Data-based code synthesis in IntelliJ IDEA

Abstract

В последнее время возвращается интерес к области автоматического синтеза программ. В данной выпускной квалификационной работе проводится обзор Bayesian Sketch Learning (BSL) подхода к синтезу программ, описывается концепция BSL-синтезатора и сам процесс синтеза. В рамках работы предлагается архитектура конфигурируемого BSL-синтезатора, способного поддерживать синтез кода для различных библиотек. Данная архитектура реализуется как BSL-синтезатор для JVM-платформы, а полученный синтезатор интегрируется с IntelliJ IDEA как плагин. Представляются два подхода к реализации пользовательского интерфейса плагина: аннотация методов и предметно-ориентированный язык. Работа завершается апробацией и обсуждением границ применимости в промышленности выбранного подхода.

Automatic code synthesis has been attracting more attention lately. This graduation thesis provides an overview of Bayesian Sketch Learning (BSL) approach to synthesis of code, describes basic concepts and workflow of a BSL synthesizer. We discuss an architecture of a configurable BSL synthesizer that could work as a part of an integrated development environment. We describe the implementation of such synthesizer for JVM platform and its integration with IntelliJ IDEA as a plugin. Two approaches to implement user interaction in a plugin like this are presented: method annotations and a domain-specific language. The graduation thesis concludes with an evaluation and a discussion on limitations of selected approach for industrial programmers.