باگ‌یابی فراتر از بازبینی کد در Greptile با GPT‑6 Astra

Greptile⁠(در یک پنجره جدید باز می‌شود) عامل‌های هوش مصنوعی می‌سازد که با شناخت کامل از پایگاه کد، تغییرات کد را بازبینی و آزمایش می‌کنند. دکش گوپتا، هم‌بنیان‌گذار و مدیرعامل، می‌گوید: «کار ما کاهش باگ‌ها و افزایش قابلیت اطمینان نرم‌افزارها در سراسر جهان است.»

از نظر دکش، این مأموریت علاوه بر خواندن کد برنامه، به آزمایش رفتار آن هم نیاز دارد. قابلیت کار با رایانه در GPT‑6 Astra به Greptile امکان می‌دهد این آزمایش‌ها را در مقیاس وسیع خودکار کند.

اعتبارسنجی یک pull request مستلزم بررسی این است که کد از نظر منطقی درست و امن باشد، هدف توسعه‌دهنده را برآورده کند و عملکردهای موجود را مختل نکند. برای بخشی از این آزمایش‌ها، باید برنامه را واقعاً اجرا کنید، چون خواندن کد به‌تنهایی ممکن است مشکل را آشکار نکند.

دکش دکمه‌ای را مثال می‌زند که هنگام مشاهدهٔ وب‌سایت در آیفون ناپدید می‌شود. Greptile با GPT‑6 Astra می‌تواند برای یک pull request سرور توسعه راه‌اندازی کند، محدودهٔ نمایش مرورگر را به اندازهٔ صفحهٔ آیفون درآورد و حرکت کاربر در بخش‌های مختلف برنامه را شبیه‌سازی کند. درک بصری مدل به آن امکان می‌دهد صفحه را بررسی کند و متوجه پنهان شدن دکمه شود.

او می‌گوید: «با توجه به سرعتی که این مدل‌ها برای انتشار کد به ما می‌دهند، سپردن آزمایش همهٔ تغییرات به یک شرکت تضمین کیفیت آن‌قدر کند است که عملاً شدنی نیست.» Greptile با GPT‑6 Astra می‌تواند این نوع آزمایش برنامه را در مقیاس وسیع خودکار کند.

دکش می‌گوید مدل‌های قدرتمندتر، سوءاستفاده از برنامه‌ها را نیز برای مهاجمان آسان‌تر می‌کنند و شرکت‌ها را در معرض خطر قرار می‌دهند؛ حتی شرکت‌هایی که پیش‌تر معمولاً هدف حمله نبودند.

دکش می‌گوید: «می‌خواهیم تأمین امنیت سیستم‌ها را آن‌قدر آسان کنیم که حتی یک استارتاپ هم به‌راحتی از پس آن برآید.» «با Daybreak می‌توانیم این کار را به روشی بسیار امن انجام دهیم و مطمئن شویم سازوکارهای دفاعی مشتریان ما از سازوکارهای تهاجمی مهاجمان پیشرفته‌ترند.»

پایگاه دانش Greptile، پایگاه کد شرکت را نمایه‌سازی می‌کند و نحوهٔ کار آن را در قالبی مستند می‌کند که هم افراد و هم عامل‌ها بتوانند بخوانند. این شرکت مستندات را از طریق یک سرور پروتکل زمینهٔ مدل (MCP) در اختیار Codex قرار می‌دهد.

به این ترتیب، Codex می‌تواند کدی بنویسد که از الگوهای موجود مشتری پیروی کند. به گفتهٔ دکش، هزاران مشتری Codex را به پایگاه دانش Greptile متصل کرده‌اند.

برای سنجش تأثیر این کار، تیم بررسی می‌کند که تغییرات کد تولیدشده با هوش مصنوعی چند وقت یک‌بار بازگردانی می‌شوند. دکش می‌گوید: «وقتی اطلاعات زمینه‌ای را در اختیار عامل‌ها می‌گذاریم، بازگردانی تغییرات کمتر می‌شود و مشتریان هم در زمان و هم در منابع مصرفی برای استنتاج صرفه‌جویی می‌کنند.» مشتریان می‌توانند زمان و منابع صرفه‌جویی‌شده را به‌جای دوباره‌کاری روی همان تغییرات، صرف کارهای جدید کنند.

Greptile برای ساخت نرم‌افزار و عامل‌های خودش نیز از Codex استفاده می‌کند. دکش می‌گوید: «ما از کاربران پرمصرف Codex هستیم.» «در تک‌تک بخش‌ها، به‌ویژه مهندسی، استفادهٔ بسیار گسترده‌ای از آن داریم.»

دکش توضیح می‌دهد که تنها محدودیت واقعی Greptile، سرعت تیم در تبدیل ایده‌ها به نرم‌افزار قابل‌استفاده است. او می‌گوید هوش مدل‌ها همین حالا هم برای بسیاری از کارها کافی است؛ بنابراین Ultrafast را راهی برای سرعت بخشیدن به توسعه می‌داند.

هدف بلندمدت او این است که تغییر و انتشار نرم‌افزارهای حیاتی سازمانی به‌اندازهٔ انتشار یک پروژهٔ جانبی آسان شود. OpenAI به Greptile کمک می‌کند قابلیت‌های اعتبارسنجی لازم برای رسیدن به این هدف را بسازد.