મુખ્ય વિષય-સામગ્રી પર જાવો
OpenAI

Codex પરિચય

codex-1 દ્વારા સંચાલિત ક્લાઉડ આધારિત સોફ્ટવેર એન્જિનિયરિંગ એજન્ટ, જે ઘણા કાર્યો પર સમાંતર રીતે કામ કરી શકે છે. આજે ChatGPT Pro, Business અને Enterprise વપરાશકર્તાઓ માટે ઉપલબ્ધ, અને ટૂંક સમયમાં Plus વપરાશકર્તાઓ માટે.

Dashboard asking ‘What should we code next?’ with a prompt box, repo/branch selectors, and a task list on a pastel code-themed backdrop.
લોડિંગ…

3 જૂન, 2025 નો અપડેટ: Codex હવે ChatGPT Plus વપરાશકર્તાઓ માટે ઉપલબ્ધ છે. અમે કાર્યના અમલ દરમિયાન વપરાશકર્તાઓને Codex ને ઇન્ટરનેટ ઍક્સેસ આપવા પણ સક્ષમ બનાવી રહ્યા છીએ. વધુ વિગતો માટે કૃપા કરીને ચેન્જલોગ(નવી વિન્ડોમાં ખૂલે છે) અને ડૉક્સ(નવી વિન્ડોમાં ખૂલે છે) જુઓ.


આજે અમે Codex નું રિસર્ચ પ્રીવ્યૂ લોન્ચ કરી રહ્યા છીએ: ક્લાઉડ આધારિત સોફ્ટવેર એન્જિનિયરિંગ એજન્ટ, જે ઘણા કાર્યો પર સમાંતર રીતે કામ કરી શકે છે. Codex તમારા માટે ફીચર્સ લખવા, તમારા કોડબેઝ વિશેના પ્રશ્નોના જવાબ આપવા, બગ્સ સુધારવા અને સમીક્ષા માટે pull requests સૂચવવા જેવા કાર્યો કરી શકે છે; દરેક કાર્ય તમારા રિપોઝિટરી સાથે પૂર્વલોડ કરાયેલા પોતાના ક્લાઉડ sandbox પર્યાવરણમાં ચાલે છે.

Codex ને codex-1 દ્વારા સંચાલિત કરવામાં આવે છે, જે સોફ્ટવેર એન્જિનિયરિંગ માટે ઑપ્ટિમાઇઝ કરાયેલ OpenAI o3 નું વર્ઝન છે. તેને વિવિધ પર્યાવરણોમાં વાસ્તવિક દુનિયાના કોડિંગ કાર્યો પર રીઇન્ફોર્સમેન્ટ લર્નિંગનો ઉપયોગ કરીને એવી કોડ જનરેટ કરવા તાલીમ આપવામાં આવી હતી, જે માનવીય શૈલી અને PR પસંદગીઓને નજીકથી પ્રતિબિંબિત કરે, સૂચનાઓનું ચોક્કસપણે પાલન કરે અને પાસિંગ પરિણામ મળે ત્યાં સુધી પુનરાવર્તિત રીતે ટેસ્ટ ચલાવી શકે. અમે આજેથી ChatGPT Pro, Enterprise અને Business વપરાશકર્તાઓ માટે Codex રોલઆઉટ શરૂ કરી રહ્યા છીએ, જ્યારે Plus અને Edu માટેનો સપોર્ટ ટૂંક સમયમાં આવશે.

Codex કેવી રીતે કામ કરે છે

આજે તમે ChatGPT માં સાઇડબાર દ્વારા Codex ઍક્સેસ કરી શકો છો અને પ્રોમ્પ્ટ લખીને અને “Code” પર ક્લિક કરીને તેને નવા કોડિંગ કાર્યો સોંપી શકો છો. જો તમે તમારા કોડબેઝ વિશે Codex ને પ્રશ્ન પૂછવા માંગો છો, તો “Ask” પર ક્લિક કરો. દરેક કાર્ય તમારા કોડબેઝ સાથે પૂર્વલોડ કરાયેલા અલગ, અલગ પાડેલા પર્યાવરણમાં સ્વતંત્ર રીતે પ્રોસેસ થાય છે. Codex ફાઇલો વાંચી અને સંપાદિત કરી શકે છે, તેમજ ટેસ્ટ હાર્નેસ, લિન્ટર્સ અને ટાઇપ ચેકર્સ સહિતના કમાન્ડ્સ ચલાવી શકે છે. કાર્ય પૂર્ણ થવામાં સામાન્ય રીતે જટિલતા મુજબ 1 થી 30 મિનિટ લાગે છે, અને તમે Codex ની પ્રગતિને રિયલ ટાઇમમાં મોનિટર કરી શકો છો.

