Qodo tuo kontekstin Codexin tekemään koodikatselmointiin
Qodo tuo organisaation kontekstin ja koodikannan standardit Codexiin ja auttaa kehittäjiä löytämään P0-ongelmat eri koodivarastoista.
Qodo(avautuu uudessa ikkunassa) kehittää tekoälytyökaluja koodikatselmointiin ja ohjelmistojen laadunvarmistukseen. Ne antavat koodausagenteille organisaation tietämystä, jota nämä tarvitsevat ymmärtääkseen muuttamaansa koodia. Perustajajäsen ja toimitusjohtaja Itamar Friedman kutsuu Qodoa ”koodausagentin parhaaksi ystäväksi”.
Qodo käyttää OpenAI:n malleja, kuten GPT‑6 Astraa, ohjelmistokehitykseen liittyvän tietämyksen keräämiseen, koodin katselmointiin ja ohjelmistojen laadun seurantaan. Sen Codex-lisäosa tuo tämän kontekstin ja katselmoinnin kehittäjien koodausistuntoihin.
”Pidämme valtavasti OpenAI:n malleista. Haluamme edistyneimmät ja parhaat päättelymallit, mutta myös todella nopeita malleja.”
Itamar kuvailee asiakasympäristöjä, joissa voi olla vähintään 10 000 koodivarastoa. Niissä paikallinen koodimuutos voi rikkoa siitä riippuvaisen palvelun, vaikka muutos näyttäisi itsessään oikealta. Qodo kehitti tähän ratkaisuksi lisäosan Codexin markkinapaikalle.
”Codex on todella hyvä suorittamaan paikallisen tehtävän tehokkaasti”, Itamar sanoo. Qodon lisäosa antaa Codexille pääsyn koodikantaa koskevaan tietämykseen, organisaation sääntöihin ja riippumattomaan katselmointiin Qodon Agentic Toolboxin kautta.
Kontekstin avulla Codex voi huomioida koodivarastojen väliset riippuvuudet myös silloin, kun koodivarastot ovat eri Git-palveluntarjoajilla tai palvelut on yhdistetty Kafkan kautta. ”Qodo tunnistaa tämän yhteyden ja auttaa Codexia tarkastelemaan ohjelmistoa kokonaisuutena, jotta P0-virheet eivät jää huomaamatta”, Itamar sanoo.
Ennen koodin kirjoittamista Codex voi hakea Qodon lisäosalla olennaiset koodikannan säännöt sekä aiemmat pull request -ehdotukset ja niissä toistuvat käytännöt. Kun Codex on tehnyt muutokset, Qodo katselmoi ne ja palauttaa havaintonsa suoraan Codexille samassa istunnossa, ennen kuin kehittäjä avaa pull requestin.
Qodon tekoälyn kehittäjäsuhteista vastaava johtaja Nnenna Ndukwe näkee kehittäjien käyttävän tätä työnkulkua ominaisuuksien rakentamiseen ja teknisen velan vähentämiseen Codexin GPT‑6‑malleilla. He automatisoivat siirtymän Codexin koodaustyöstä Qodon riippumattomaan katselmointiin. ”Tätä olen nähnyt kehittäjien tekevän. Se on todella innostavaa, sillä GPT‑6 on erittäin kyvykäs”, Nnenna sanoo.
Itamar kuvailee koodaus- ja katselmointiagentteja ”yiniksi ja yangiksi”: toinen luo koodia, toinen haastaa sen. Kumpikin rooli tarvitsee omat asetuksensa ja kontekstinsa, ja siihen voi osallistua useita agentteja. Hänen visionsa on, että agentit keskustelevat havainnoista ja ”nostavat ihmisen tarkistettavaksi vain sen, mitä ne eivät hyväksy”. Kehittäjistä tulisi suunnittelijoita ja katselmoijia, jotka voisivat tarkastella ratkaisemattomia ongelmia yhdessä agenttien keskustelun, kontekstin ja kehittäjien aiempien päätösten kanssa.
”Näin luottamus syntyy”, Itamar sanoo. ”Uskon, että se tehostaa koko prosessia”, Nnenna lisää. ”Pääsemme hyödyntämään asiantuntemuksemme parhaita puolia.”
Qodolla Nnenna on käyttänyt GPT‑6 Astran Erittäin korkea- ja Ultra-päättelyasetuksia omissa automatisoiduissa kehitystyönkuluissaan sekä tietotyössä.
”Mitä Codex ei muka tee? Pidän valtavasti kaikesta, mitä Codex tekee. Ajatus tekoälyn ja automaation yhdistämisestä innostaa minua.”
Nnenna ajastaa Codexin raportoimaan, mitä hän on saanut viikon aikana aikaan ja mihin hän voisi seuraavaksi keskittyä tai missä kehittyä. Hän käyttää sitä myös tutkimaan sosiaalisen median keskusteluja agenttipohjaisesta ohjelmistokehityksestä ja ehdottamaan ideoita kehittäjille suunnattuun sisältöön. Omien koodimuutostensa osalta hän ajastaa Codexin analysoimaan työtään ja ehdottamaan, mitä agenttitaitoja kannattaisi luoda tai kehittää.
Itamar näkee OpenAI:n äskettäin julkaisemassa Decisions API:ssa mahdollisuuden valita, mitä sääntöjä ja agenttitaitoja kussakin kehitysvaiheessa sovelletaan, sen sijaan että jokainen päätös jätettäisiin kielimallien tehtäväksi.
Hän mainitsee esimerkin, jossa Decisions API voisi valita 200 säännöstä tarkistettavat, ennen kuin kielimalli käy olennaiset säännöt läpi päättelemällä. Tämä nopeuttaisi valintaa ja pienentäisi sen kustannuksia sekä parantaisi katselmoinnin laatua. ”Decisions API tarjoaa meille valtavan mahdollisuuden lisätä luottamusta prosessiin”, Itamar sanoo.
Qodon lähestymistapa yhdistää ”tekoälyn parhaat puolet perinteisen ohjelmistokehityksen ja skriptauksen parhaisiin puoliin”, Nnenna sanoo. Yrityksen tietämys ohjaa koodausagentteja, riippumaton katselmointi tarkistaa niiden työn, ja ihmisten asiantuntemus ratkaisee avoimiksi jäävät kysymykset.
Tämä luo perustan sille, mitä Itamar kutsuu ohjelmistotehtaaksi: järjestelmälle, jonka asiakkaat voisivat koota ja omistaa itse ja joka yhdistäisi koodaus- ja katselmointiagentit ymmärrykseen siitä, miten ohjelmisto muuttuu tuotannossa.
Qodo rakentaa yhdessä OpenAI:n kanssa tulevaisuutta, jossa koodausagentit hyödyntävät entistä enemmän yrityksen kokemusta ja kehittäjät voivat keskittää harkintakykynsä sinne, missä sitä eniten tarvitaan.
