CodeRabbit arendab agentidega ja väljastab 20× rohkem tarkvara

CodeRabbiti⁠(avaneb uues aknas) kaasasutaja ja tegevjuhi Harjot Gilli sõnul saab agentide loodud koodi kontrollimisest ja selle usaldusväärsuse hindamisest etapp, kus tiimid rakendavad oma otsustusvõimet AI loodud töö üha kasvava mahu juures. „Esimene kitsaskoht, millega iga ettevõte kohe pärast programmeerimisagentide kasutuselevõttu kokku puutub, on koodiülevaatused,“ ütleb Harjot.

CodeRabbit lõi AI-põhise haldus- ja kontrollplatvormi AI loodud koodi valideerimiseks ja selle usaldusväärsuse tagamiseks. CodeRabbitit kasutab üle 20 000 organisatsiooni ja enam kui 150 000 avatud lähtekoodiga projekti. See aitab tiimidel AI-agentide loodud koodi mõista, üle vaadata ja turvata ning otsustada, mis on väljalaskmiseks valmis.

CodeRabbiti sõnul võimaldab OpenAI parem hinna ja jõudluse suhe kaasata koodiülevaatustesse rohkem AI-agente ning pakkuda sellest saadavat kasu ka klientidele. Codex⁠ aitab ettevõttel sama arendustiimiga välja lasta 20 korda rohkem tarkvara. Ettevõte kasutab ka Daybreaki⁠, et turvata nii oma tehnoloogiapinu kui ka klientide koodi. Ettevõtte uusim toode CodeRabbit Secure kasutab Daybreaki koos Codexi mudelitega, et leida ja parandada haavatavusi turvalisusele keskendunud agentide abil.

CodeRabbit lõi oma esimese toote mudeli GPT‑3.5 Turbo abil. Harjoti sõnul muutis GPT‑4 tulek toote koodi ülevaatamisel tõhusaks. Seejärel võttis ettevõte varakult kasutusele OpenAI o1 ja OpenAI o3. Kuna koodiülevaatused toimuvad pilves asünkroonselt, sai CodeRabbit kasutada mudeleid, mis kulutasid probleemi üle arutlemisele rohkem aega, kuid pakkusid selle eest põhjalikumat analüüsi.

Tiim hindab uusi mudeleid enda koostatud, teadaolevaid probleeme sisaldava võrdlustesti abil. Intervjuu ajal hindas Harjot, et GPT‑6 Astra⁠ leidis 50% selle andmestiku probleemidest, mis andis sellele võrdlustestis teiste mudelite ees esikoha.

Võrdlustest areneb pidevalt, sest agendid tekitavad uut tüüpi vigu ning parandused toovad esile probleeme, mis jäid varasemates ülevaatustes märkamata. „Vigade olemus muutub pidevalt ja mudelite paranedes areneb ka meie võrdlustest,“ ütleb Harjot.

OpenAI mudelite parem hinna ja jõudluse suhe on aidanud CodeRabbitil tuua uurimistöös katsetatud võimalused oma tootesse. Harjot tõstab esile mudelite soodsama hinnastuse ja vahemällu salvestamise täiustused, mis võimaldavad ettevõttel kasutada rohkem AI-d, lisada rohkem alamagente ning pakkuda sellest saadavat kasu ka klientidele.

Alguses kasutas CodeRabbit koodis navigeerimiseks üht või kaht alamagenti. Soodsamad mudelid, nagu GPT‑6 Luna, võimaldavad nüüd kasutada kogu platvormil rohkem alamagente, samal ajal kui mudelid, nagu GPT‑6 Astra, tegelevad planeerimise ja töö koordineerimisega.

„Nüüd kasutame agente kõikjal ülesannetes, mille puhul me varem ei saanud seda endale lubadagi,“ ütleb Harjot. See avardab CodeRabbiti võimalusi koodi valideerida ja arendajatele selgitusi anda, aidates neil mõista ja usaldada muudatusi, mida nad pole ise kirjutanud.

Harjoti sõnul on ettevõte tänu Codexile viimase kuue kuu jooksul välja lasknud ligikaudu 20 korda rohkem tarkvara, palkamata arendajaid juurde. Tema enda hinnangul esitas ta intervjuule eelnenud 30 päeva jooksul 2500–3000 pull request'i.

