Greptile udvider fejlfinding ud over kodereview med GPT‑6 Astra

Greptile⁠(åbner i et nyt vindue) udvikler AI-agenter, der gennemgår og tester kodeændringer med hele kodebasen som kontekst. »Vi arbejder for at reducere fejl og gøre verdens software mere pålidelig,« siger medstifter og adm. direktør Daksh Gupta.

For Daksh kræver den mission, at man både tester, hvordan en applikation fungerer, og læser dens kode. GPT‑6 Astras evne til at betjene en computer giver Greptile mulighed for at automatisere test i stor skala.

At validere en pull request indebærer at kontrollere, om koden er logisk korrekt, gør det, udvikleren havde til hensigt, er sikker og ikke ødelægger eksisterende funktionalitet. Nogle af disse test kræver, at man faktisk kører applikationen, fordi problemet måske ikke viser sig, hvis man kun læser koden.

Daksh nævner som eksempel en knap, der forsvinder, når et website vises på en iPhone. Med GPT‑6 Astra kan Greptile starte en udviklingsserver til en pull request, tilpasse browserens visningsområde til en iPhones skærmstørrelse og simulere en bruger, der bevæger sig gennem applikationen. Modellens visuelle forståelse gør det muligt at undersøge skærmbilledet og opdage den skjulte knap.

»At få et QA-firma til at teste alle ens ændringer er simpelthen for langsomt i praksis, når man tænker på, hvor hurtigt vi kan udgive kode med de her modeller,« siger han. Med GPT‑6 Astra kan Greptile automatisere denne form for applikationstest i stor skala.

Daksh siger, at mere kraftfulde modeller også gør det lettere for angribere at udnytte sårbarheder i applikationer. Det udsætter virksomheder for risiko – også dem, der tidligere ikke ville have været oplagte mål.

»Vi vil gøre det meget nemt for selv en startup at sikre sine systemer,« siger Daksh. »Med Daybreak kan vi gøre det på en meget sikker måde, og vi kan sikre, at vores kunder har mere avancerede forsvarsmekanismer, end modstanderne har angrebsmekanismer.«

Greptiles vidensbase indekserer en virksomheds kodebase og dokumenterer, hvordan den fungerer, i et format, som mennesker og agenter kan læse. Virksomheden gør denne dokumentation tilgængelig for Codex via en Model Context Protocol-server (MCP).

Det gør det muligt for Codex at skrive kode, der følger kundens eksisterende mønstre. Ifølge Daksh har tusindvis af kunder forbundet Codex med Greptiles vidensbase.

For at måle effekten registrerer teamet, hvor ofte AI-genereret kode rulles tilbage. »Når vi giver agenter kontekst, er der færre tilbagerulninger, og kunderne sparer både tid og inferensressourcer,« siger Daksh. Kunderne kan bruge de sparede ressourcer på nye opgaver i stedet for at omarbejde de samme ændringer.

Greptile bruger også Codex til at udvikle sin egen software og sine egne agenter. »Vi bruger Codex rigtig meget,« siger Daksh. »Vi bruger det enormt meget på tværs af alle funktioner, især i udviklingsafdelingen.«

Daksh forklarer, at Greptiles eneste reelle flaskehals er, hvor hurtigt teamet kan omsætte idéer til fungerende software. Han siger, at modellerne allerede er intelligente nok til mange opgaver, så han ser Ultrafast som en måde at sætte fart på udviklingen på.

På længere sigt er hans mål at gøre det lige så nemt at ændre og udgive kritisk virksomhedssoftware som at udgive et sideprojekt. OpenAI hjælper Greptile med at udvikle den validering, det kræver.