แชทกับแอสเซมบลี .NET ของคุณและสร้างโค้ดที่ทำงานได้

อัปโหลด DLL, EXE หรือแพ็กเกจ NuGet

ลากและวางแอสเซมบลี .NET ที่จัดการของคุณหรือเลือกไฟล์ .nupkg ระบบจะสกัดข้อมูลเมตา API สาธารณะ, สร้างดัชนี RAG ที่สามารถค้นหาได้, และเตรียมผู้ช่วย AI ที่คุ้นเคยกับโค้ดของคุณ

Drag and drop your file here or browse to select

แชทกับแอสเซมบลี .NET ของคุณและสร้างโค้ดที่ทำงานได้

อัปโหลด DLL หรือแพคเกจ NuGet — AI จะอ่านเมตาดาต้า สร้างดัชนี RAG และตอบคำถามเกี่ยวกับแอสเซมบลีของคุณ

อัปโหลดไฟล์ .NET DLL หรือระบุชื่อแพ็กเกจ NuGet แล้วแชตกับ public API ของมันได้เลย AI ตอบโดยอ้างอิงจาก signature จริงและคอมเมนต์ XML เขียนตัวอย่างโค้ด C# ที่ใช้งานได้ วาดคลาสไดอะแกรมแบบ PlantUML และ SVG และเปรียบเทียบแพ็กเกจสองเวอร์ชันเพื่อแสดงว่า API เปลี่ยนอะไรบ้างก่อนที่คุณจะอัปเกรด

AI Assembly Chat เริ่มต้นด้วยการวิเคราะห์แบบคงที่ ไม่ใช่การคาดเดา เมื่อคุณอัปโหลดไฟล์ DLL, EXE หรือแพ็กเกจ NuGet, .NET reflection จะสำรวจส่วนสาธารณะของมัน — เนมสเปซ, คลาส, อินเทอร์เฟซ, enum, เมธอด, พร็อพเพอร์ตี, และคอมเมนต์ XML doc ที่แนบมาด้วย — ในขณะที่สมาชิกภายในและส่วนที่เป็น private จะถูกละเว้น สิ่งนี้ทำให้ AI มีข้อมูลที่เป็นความจริงเกี่ยวกับเวอร์ชันแอสเซมบลีเฉพาะของคุณ แทนการพึ่งพาความรู้ทั่วไปจากการฝึกโมเดลของแพ็กเกจ

เมตาดาต้าที่สกัดออกมา พร้อมกับรูปแบบการใช้งานที่สรุปได้ จะถูกฝังและทำดัชนีสำหรับการค้นหาเชิงความหมาย (RAG) ดังนั้นคำถามเช่น "how do I serialize an object with this library" จะดึงเมธอดที่เกี่ยวข้องจริงและลายเซ็นที่แท้จริงของมัน แทนการคาดเดาที่ฟังดูสมเหตุสมผล ขั้นตอนการทำดัชนีนี้คือสิ่งที่ทำให้คำตอบยังคงแม่นยำแม้สำหรับ API ที่เป็น internal, ไม่ทั่วไป, หรือเพิ่งเปลี่ยนแปลง ซึ่งโมเดลทั่วไปไม่เคยเห็น

ลายเซ็นและคอมเมนต์ที่ดึงมาจะเป็นพื้นฐานให้กับการตอบของ AI: ตัวอย่างโค้ด C#/F# ที่ทำงานได้พร้อมคำสั่ง using ที่ถูกต้องและรูปแบบ async, คำอธิบายด้วยภาษาธรรมดาว่า type หรือเมธอดทำอะไร, หรือไดอะแกรมคลาส SVG และไดอะแกรมลำดับ PlantUML ตามความต้องการที่แสดงให้เห็นว่าชิ้นส่วน API จริงเชื่อมต่อกันอย่างไร ไม่มีข้อมูลใดที่คุณอัปโหลดจะถูกเก็บไว้หลังจากเซสชันหรือใช้ในการฝึกโมเดล