એકવાર Codex કાર્ય પૂર્ણ કરે, પછી તે પોતાના પર્યાવરણમાં તેના ફેરફારો commit કરે છે. Codex ટર્મિનલ લોગ્સ અને ટેસ્ટ આઉટપુટ્સના citations દ્વારા તેની ક્રિયાઓના ચકાસી શકાય એવા પુરાવા આપે છે, જેથી કાર્ય પૂર્ણ કરતી વખતે લેવામાં આવેલ દરેક પગલાનું અનુસરણ તમે કરી શકો. પછી તમે પરિણામોની સમીક્ષા કરી શકો, વધુ સુધારાઓ માંગો, GitHub pull request ખોલો અથવા ફેરફારોને સીધા તમારા સ્થાનિક પર્યાવરણમાં એકીકૃત કરો. પ્રોડક્ટમાં, તમે Codex પર્યાવરણને તમારા વાસ્તવિક વિકાસ પર્યાવરણ સાથે શક્ય તેટલું નજીક મળે તે રીતે રૂપરેખાંકિત કરી શકો છો.

Codex ને તમારા રિપોઝિટરીમાં મૂકેલી AGENTS.md ફાઇલો દ્વારા માર્ગદર્શન આપી શકાય છે. આ README.md જેવી ટેક્સ્ટ ફાઇલો છે, જેમાં તમે Codex ને તમારા કોડબેઝમાં કેવી રીતે નેવિગેટ કરવું, ટેસ્ટિંગ માટે કયા કમાન્ડ્સ ચલાવવા, અને તમારા પ્રોજેક્ટની માનક પદ્ધતિઓનું શ્રેષ્ઠ રીતે કેવી રીતે પાલન કરવું તે જણાવી શકો છો. માનવીય ડેવલપર્સની જેમ, Codex એજન્ટો પણ રૂપરેખાંકિત dev environments, વિશ્વસનીય testing setups અને સ્પષ્ટ documentation આપવામાં આવે ત્યારે શ્રેષ્ઠ કાર્ય કરે છે.

કોડિંગ મૂલ્યાંકનો અને આંતરિક બેન્ચમાર્ક્સ પર, AGENTS.md ફાઇલો અથવા કસ્ટમ scaffolding વિના પણ codex-1 મજબૂત પ્રદર્શન દર્શાવે છે.

અમારી આંતરિક ઇન્ફ્રાસ્ટ્રક્ચર પર ચલાવી શકાય એવા ન હતાં એવા 23 SWE-Bench Verified નમૂનાઓને બહાર રાખવામાં આવ્યા હતા. codex-1 નું પરીક્ષણ મહત્તમ 192k ટોકન્સની કોન્ટેક્સ્ટ લંબાઈ અને મધ્યમ ‘રિઝનિંગ effort’ પર કરવામાં આવ્યું હતું, જે આજેથી પ્રોડક્ટમાં ઉપલબ્ધ રહેશે તેવી સેટિંગ છે. o3 મૂલ્યાંકનો વિશેની વિગતો માટે અહીં જુઓ.

અમારું આંતરિક SWE કાર્ય બેન્ચમાર્ક OpenAI માં વાસ્તવિક દુનિયાના આંતરિક SWE કાર્યોનો ક્યુરેટ કરાયેલ સમૂહ છે.

