Firma Qodo zapracovala kontext do AI kontroly kódu s Codexem
Qodo přináší do Codexu firemní kontext a standardy kódové základny a pomáhá vývojářům odhalovat problémy P0 napříč repozitáři.
Qodo(otevře se v novém okně) vytváří AI nástroje pro kontrolu kódu a kvalitu softwaru. Programovacím agentům poskytuje firemní znalosti, které potřebují k pochopení kódu, jejž upravují. Spoluzakladatel a generální ředitel Itamar Friedman označuje Qodo za „nejlepšího přítele programovacího agenta“.
Qodo využívá modely OpenAI včetně GPT‑6 Astra ke shromažďování technických znalostí, kontrole kódu a sledování kvality softwaru. Jeho plugin pro Codex přináší tento kontext a kontrolu přímo do programovacích relací vývojářů.
„Modely OpenAI máme moc rádi. Chceme průkopnické modely, ty nejlepší v uvažování, ale i takové, které jsou opravdu rychlé.“
Itamar popisuje prostředí zákazníků, která mohou zahrnovat 10 000 i více repozitářů. Lokální změna kódu v nich může narušit navazující službu, i když sama o sobě vypadá správně. Qodo proto vytvořilo plugin dostupný na tržišti Codexu.
„Codex si dokáže opravdu dobře poradit s lokálním úkolem a efektivně ho dokončit,“ říká Itamar. Plugin Qodo poskytuje nástroji Codex prostřednictvím sady Agentic Toolbox od Qodo přístup ke znalostem o kódové základně, firemním pravidlům a nezávislé kontrole.
Díky kontextu může Codex zohlednit závislosti napříč repozitáři, včetně těch hostovaných u různých poskytovatelů Gitu, i mezi službami propojenými přes Kafku. „Qodo tyto souvislosti odhalí a pomůže Codexu nahlížet na software jako na celek, aby mu neunikly chyby P0,“ říká Itamar.
Než Codex začne psát kód, může pomocí pluginu Qodo získat příslušná pravidla pro kódovou základnu i historii a typické vzorce pull requestů. Jakmile Codex provede změny, Qodo je zkontroluje a předá mu svá zjištění přímo v téže relaci, ještě než vývojář vytvoří pull request.
Nnenna Ndukwe, vedoucí vztahů s vývojáři v oblasti AI ve společnosti Qodo, vidí, jak vývojáři tento postup využívají k tvorbě funkcí a řešení technického dluhu pomocí modelů GPT‑6 v Codexu. Automatizují předávání kódu napsaného Codexem k nezávislé kontrole v Qodo. „Právě tohle teď u vývojářů vídám a je to opravdu skvělé, protože GPT‑6 je mimořádně schopný model,“ říká Nnenna.
Itamar přirovnává agenty pro psaní a kontrolu kódu k „jin a jang“: jeden kód tvoří, druhý ho podrobuje kritickému zkoumání. Každá role potřebuje vlastní nastavení a kontext a může do ní být zapojeno více agentů. Jeho vizí je, aby agenti o zjištěních diskutovali a k lidské kontrole „předkládali jen to, na čem se neshodnou“. Vývojáři by se věnovali plánování a kontrole. Mohli by zkoumat nevyřešené problémy spolu s diskusí agentů, kontextem a dřívějšími rozhodnutími vývojářů.
„Tak se buduje důvěra,“ říká Itamar. „Myslím, že to celý proces zefektivňuje,“ dodává Nnenna. „Můžeme tak naplno využít to, v čem odborně vynikáme.“
Nnenna v Qodo používá model GPT‑6 Astra s úrovněmi úsilí Velmi vysoká a Ultra ve svých automatizovaných vývojových postupech i při znalostní práci.
„Co vlastně Codex neumí? Nadchlo mě všechno, co Codex dělá. Líbí se mi myšlenka propojení AI a automatizace.“
Nnenna nastavuje v Codexu pravidelné úlohy, které shrnují, čeho během týdne dosáhla a na co by se mohla dál zaměřit nebo v čem se zlepšit. Využívá ho také k průzkumu diskusí o vývoji softwaru pomocí agentů na sociálních sítích a k navrhování témat pro obsah určený vývojářům. U vlastních změn kódu plánuje úlohy, v nichž Codex analyzuje její práci a navrhuje, jaké dovednosti agentů vytvořit nebo zdokonalit.
Itamar vidí příležitost ve využití nedávno uvedené Decisions API od OpenAI k výběru pravidel a dovedností agentů pro jednotlivé fáze vývoje, místo aby se každé rozhodnutí nechávalo na jazykových modelech.
Uvádí příklad, kdy by Decisions API mohlo z 200 pravidel vybrat ta, jejichž dodržení je třeba ověřit. Jazykový model by se pak v rámci uvažování zabýval jen těmi relevantními. Výběr by tak byl rychlejší a levnější a zároveň by se zvýšila kvalita kontroly. „Decisions API nám nabízí obrovskou příležitost posílit důvěru v celý proces,“ říká Itamar.
Přístup Qodo spojuje „to nejlepší z umělé inteligence s tím nejlepším z tradičního softwarového vývoje a skriptování,“ říká Nnenna. Firemní znalosti vedou programovací agenty, nezávislá kontrola ověřuje jejich práci a lidská odbornost řeší zbývající otázky.
Tím vzniká základ toho, co Itamar popisuje jako softwarovou továrnu: systému, který by si zákazníci mohli sestavit a vlastnit a který propojuje agenty pro psaní a kontrolu kódu s porozuměním tomu, jak se software mění v produkčním prostředí.
Společně s OpenAI vytváří Qodo budoucnost, v níž programovací agenti lépe využívají zkušenosti firmy a vývojáři mohou uplatňovat svůj úsudek tam, kde na něm nejvíc záleží.
