Qodo ergänzt KI-Code-Reviews mit Codex um Kontext
Qodo integriert Organisationswissen und Standards für die Codebasis in Codex und hilft Entwicklungsteams, P0-Probleme über Repository-Grenzen hinweg zu erkennen.
Qodo(wird in einem neuen Fenster geöffnet) entwickelt KI-Tools für Code-Reviews und Softwarequalität. Sie geben Coding-Agenten das nötige Organisationswissen, um den Code zu verstehen, den sie ändern. Co-founder and CEO Itamar Friedman nennt Qodo „den besten Freund des Coding-Agenten“.
Qodo nutzt Modelle von OpenAI, darunter GPT‑6 Astra, um Entwicklungswissen zu sammeln, Code zu prüfen und die Softwarequalität zu überwachen. Das Codex-Plugin von Qodo stellt diesen Kontext und die Review-Funktionen direkt beim Programmieren bereit.
„Wir lieben die Modelle von OpenAI. Wir wollen modernste Modelle, die besten Reasoning-Modelle, aber auch solche, die wirklich schnell sind.“
Itamar beschreibt Umgebungen von Kundenunternehmen, die 10.000 oder mehr Repositorys umfassen können. Dort kann eine lokale Codeänderung einen nachgelagerten Dienst lahmlegen, selbst wenn sie für sich genommen korrekt aussieht. Um dieses Problem anzugehen, hat Qodo ein Plugin entwickelt, das im Codex-Marktplatz verfügbar ist.
„Codex ist wirklich gut darin, eine lokale Aufgabe zu übernehmen und effizient zu erledigen“, sagt Itamar. Das Plugin von Qodo gibt Codex über die Agentic Toolbox von Qodo Zugriff auf Wissen über die Codebasis, organisationsinterne Regeln und unabhängige Reviews.
Mit diesem Kontext kann Codex Abhängigkeiten über Repository-Grenzen hinweg berücksichtigen. Das gilt auch für Repositorys bei unterschiedlichen Git-Anbietern oder für Dienste, die über Kafka verbunden sind. „Qodo wird diesen Zusammenhang herstellen und Codex dabei helfen, die Software als Ganzes zu betrachten und diese P0-Fehler nicht zu übersehen“, sagt Itamar.
Bevor Codex Code schreibt, kann es mit dem Plugin von Qodo die relevanten Regeln für die Codebasis sowie den Verlauf und die Muster bisheriger Pull Requests abrufen. Nachdem Codex die Änderungen vorgenommen hat, prüft Qodo sie und meldet die Ergebnisse direkt in derselben Sitzung an Codex zurück, noch bevor die programmierende Person einen Pull Request öffnet.
Nnenna Ndukwe, AI Developer Relations Lead bei Qodo, beobachtet, wie Softwarefachkräfte diesen Workflow nutzen, um mit GPT‑6‑Modellen in Codex Funktionen zu entwickeln und technische Schulden abzubauen. Dabei automatisieren sie die Übergabe zwischen der Programmierarbeit von Codex und dem unabhängigen Review durch Qodo. „Genau das beobachte ich bei Softwarefachkräften. Das ist wirklich spannend, weil GPT‑6 extrem leistungsfähig ist“, sagt Nnenna.
Itamar beschreibt Coding- und Review-Agenten als „Yin und Yang“: Einer erstellt Code, der andere hinterfragt ihn. Jede Rolle braucht eine eigene Konfiguration und eigenen Kontext und kann mehrere Agenten umfassen. Seine Vision: Agenten diskutieren ihre Ergebnisse und legen Menschen „nur das zur Prüfung vor, was sie nicht akzeptieren“. Softwarefachkräfte würden die Planung und Prüfung übernehmen. Sie könnten offene Fragen zusammen mit der Diskussion der Agenten, dem Kontext und früheren Entscheidungen aus der Entwicklung prüfen.
„So schafft man Vertrauen“, sagt Itamar. „Ich denke, das macht den gesamten Prozess effizienter“, ergänzt Nnenna. „Wir können unsere fachlichen Stärken gezielt einsetzen.“
Bei Qodo nutzt Nnenna GPT‑6 Astra mit den Reasoning-Einstellungen „Sehr hoch“ und „Ultra“ für ihre eigenen automatisierten Entwicklungsabläufe und für Wissensarbeit.
„Was macht Codex eigentlich nicht? Ich liebe alles, was Codex macht. Ich liebe die Idee, KI und Automatisierung zu verbinden.“
Nnenna lässt Codex nach einem Zeitplan darüber berichten, was sie in der Woche erreicht hat und worauf sie sich als Nächstes konzentrieren oder was sie verbessern könnte. Außerdem recherchiert sie damit Diskussionen über agentengestützte Softwareentwicklung auf sozialen Plattformen und lässt sich Ideen für Inhalte für die Entwicklungscommunity vorschlagen. Für ihre eigenen Codeänderungen plant sie regelmäßige Analysen durch Codex ein. Dabei soll Codex auch Agenten-Skills vorschlagen, die sie erstellen oder verbessern könnte.
Itamar sieht in der kürzlich von OpenAI eingeführten Decisions API eine Möglichkeit, für jede Entwicklungsphase die passenden Regeln und Agenten-Skills auszuwählen, statt für jede Entscheidung auf Sprachmodelle zu setzen.
Als Beispiel nennt er einen Fall, in dem die Decisions API aus 200 Regeln diejenigen auswählen könnte, die geprüft werden müssen. Anschließend würde ein Sprachmodell die relevanten Regeln durchgehen. Das könnte die Auswahl beschleunigen, Kosten senken und zugleich die Qualität des Reviews verbessern. „Die Decisions API bietet uns eine enorme Chance, mehr Vertrauen in den Prozess zu schaffen“, sagt Itamar.
Der Ansatz von Qodo verbindet „die besten Aspekte künstlicher Intelligenz mit den besten Aspekten traditioneller Softwareentwicklung und Skriptprogrammierung“, sagt Nnenna. Unternehmenswissen leitet Coding-Agenten an, unabhängige Reviews prüfen ihre Arbeit, und menschliches Fachwissen klärt die verbleibenden Fragen.
So entsteht die Grundlage dessen, was Itamar als Softwarefabrik beschreibt: ein System, das Kundenunternehmen selbst zusammenstellen und besitzen könnten. Es verbindet Coding- und Review-Agenten mit einem Verständnis dafür, wie sich Software im Produktivbetrieb verändert.
Gemeinsam mit OpenAI arbeitet Qodo an einer Zukunft, in der Coding-Agenten die Erfahrung eines Unternehmens stärker nutzen und Softwarefachkräfte ihr Urteilsvermögen dort einsetzen können, wo es am meisten zählt.
