu AI）← 正确答案
- C.百度智能云（Baidu AI Cloud）
- D.字节跳动（ByteDance）
答案：B。CodeGeeX 由智谱 AI 推出，源于清华大学知识工程实验室（KEG）；初代模型由清华 THUDM 组织开源，2023 年后产品化运营主体为智谱 AI。阿里云对应通义灵码，百度对应文心快码，字节跳动则没有对应产品。
Q2. 在 VS Code 中接受 CodeGeeX 补全建议的默认快捷键是？
- A.Enter（回车）
- B.Tab（制表符）← 正确答案
- C.Ctrl+S（保存）
- D.Alt+Enter（备选补全）
答案：B。CodeGeeX 与 Copilot 一致，补全出现后按 Tab 接受、按 Esc 忽略，这是行内补全的通用交互约定。Enter 通常用于换行而非接受建议；Ctrl+S 是保存；Alt+Enter 不是 CodeGeeX 的默认接受键。
Q3. CodeGeeX4-ALL-9B 的基座模型是？
- A.ChatGLM2-6B 架构
- B.GLM-4-9B 架构← 正确答案
- C.LLaMA-3-8B 架构
- D.Qwen2.5-7B 架构
答案：B。CodeGeeX4-ALL-9B 基于智谱自研 GLM-4-9B，属于原生国产基座。ChatGLM2-6B 是 CodeGeeX2 的基座；LLaMA 来自 Meta，Qwen 来自阿里，均非 CodeGeeX4 的底座。
Q4. 与第一代 CodeGeeX（13B/130B）相比，CodeGeeX2 的主要变化是？
- A.参数量增大并改为闭源
- B.参数量减小，单卡即可部署← 正确答案
- C.放弃了对多语言的支持
- D.不再提供对话能力
答案：B。CodeGeeX2 基于 ChatGLM2-6B，参数量从 13B 降到 6B，同时 HumanEval Python pass@1 提升到 35.9%，单张消费级显卡即可推理。它保持了多语言与开放开源路线，并未闭源或砍掉对话能力。
Q5. HumanEval-X 是由 CodeGeeX 论文提出的评测基准，它的核心特点是？
- A.仅评测 Python 单语言
- B.覆盖 5 种语言的多语言代码生成基准← 正确答案
- C.衡量插件界面响应速度的基准
- D.衡量模型参数量的标准工具
答案：B。HumanEval-X 在 HumanEval 基础上扩展为 Python、C++、Java、JavaScript、Go 五种语言的统一代码生成评测，是 CodeGeeX 论文的重要学术贡献。它不测响应速度，也与参数量无关。
Q6. 以下哪些属于 CodeGeeX 插件的内置能力？
- A.代码解释（Explain）← 正确答案
- B.代码翻译（Translate）← 正确答案
- C.生成单元测试（Unit Tests）← 正确答案
- D.CI/CD 流水线编排
答案：ABC。解释代码、代码翻译、生成单元测试都是官方文档列出的核心命令；CI/CD 流水线编排属于 DevOps 工具链职责，不是 CodeGeeX 插件的能力边界。
Q7. 使用 vLLM 私有化部署 CodeGeeX4-ALL-9B 时，以下哪项不是必要条件？
- A.GPU 显存需满足 FP16 权重约 18GB
- B.运行时必须实时访问 HuggingFace 拉取权重← 正确答案
- C.安装 vllm 及其依赖库
- D.确认模型 License 允许目标使用场景
答案：B。权重可以预先下载到本地或内网镜像，离线也能正常启动服务，因此「实时访问 HuggingFace」不是必要条件。显存、vllm 依赖与 License 合规都是部署前必须确认的事项。
Q8. CodeGeeX 行间补全采用的 FIM（Fill-in-the-Middle）技术是指？
- A.只根据光标前文预测后续内容
- B.同时利用光标前后文填充空缺← 正确答案
- C.通过检索整个代码仓库增强补全
- D.用强化学习微调生成策略
答案：B。FIM 的核心是双向建模：模型同时读取光标前后的代码，把光标位置当作待填充的中间空缺，适合在函数中间插入逻辑等场景。只读前文是传统自回归方式；检索增强与强化学习是另外的技术路线。
Q9. CodeGeeX 官方插件支持哪些 IDE 形态？
- A.Visual Studio Code← 正确答案
- B.JetBrains 系列（IntelliJ IDEA、PyCharm 等）← 正确答案
- C.Neovim 编辑器
- D.微信小程序
答案：AB。CodeGeeX 官方插件覆盖 VS Code 与 JetBrains 全系列 IDE；Neovim 与微信小程序目前没有官方支持，社区生态也不成熟。选型时以官网列出的 IDE 列表为准。
Q10. 团队准备在企业内网使用 CodeGeeX，以下哪些做法是合理的？
- A.全员直接使用云端插件，不做任何管控
- B.涉密代码采用私有化部署开源模型← 正确答案
- C.购买企业版额度并审阅数据条款← 正确答案
- D.使用个人免费账号承载全员生产流量
答案：BC。涉密代码应当走私有化部署，企业版额度与数据条款审阅是合规落地的前提；A 会让代码上下文发往云端，存在泄密风险；个人免费账号有调用上限且不面向团队生产场景，无法承载全员流量。
参考来源
- webpageCodeGeeX 官网产品入口、插件下载与帮助中心