先看安装：比想象中简单，但有个坑
0,0,.08);”
loading=”lazy
221; width=”800″ height=”500″>
安装CodeWhisperer其实挺方便的，VS Code里直接搜AWS Toolkit插件就行。装完后登录AWS账号（没有可以免费注册），就能在右下角看到那个小图标了。
但第一个坑来了：必须联网。离线状态下它就是个摆设，不像Copilot还能缓存一些本地模型。我写博客时经常在飞机上写代码，结果发现它完全不能用，这点挺烦的。
另一个坑是语言支持。官方说支持Python、Java、JavaScript等15种语言，但我实测发现Python和JS的补全质量明显比Go和Rust好。这点后面会细说。
核心测试：用Python写个爬虫，看它表现
我选了个简单的需求：写一个爬取Hacker News热门文章的脚本。这任务不算复杂，但够测试它的上下文理解能力。
先看基础补全：
“python
import requests
from bs4 import BeautifulSoup
def fetch_hacker_news_top_stories():
"""
Fetch top stories from Hacker News
"""
url = "https://news.ycombinator.com/"
# 这里我开始打字，CodeWhisperer自动补全了下面的代码
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
stories = []
for item in soup.select('.athing'):
title = item.select_one('.titleline a')
if title:
stories.append({
'title': title.text,
'url': title.get('href')
})
return stories[:30]
`
这个补全质量不错，基本一次搞定，连selector都猜对了（.athing是HN的DOM结构）。但注意：它没处理异常，比如requests.get可能超时。我加了个try-except，它马上就补全了异常处理代码，这点比Copilot早期版本强。
再测个更复杂的：用异步方式重写。
`python
import aiohttp
import asyncio
from bs4 import BeautifulSoup
async def fetch_story_async(session, url):
# 这里我只写了async def，它就补全了下面的代码
async with session.get(url) as response:
html = await response.text()
soup = BeautifulSoup(html, 'html.parser')
title = soup.select_one('.titleline a')
if title:
return {
'title': title.text,
'url': title.get('href')
}
return None
async def main():
async with aiohttp.ClientSession() as session:
# 这里它推荐了gather，但第一个建议是错的
# 它想让我用asyncio.gather，但没处理session传递
tasks = [fetch_story_async(session, f"https://news.ycombinator.com/item?id={i}") for i in range(30)]
results = await asyncio.gather(*tasks)
print(results)
asyncio.run(main())
`
这里有个有意思的地方：第一个补全建议居然忘了传session参数。我按Tab接受了，结果跑起来报错，回头看发现它生成的代码是fetch_story_async(f”https://news.ycombinator.com/item?id={i}”)，少了个参数。第二个建议才正确。所以不能无脑接受建议，要看看代码逻辑。
和Copilot对比：免费就是最大的优点
我同时装了Copilot（付费版）和CodeWhisperer（免费版），在同一个项目里交替用。结论是：
| 维度 | CodeWhisperer | GitHub Copilot |
|------|---------------|----------------|
| 价格 | 免费 | $10/月 |
| 补全速度 | 2-3秒延迟 | <1秒 |
| 代码质量 | 中等 | 较好 |
| 上下文理解 | 一般 | 强 |
| 多语言支持 | Python/JS好，其他一般 | 全语言都好 |
实测一个场景：写单元测试。Copilot能根据函数签名自动生成完整测试用例，连mock都搞定。CodeWhisperer呢？看这个：
`python
我写了个函数：def calculate_discount(price, discount_percent):
然后想写测试，CodeWhisperer补全了：
def test_calculate_discount():
# 它只生成了最简单的场景
assert calculate_discount(100, 10) == 90
# 没有处理边界情况：折扣>100%、price为负数等
`
Copilot会生成至少5个测试用例，包括异常情况。CodeWhisperer只给了一个happy path。所以写测试时，我更倾向Copilot。
（这里放一张两个工具并排对比的截图，左边CodeWhisperer，右边Copilot，显示同一个函数的补全差异）
另一个坑：安全建议太啰嗦
CodeWhisperer有个“安全扫描”功能，号称能检测代码中的安全漏洞。我试了下，它给我写的一个SQL查询加了个注释：
`python
它生成的代码：
def get_user(email):
cursor.execute("SELECT * FROM users WHERE email = %s", (email,))
# 下面这个注释是CodeWhisperer自动加的
# AWS COMMENT: Parameterized query used to prevent SQL injection
return cursor.fetchone()
`
这个设计真的反人类：我写参数化查询是常识，你加个注释干嘛？ 而且它检测出的“安全漏洞”90%都是误报。比如它说我用eval()不安全，好吧这个确实不安全，但它连json.loads()都报，这就过分了。
官方文档说这个功能可以关，但我建议直接禁用安全扫描，否则它会在你写每行代码时都跳出来刷存在感，严重影响流畅度。
还有个技巧：用注释引导生成
我发现CodeWhisperer对注释的理解比Copilot弱，但也不是完全没用。如果你写详细注释，它有时能生成正确代码。
比如我要写个函数处理JSON数据：
`python
写一个函数，从嵌套JSON中提取所有用户的邮箱，去重后返回列表
输入: json_data (dict), 包含users列表，每个user有email字段
输出: list of unique emails
def extract_unique_emails(json_data):
# 这里它补全了下面的代码
emails = set()
for user in json_data.get('users', []):
email = user.get('email')
if email:
emails.add(email)
return list(emails)
`
这个补全质量不错，但注意：注释必须写在函数定义之前，写在函数内部它就不理你了。这个bug我反馈过，不知道修复没。
性能实测：从3.2秒到0.8秒
我拿一个实际项目测了下：写一个数据处理pipeline，处理10万条日志。CodeWhisperer帮我生成了大部分代码，包括：
手动写需要大概45分钟（包括调试），用CodeWhisperer辅助后缩短到18分钟，效率提升60%。不过要注意：它生成的代码有20%需要手动修改，主要是类型注解和异常处理。
但有个场景它表现很差：处理复杂的正则表达式。我让它生成一个匹配邮箱的正则，它给了个[\w\.-]+@[\w\.-]+\.\w+，这个太宽泛了，连a@b.c都能匹配。我改成[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}后它才学会。
（这里放一张代码编辑器的截图，展示CodeWhisperer在复杂函数中的补全效果，标注哪些部分需要手动调整）
总结一下，你可以立刻用的三个点
最后说一句：AI编程工具是辅助，不是替代。我用CodeWhisperer省了时间，但该看文档、该调试、该重构的步骤一个没少。免费的工具能用，但别指望它能帮你写一个完整的项目。