સુરક્ષિત અને વિશ્વસનીય એજન્ટો બનાવવું

અમે અમારી પુનરાવર્તિત તહેનાતી વ્યૂહરચના અનુસાર Codex ને રિસર્ચ પ્રીવ્યૂ તરીકે રિલીઝ કરી રહ્યા છીએ. Codex ડિઝાઇન કરતી વખતે અમે સુરક્ષા અને પારદર્શિતાને પ્રાથમિકતા આપી હતી જેથી વપરાશકર્તાઓ તેના આઉટપુટ્સ ચકાસી શકે - આ સુરક્ષા એ સમયે વધુ મહત્વપૂર્ણ બને છે જ્યારે AI મોડલ વધુ જટિલ કોડિંગ કાર્યો સ્વતંત્ર રીતે સંભાળે છે અને સુરક્ષા સંબંધિત વિચારણાઓ વિકસે છે. વપરાશકર્તાઓ citations, ટર્મિનલ લોગ્સ અને ટેસ્ટ પરિણામો દ્વારા Codex નું કામ ચકાસી શકે છે. અનિશ્ચિતતા હોય અથવા ટેસ્ટ નિષ્ફળ જાય ત્યારે, Codex એજન્ટ આ મુદ્દાઓ સ્પષ્ટપણે જણાવે છે, જેથી વપરાશકર્તાઓ આગળ કેવી રીતે વધવું તે અંગે જાણકારીપૂર્વકના નિર્ણય લઈ શકે. તેમ છતાં, એકીકરણ અને અમલ પહેલાં તમામ એજન્ટ-જનરેટેડ કોડની હાથથી સમીક્ષા અને માન્યતા કરવી વપરાશકર્તાઓ માટે આવશ્યક રહે છે.

Code-review screenshot with a test-file overlay verifying quoted filenames, plus summary and passing tests on a blue backdrop.
Code-review screenshot with a black terminal overlay showing one passing test for quoted filenames; summary and diff of the ‘Fix /diff error with special characters’ change visible on a blue-pastel background.

માનવીય પસંદગીઓ સાથે સુસંગતતા

codex-1 ને તાલીમ આપતી વખતે મુખ્ય લક્ષ્યોમાંથી એક હતું કે તેના આઉટપુટ્સ માનવીય કોડિંગ પસંદગીઓ અને ધોરણો સાથે નજીકથી સુસંગત રહે. OpenAI o3ની સરખામણીએ, codex-1 સતત વધુ સ્વચ્છ પૅચો બનાવે છે, જે તરત માનવીય સમીક્ષા અને માનક વર્કફ્લોમાં એકીકરણ માટે તૈયાર હોય છે.

Please fix the following issue in the astropy/astropy repository. Please resolve the issue in the problem below by editing and testing code files in your current code execution session. The repository is cloned in the /testbed folder. You must fully solve the problem for your answer to be considered correct. Problem statement:Modeling's `separability_matrix` does not compute separability correctly for nested CompoundModels Consider the following model: ```python from astropy.modeling import models as m from astropy.modeling.separable import separability_matrix cm = m.Linear1D(10) & m.Linear1D(5) ``` It's separability matrix as you might expect is a diagonal: ```python >>> separability_matrix(cm) array([[ True, False], [False, True]]) ``` If I make the model more complex: ```python >>> separability_matrix(m.Pix2Sky_TAN() & m.Linear1D(10) & m.Linear1D(5)) array([[ True, True, False, False], [ True, True, False, False], [False, False, True, False], [False, False, False, True]]) ``` The output matrix is again, as expected, the outputs and inputs to the linear models are separable and independent of each other. If however, I nest these compound models: ```python >>> separability_matrix(m.Pix2Sky_TAN() & cm) array([[ True, True, False, False], [ True, True, False, False], [False, False, True, True], [False, False, True, True]]) ``` Suddenly the inputs and outputs are no longer separable? This feels like a bug to me, but I might be missing something?
Codex
OpenAI o3

દુરુપયોગ અટકાવવું

મેલવેર ડેવલપમેન્ટ જેવી AI-પ્રેરિત સોફ્ટવેર એન્જિનિયરિંગની દુર્ભાવનાપૂર્ણ ઉપયોગિતાઓ સામે સુરક્ષા વધતી જતી મહત્વપૂર્ણ બની રહી છે. સાથે સાથે, તે પણ મહત્વનું છે કે રક્ષણાત્મક ઉપાયો કાયદેસર અને લાભદાયક ઉપયોગોને અનાવશ્યક રીતે અવરોધ ન કરે, જેમાં ક્યારેક મેલવેર ડેવલપમેન્ટમાં પણ વપરાતી તકનીકો, જેમ કે નીચલા સ્તરની કર્નલ એન્જિનિયરિંગ, સામેલ હોઈ શકે છે.

