DSCoder - Geração de Código Avançada Baseada em IA para Data Science

Índice

• Introdução
• Funcionalidades Principais
• Instalação e Configuração
• Início Rápido
• Arquitetura do Projeto
• Interface do Usuário (UI)
• Referência de Funções
• Uso da Interface de Linha de Comando
• Exemplos e Casos de Uso
• Melhores Práticas
• Guia de Solução de Problemas
• Diretrizes de Contribuição
• Licença e Créditos
• Informações de Contato

Introdução

DSCoder é um sistema avançado de geração de código baseado em IA projetado para capacitar cientistas de dados, pesquisadores e desenvolvedores com a capacidade de gerar código de alta qualidade e pronto para produção para uma variedade de aplicações em data science e computação estatística. Ao aproveitar o poder dos large language models (LLMs), o DSCoder simplifica o processo de criação de código funcional, permitindo que os usuários se concentrem na resolução de problemas e inovação, em vez de gastar tempo com tarefas de codificação tediosas.

DSCoder suporta múltiplas linguagens de programação, incluindo Python, R, Julia e C++, e integra-se com vários provedores de LLM, como OpenAI, Anthropic, DeepSeek e OpenRouter. Essa flexibilidade permite que os usuários escolham as melhores ferramentas para suas necessidades específicas e aproveitem os pontos fortes únicos de cada linguagem e provedor.

Seja você um cientista de dados experiente procurando automatizar a geração de código ou um pesquisador explorando novos algoritmos, o DSCoder fornece uma maneira eficiente e sem complicações de criar o código necessário para resolver problemas complexos.

Funcionalidades Principais

Linguagens de Programação Suportadas

Linguagem	Casos de Uso Principais	Recursos Principais	Melhor Para
Python	Data Science, ML	Integração de pacotes, Processamento de dados	Análise de dados geral
R/Rcpp	Computação Estatística	Análise estatística, Computação de alto desempenho	Pesquisa estatística
Julia	Computação Científica	Computação numérica, Otimização	Modelagem matemática
C++	Computação de Performance	Otimização STL, Gerenciamento de memória	Operações em nível de sistema

Integração com Provedores

Provedor	Modelo Padrão	Modelos Alternativos	Pontos Fortes
DeepSeek	deepseek-chat	deepseek-reasoner	Custo-benefício, Respostas rápidas
OpenAI	gpt-4o	gpt-4o-mini, o1-mini, o3-mini	Compreensão avançada
Anthropic	claude-3-5-sonnet-20241022	claude-3-opus-20240229, claude-3-5-haiku-20241022	Raciocínio complexo
OpenRouter	google/gemini-2.0-pro-exp-02-05:free	vários	Acesso a múltiplos modelos

Instalação e Configuração

Pré-requisitos

• Python 3.8 ou superior
• Git
• Ferramenta de ambiente virtual (venv recomendado)
• Acesso às APIs dos provedores LLM

Passos de Instalação

# Clone o repositório
git clone https://github.com/evandeilton/dscoder.git

# Navegue até o diretório do projeto
cd dscoder

# Crie e ative o ambiente virtual
python3 -m venv venv
source venv/bin/activate  # No Windows: .\venv\Scripts\Activate.ps1

# Instale as dependências
pip install -r requirements.txt

Configuração da API

Para configurar as chaves de API como variáveis de ambiente:

Plataforma	Método de Configuração	Comando
Linux/macOS	Adicionar ao ~/.bashrc ou ~/.zshrc	export PROVIDER_API_KEY="sua_chave"
Windows	Definir variáveis de ambiente do usuário	setx PROVIDER_API_KEY "sua_chave"

Chaves de API suportadas. Você pode configurar suas favoritas:

• DEEPSEEK_API_KEY
• OPENAI_API_KEY
• ANTHROPIC_API_KEY
• OPENROUTER_API_KEY

Início Rápido

Para começar rapidamente com o DSCoder, siga estes passos:

1. Clone o repositório e instale as dependências conforme descrito na seção Instalação e Configuração.
2. Configure suas chaves de API como variáveis de ambiente.
3. Use a função dscoder() para gerar código. Por exemplo:

from dscoder import dscoder

code = dscoder(
    description="Criar uma função para calcular a média de uma lista",
    language="python"
)
print(code)

Arquitetura do Projeto

O DSCoder é projetado com uma arquitetura modular para garantir flexibilidade e manutenibilidade. Os componentes principais do sistema incluem:

• dscoder.py: Este módulo contém a lógica principal para geração de código. Inclui a função dscoder(), que serve como interface principal para os usuários interagirem com o sistema. Também define a classe AIAgent, que gerencia a interação com provedores LLM e lida com execução e validação de código.
• llm_providers.py: Este módulo define a classe base abstrata LLMProvider e implementações concretas para diferentes provedores LLM, como OpenAI, Anthropic, DeepSeek e OpenRouter. Cada classe de provedor lida com a comunicação com a API LLM correspondente e padroniza as respostas.
• ui.py: Este módulo fornece uma interface de usuário baseada em Streamlit para o DSCoder. Permite que os usuários interajam com o sistema através de uma interface gráfica, proporcionando uma experiência mais amigável.
• setup.py: Este arquivo é usado para empacotar e distribuir o DSCoder como um pacote Python. Define os metadados do pacote, dependências e pontos de entrada.

Interface do Usuário (UI)

O DSCoder fornece uma interface de usuário baseada em Streamlit (ui.py) que simplifica o processo de geração de código. A UI permite que os usuários:

• Selecionem a linguagem de programação para geração de código.
• Escolham o provedor LLM a ser usado.
• Especifiquem o modelo a ser usado para geração de código.
• Insiram uma descrição do código a ser gerado.
• Visualizem o código gerado em um formato amigável.

A UI também fornece opções para configurar configurações avançadas, como habilitar registro detalhado, definir o timeout e especificar o número máximo de tentativas.

Referência de Funções

A Função dscoder()

A interface principal para geração de código é a função dscoder():

from dscoder import dscoder

code = dscoder(
    description="Sua descrição do código",
    language="python",
    provider="openrouter",
    model=None,
    trace=False,
    timeout=120,
    max_attempts=5,
    expected_output=None
)

Parâmetros

Parâmetro	Tipo	Padrão	Descrição
description	str	Obrigatório	Requisitos detalhados para geração de código
language	str	"python"	Linguagem de programação alvo
provider	str	"openrouter"	Seleção do provedor LLM
model	str	None	Modelo específico a ser usado
trace	bool	False	Habilitar registro detalhado
timeout	int	120	Timeout global em segundos
max_attempts	int	5	Número máximo de tentativas de retry
expected_output	str	None	Saída esperada para validação