Qodo aporta contexto a la revisión de código con IA y Codex
Qodo incorpora el contexto de la organización y las normas de la base de código a Codex para ayudar a los desarrolladores a detectar fallos P0 entre repositorios.
Qodo(se abre en una ventana nueva) crea herramientas de IA para revisar código y garantizar la calidad del software, y proporciona a los agentes de programación el conocimiento de la organización que necesitan para entender el código que modifican. Su cofundador y CEO, Itamar Friedman, lo llama «el mejor amigo del agente de programación».
Qodo utiliza modelos de OpenAI, entre ellos GPT‑6 Astra, para recopilar conocimientos de ingeniería, revisar código y supervisar 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 son realmente rápidos».
Itamar describe entornos de clientes que pueden abarcar 10 000 repositorios o más, donde un cambio local en el código puede provocar fallos en un servicio dependiente, aunque por sí solo parezca correcto. Para abordar este problema, Qodo creó un complemento disponible en el marketplace de Codex.
«Codex es muy bueno a la hora de abordar una tarea local y completarla de forma eficiente», afirma Itamar. El complemento de Qodo da a Codex acceso a conocimientos sobre la base de código, 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 entre servicios conectados mediante Kafka. «Qodo establecerá esa conexión y ayudará a Codex a examinar el software en su conjunto para que no se le escapen esos fallos P0», explica Itamar.
Antes de empezar a escribir código, Codex puede utilizar el complemento de Qodo para consultar las reglas pertinentes de la base de código, así como el historial y los patrones de las pull requests. Una vez que Codex realiza los cambios, Qodo los revisa y le devuelve directamente los resultados en la misma sesión, antes de que el desarrollador abra una pull request.
Nnenna Ndukwe, responsable de relaciones con desarrolladores de IA en Qodo, observa cómo los desarrolladores utilizan este flujo de trabajo para crear funcionalidades y abordar la deuda técnica con 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 resulta muy ilusionante porque GPT‑6 tiene una capacidad extraordinaria», afirma Nnenna.
Itamar describe los agentes de programación y revisión como «el yin y el yang»: uno crea código y el otro lo pone a prueba. Cada función necesita su propia configuración y contexto, y puede implicar a varios agentes. Su visión es que los agentes debatan los resultados y «presenten solo aquello que no aceptan» para que lo revise una persona. Los desarrolladores pasarían a planificar y revisar, y podrían 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», afirma Itamar. «Creo que hace que todo el proceso sea más eficiente en conjunto», añade Nnenna. «Podemos aprovechar lo mejor de nuestra experiencia».
En su trabajo en Qodo, Nnenna utiliza los niveles de esfuerzo Muy alta y Ultra de GPT‑6 Astra tanto en sus propios flujos de desarrollo automatizados como en tareas de trabajo intelectual.
«¿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 elabore informes sobre lo que ha conseguido durante la semana y en qué podría centrarse o mejorar después. También lo utiliza para investigar conversaciones sobre ingeniería con agentes en redes sociales y proponer ideas de contenido para desarrolladores. En cuanto a sus propios cambios en el código, programa Codex para que analice su trabajo y sugiera habilidades para agentes que podría crear o perfeccionar.
Itamar ve una oportunidad de utilizar la API de Decisions, que OpenAI ha lanzado recientemente, para elegir qué reglas y habilidades de los agentes aplicar en cada fase del desarrollo, en lugar de recurrir a modelos de lenguaje para cada decisión.
Cita un ejemplo en el que la API de Decisions podría seleccionar cuáles de las 200 reglas hay que comprobar antes de que un modelo de lenguaje analice las pertinentes. Así, la selección sería más rápida y económica, y la revisión ganaría en calidad. «La API de Decisions nos ofrece una oportunidad enorme de aportar más confianza al proceso», afirma 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», explica Nnenna. El conocimiento de la empresa guía a los agentes de programación, una revisión independiente comprueba 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 montar y hacer suyo, combinando agentes de programación y revisión con una comprensión de cómo cambia el software en producción.
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.
