脸书为了让开发者可以快速找到需要功能的代码片段，开发了新的代码搜索工具NCS（Neural Code Search），开发者可以直接使用自然语言进行代码搜索。

NCS使用GitHub储存库当作训练资料库，以热门开发者论坛Stack Overflow上的问题进行搜索，而模型可以正确回答诸如"如何隐藏Android屏幕键盘？"以及"如何删除整个资料夹以及属性？"等问题，回传相关的代码片段。

NCS是一种结合自然语言以及资讯搜索技术的应用，脸书提到，不少开发者的需求，早就已经存在于大型代码储存库当中，因此可以使用自然语言描述问题，直接从代码库中得到答案，将能加快开发工作。NCS还附有扩充套件UNIF，当有足够的监督式资料，便能使用这个扩充套件进行监督式训练，以改进模型的性能。

NCS模型以嵌入（Embedding）的方式撷取程序语意，也就是说，经过适当地计算，语意相似的代码实体在向量空间会相当靠近，像是隐藏或是关闭Android屏幕键盘的问题，即便两个功能程式码不同，但是在向量空间相当靠近。

脸书以这个概念建构NCS模型，在建置模型的阶段，每个代码片段都会被嵌入到向量空间中，而在执行查询的时候，使用者的查询会被映像到同一个向量空间中，向量的距离是估计代码片段和查询相关的程度。

GitHub存储库中的代码，被当作训练NCS模型的资料，在Stack Overflow上评估NCS的性能，脸书把Stack Overflow上的标题作为查询，并把答案中的代码当成是解答，然后评量NCS对查询的回应，出现在Stack Overflow解答前1、前5以及前10的次数。在创建的287个问题中，NCS的回答出现在前10的有175个问题，相当是整个资料集的60%，其中前5的有136个问题，回答就跟问题的最佳解答相同的有83题。

最近脸书在搜索代码研究进行了不少研究，在不久前才刚发表了代码推荐工具Aroma，让开发者以代码搜代码的方式，针对相同问题，探索其他更好的解决方式。