Selleni jõudmiseks ei piisanud vaid Codexi kasutuselevõtust. Mitme agendi käitamine tõi esile piirangud kogu arendusprotsessis, alates sülearvuti mälust ja arvutusvõimsusest kuni testimise, tarkvara kompileerimise ja pakendamise tööriistade ning sõltuvusteni.

Tiim muutis väljalaskeprotsessi sujuvamaks ja vaatas üle, millistes etappides on vaja inimese heakskiitu. Samal ajal kasutati CodeRabbitit väikese riskiga muudatuste automaatseks väljalaskmiseks, kui need ei vajanud inimese sekkumist. „Pidime kogu tarkvara tarnimise protsessi täielikult ümber mõtestama,“ ütleb Harjot.

Ettevõte on loonud ka Codexil põhineva Slacki roboti, mis liigitab ja seab tähtsuse järjekorda tootmiskeskkonna intsidente, Slacki sõnumeid ja tugipäringuid. See saab koostada pull request'i, mille tiim saab üle vaadata ja koodiga liita. Harjot näeb pilvepõhises arenduses võimalust vähendada kohalike arvutite piiranguid ning anda tiimidele parem kontroll juurdepääsu ja auditeerimise üle.

CodeRabbit kasutab Codexit ka väljaspool tarkvaraarendust, sealhulgas turunduse ja igapäevaste tööülesannete haldamiseks koodi kaudu. „Korraldame ettevõtte tööd võimalikult palju koodi kaudu,“ ütleb Harjot.

Turunduses haldab ettevõte Google Adsi reklaame pull request'ide kaudu. Reklaamide avaldamiseks loob tiim pull request'i ja liidab selle koodiga. Samuti kasutab ettevõte sisuloomevaramut, kus Codex loob slaidiesitlusi ja klientidele mõeldud dokumente. „Kui suudate muuta turundusprobleemid koodiülesanneteks, liigute kümme korda kiiremini,“ ütleb Harjot.

CodeRabbit on alates 2023. aastast kasutanud agente liivakastikeskkondades, kloonides varamuid ja lastes agentidel kirjutada koodi, mis aitab koodiülevaatusi teha. Hiljuti kasutas CodeRabbit Daybreaki kaudu OpenAI mudelit Cyber oma platvormi testimiseks ja turvamiseks.

Tiim kasutas mudelit sisemisteks läbistustestideks, otsides oma platvormilt võimalusi, kuidas ründaja võiks sisse pääseda. Harjoti sõnul aitas varajane juurdepääs CodeRabbitil oma tehnoloogiapinu turvata. „Leidsime mitu haavatavust ja keerukaid ründevõimalusi, mille olemasolu me ei osanud ettegi kujutada,“ ütleb Harjot.

Nüüdseks on ettevõte toonud need võimalused ka turule, aidates oma uusima tootega CodeRabbit Secure klientide koodi turvata. Viimase kahe nädala jooksul pakkus ettevõte kampaania raames kasutajatele tasuta süvaskaneerimisi miljoni dollari väärtuses ning leidis 13 000 süvaskaneerimise käigus üle 43 000 turvahaavatavuse. Kõik skaneerimised põhinesid Codexi mudelitel. Kliendid on neist haavatavustest juba tuhandeid parandanud, muutes oma koodi turvalisemaks.

Kui taustal töötavad agendid hakkavad hoiatustele ja intsidentidele reageerima ilma, et inimene peaks iga ülesande algatama, vajavad tiimid Harjoti hinnangul rohkem abi otsustamaks, millised muudatused lõpuni viia.

Edaspidi laiendab CodeRabbit tegevust agentidel põhineva tarkvaraarenduse suunas, aidates tiimidel agentide loodud koodimuudatusi suures mahus valideerida, tähtsuse järjekorda seada, selgitada, turvata ja kontrollida.

Võimalus peitub selles, et aidata arendajatel säilitada kontroll ka siis, kui agendid teevad üha suurema osa arendustööst, pakkudes valideerimist, selgitusi ja hooldust, mis peavad sammu loodava koodi mahuga.