CodeGeeX 能自动识别 Python 循环中的低效写法，并一键生成优化版本——提取不变计算、转换为生成器、改用内置函数等。无需手动查阅 yield 或列表推导式的文档，也无需反复运行测试来验证性能。
想让 Python 循环运行得更快，又不想手动重写逻辑、反复测试性能、或者翻阅文档寻找 yield 和列表推导式？CodeGeeX 可以直接基于现有循环代码，识别低效结构并生成优化后的版本，核心操作包括提取不变计算、替换为生成器、以及改用内置函数等。
安装并激活 CodeGeeX 插件
首先确认 PyCharm 版本 ≥ 2020.3，否则插件无法安装或功能不全。低于此版本将无法触发代码优化建议。
接着打开 File → Settings → Plugins，搜索 “CodeGeeX”，点击 Install，安装完成后务必重启 PyCharm。重启后观察右下角状态栏是否出现蓝色机器人图标——出现则说明插件已就绪；若未出现，很可能是跳过了重启步骤。
用自然语言指令生成优化版循环
此方法适用于两种场景：刚写完循环但怀疑效率不足，或希望快速对比多种优化路径的效果。
在 .py 文件中，将光标放在待优化循环上方的空白处，输入类似以下提示：
“将以下 for 循环优化：外层遍历 range(10000)，内层遍历 range(5000)，每次计算 i * 300 + j * 300 并 append 到列表；要求提取外层不变量、避免重复乘法、使用局部变量加速。”
按 Ctrl+Enter 触发生成，CodeGeeX 会输出带注释的优化代码，通常包含 out_val = i * 300 这样的提取、列表推导式替代嵌套 append 等关键改动。
选中现有循环一键重构
这是最高效的用法——无需写提示词，直接让 AI 分析当前代码的性能瓶颈。
- 用鼠标完整选中要优化的循环块（包括 for 行、缩进体、可能的初始化和后续使用）。
- 右键 → CodeGeeX → Refactor Loop Performance，或者点击右侧 CodeGeeX 面板中的「Optimize Selected Code」按钮。
- 等待几秒，生成结果自动弹出：它会判断是否适合改用 map/filter、是否可转换为 yield 生成器、是否应替换为 sum() 或 any() 等内置函数。
- 注意检查生成代码是否保留了原逻辑语义——例如原循环有 break 早退逻辑，优化后必须能正确终止，否则结果会出错。
如果生成结果没有使用 yield，而原始循环产生了大量中间列表，可以在提示中追加一句：“请改用生成器函数，避免内存累积”，然后再次触发。
注入上下文强制匹配项目规范
当循环嵌套在类方法中、依赖 self 缓存变量、或需要与已有装饰器（如 @lru_cache）协同工作时，裸提示容易丢失关键约束。
解决方法是在循环上方插入注释块，例如：
# CONTEXT: 当前在 class DataProcessor 中；self._cache 是 dict；需保持线程安全；禁止修改返回类型（必须仍为 list）
然后在同一位置输入：“基于 CONTEXT，优化下方循环：for k in keys: result.append(self._cache.get(k, 0) * 2)”
这一步能有效避免 CodeGeeX 错误地将 list 返回改为 generator，或忽略 self._cache 的实际访问开销而进行无效优化。
验证优化效果
复制生成的优化代码，粘贴到新函数中，用 timeit 模块粗略对比：
import timeit
print(timeit.timeit('old_loop()', setup='from __main__ import old_loop', number=10000))
注意不要在 PyCharm 的 Debug 模式下测速——JVM 调试开销会严重干扰结果；务必切换到 Run 模式执行。如果优化后耗时反而增加，很可能是因为 CodeGeeX 误判了数据规模：在小数据集上，列表推导式未必快于简单 for 循环。此时手动添加 if len(data) > 10000 再启用优化分支，才是稳妥的做法。