Проект Eclipse Code Recommenders представляет собой набор плагинов для интегрированной среды разработки Eclipse, предназначенных для улучшения процесса программирования путём предоставления интеллектуальных рекомендаций и контекстного автодополнения. Основная цель проекта — помочь разработчикам эффективно осваивать новые API и фреймворки, минимизируя время на изучение и снижая вероятность ошибок при использовании сторонних библиотек.

Идея проекта возникла в 2006 году, когда исследователь Марсель Брух начал разрабатывать инструменты для анализа исходного кода с целью выявления типичных паттернов использования API. В 2011 году проект был представлен как часть инициативы Eclipse Technology и с тех пор активно развивался, получив поддержку со стороны таких организаций, как Университет Дармштадта и Codetrails.

В основе работы Eclipse Code Recommenders лежит анализ реального использования API в кодовых базах. Плагин собирает данные о частоте вызовов методов, их контексте и взаимосвязях, после чего использует эти данные для формирования рекомендаций, интегрируемых непосредственно в среду разработки.

• Интеллектуальное автодополнение: Предоставляет рекомендации по методам и конструкторам на основе анализа существующего кода, учитывая контекст и частоту использования.
• Расширенная документация: Отображает информацию о том, как часто используются те или иные методы, а также предлагает шаблоны кода, основанные на реальном опыте разработчиков.
• Рекомендации по переопределению методов: Помогает определить, какие методы часто переопределяются при расширении классов, что упрощает процесс наследования и кастомизации.
• Обнаружение ошибок API: Выявляет потенциальные ошибки или неправильное использование API, предупреждая разработчика о возможных проблемах ещё на стадии написания кода.
• Поддержка сторонних библиотек: Предоставляет рекомендации и шаблоны для популярных сторонних библиотек, таких как Apache Commons, Guava, JUnit, Mockito, SLF4J, Spring и Hibernate, что облегчает их интеграцию в проекты.
• Модели на основе анализа кода: Использует модели, построенные на основе анализа исходного кода существующих приложений, для предоставления рекомендаций по использованию API.