Qodo aporta contexto a la revisión de código con IA usando Codex
Qodo incorpora el contexto de la organización y los estándares del código base a Codex para ayudar a los desarrolladores a detectar problemas P0 entre repositorios.
Qodo(se abre en una nueva ventana) crea herramientas de IA para revisar código y mejorar la calidad del software, y les brinda a los agentes de programación el conocimiento de la organización que necesitan para entender el código que modifican. Su cofundador y director ejecutivo, Itamar Friedman, lo llama "el mejor amigo del agente de programación".
Qodo usa modelos de OpenAI, incluido GPT‑6 Astra, para recopilar conocimientos de ingeniería, revisar código y monitorear la calidad del software. Su complemento para Codex incorpora ese contexto y esa revisión a las sesiones de programación de los desarrolladores.
"Nos encantan los modelos de OpenAI. Queremos modelos de vanguardia, los mejores modelos de razonamiento, pero también los que sean realmente rápidos".
Itamar describe entornos de clientes que pueden abarcar 10 000 repositorios o más, donde un cambio local en el código puede hacer que falle un servicio dependiente, aunque el cambio parezca correcto por sí solo. Para resolver esto, Qodo creó un complemento disponible en el catálogo de Codex.
"Codex es muy bueno para tomar una tarea local y completarla de manera eficiente", dice Itamar. El complemento de Qodo le da a Codex acceso al conocimiento del código base, las reglas de la organización y una revisión independiente a través de Agentic Toolbox de Qodo.
Con ese contexto, Codex puede tener en cuenta las dependencias entre repositorios, incluidos los alojados por distintos proveedores de Git o los servicios conectados a través de Kafka. "Qodo establecerá esa conexión y ayudará a Codex a analizar el software en su conjunto para que no pase por alto esos errores P0", dice Itamar.
Antes de empezar a escribir código, Codex puede usar el complemento de Qodo para consultar las reglas pertinentes del código base, así como el historial y los patrones de las pull requests. Una vez que Codex realiza los cambios, Qodo los revisa y le devuelve sus hallazgos directamente en la misma sesión, antes de que el desarrollador abra una pull request.
Nnenna Ndukwe, líder de relaciones con desarrolladores de IA en Qodo, observa que los desarrolladores usan este flujo de trabajo para crear funciones y abordar la deuda técnica con los modelos GPT‑6 en Codex. Están automatizando el paso del trabajo de programación de Codex a la revisión independiente de Qodo. "Eso es lo que he visto hacer a los desarrolladores, y me entusiasma mucho porque GPT‑6 es sumamente capaz", dice Nnenna.
Itamar describe a los agentes de programación y revisión como "el yin y el yang": uno crea código y el otro lo pone a prueba. Cada rol necesita su propia configuración y contexto, y puede involucrar a varios agentes. Su visión es que los agentes debatan los hallazgos y "presenten solo aquello que no acepten" para su revisión por parte de una persona. Los desarrolladores pasarían a planificar y revisar, con la posibilidad de examinar los problemas pendientes junto con el debate de los agentes, el contexto y las decisiones previas de los desarrolladores.
"Así es como se genera confianza", dice Itamar. "Creo que esto hace que todo el proceso sea más eficiente", agrega Nnenna. "Nos permite aprovechar lo mejor de nuestra experiencia".
Dentro de Qodo, Nnenna ha estado usando los niveles de esfuerzo Muy alto y Ultra de GPT‑6 Astra tanto en sus propios flujos de desarrollo automatizados como en tareas profesionales.
"¿Qué no hace Codex? Me encanta todo lo que hace Codex. Me encanta la idea de combinar IA y automatización".
Nnenna programa Codex para que le informe sobre lo que logró durante la semana y en qué podría enfocarse o mejorar después. También lo usa para investigar conversaciones sobre ingeniería con agentes en redes sociales y sugerir ideas de contenido para desarrolladores. En cuanto a sus propios cambios de código, programa Codex para que analice su trabajo y sugiera skills de agentes que podría crear o perfeccionar.
Itamar ve una oportunidad de usar Decisions API, que OpenAI lanzó recientemente, para elegir qué reglas y skills de agentes aplicar en cada etapa del desarrollo, en lugar de depender de modelos de lenguaje para cada decisión.
Cita un ejemplo en el que Decisions API podría seleccionar cuáles de 200 reglas se deben verificar antes de que un modelo de lenguaje analice las pertinentes. Esto ayudaría a agilizar la selección y reducir su costo, además de mejorar la calidad de la revisión. "Decisions API nos ofrece una enorme oportunidad de generar más confianza en el proceso", dice Itamar.
El enfoque de Qodo combina "lo mejor de la inteligencia artificial con lo mejor de la ingeniería de software tradicional y la creación de scripts", dice Nnenna. El conocimiento de la empresa guía a los agentes de programación, una revisión independiente verifica su trabajo y la experiencia humana resuelve las dudas que quedan.
Esto sienta las bases de lo que Itamar describe como una fábrica de software: un sistema que los clientes podrían ensamblar y tener bajo su control, que combina agentes de programación y revisión con una comprensión de cómo cambia el software en producción.
Junto con OpenAI, Qodo está construyendo un futuro en el que los agentes de programación aprovechen mejor la experiencia de cada empresa y los desarrolladores puedan aplicar su criterio donde más importa.