સુરક્ષા અને ઉપયોગિતા વચ્ચે સંતુલન રાખવા માટે, Codex ને દુર્ભાવનાપૂર્ણ સોફ્ટવેરના વિકાસ માટેના અનુરોધોને ઓળખી ચોક્કસ રીતે નકારી કાઢવા માટે તાલીમ આપવામાં આવી હતી, સાથે જ કાયદેસર કાર્યોને સ્પષ્ટપણે અલગ કરીને સમર્થન આપવા માટે. અમે અમારી નીતિ માળખાઓને પણ મજબૂત બનાવ્યા છે અને આ સીમાઓને અસરકારક રીતે મજબૂત કરવા માટે કડક સુરક્ષા મૂલ્યાંકનોનો સમાવેશ કર્યો છે. આ મૂલ્યાંકનો પ્રતિબિંબિત કરવા માટે અમે o3 સિસ્ટમ કાર્ડ માટેનું પરિશિષ્ટ પ્રકાશિત કર્યું છે.

સુરક્ષિત અમલ

Codex એજન્ટ સંપૂર્ણપણે ક્લાઉડમાં સુરક્ષિત, અલગ પાડેલા કન્ટેનરમાં કાર્ય કરે છે. કાર્ય ચલાવતી વખતે ઇન્ટરનેટ ઍક્સેસ બંધ હોય છે, જેથી એજન્ટની ક્રિયા માત્ર GitHub રિપોઝિટરીઝ દ્વારા સ્પષ્ટ રીતે આપવામાં આવેલા કોડ અને સેટઅપ સ્ક્રિપ્ટ દ્વારા વપરાશકર્તાએ રૂપરેખાંકિત કરેલી પહેલેથી ઇન્સ્ટોલ થયેલી ડિપેન્ડન્સીઓ સુધી મર્યાદિત રહે છે. એજન્ટ બાહ્ય વેબસાઇટ્સ, APIs અથવા અન્ય સેવાઓ ઍક્સેસ કરી શકતો નથી.

પ્રારંભિક ઉપયોગ કિસ્સાઓ

OpenAI ની ટેકનિકલ ટીમોએ તેમના દૈનિક ટૂલકિટના ભાગરૂપે Codex નો ઉપયોગ શરૂ કર્યો છે. તે OpenAI એન્જિનિયરો દ્વારા મોટા ભાગે પુનરાવર્તિત, સારી રીતે વ્યાખ્યાયિત કાર્યો, જેમ કે રીફેક્ટરિંગ, નામ બદલવું અને ટેસ્ટ લખવા, જે અન્યથા ફોકસ તોડી નાખે, તે ઑફલોડ કરવા માટે વપરાય છે. તે નવી સુવિધાઓ માટે સ્કેફોલ્ડિંગ, ઘટકોને જોડવા, બગ્સ ઠીક કરવા અને દસ્તાવેજીકરણના ડ્રાફ્ટ બનાવવા માટે પણ એટલું જ ઉપયોગી છે. ટીમો તેની આસપાસ નવી આદતો બનાવી રહી છે: on-call સમસ્યાઓનું ટ્રાયેજ કરવું, દિવસની શરૂઆતમાં કાર્યોનું આયોજન કરવું અને આગળ વધતા રહેવા માટે પૃષ્ઠભૂમિનું કામ ઑફલોડ કરવું. કોન્ટેક્સ્ટ-સ્વિચિંગ ઘટાડીને અને ભૂલાઈ ગયેલા to-dos સપાટી પર લાવીને, Codex એન્જિનિયરોને વધુ ઝડપથી શિપ કરવામાં અને સૌથી મહત્વપૂર્ણ બાબતો પર ફોકસ રાખવામાં મદદ કરે છે.

રિલીઝ પહેલાં, Codex વિવિધ કોડબેઝ, વિકાસ પ્રક્રિયાઓ અને ટીમોમાં કેવી રીતે કાર્ય કરે છે તે વધુ સારી રીતે સમજવા માટે અમે બાહ્ય ટેસ્ટર્સના એક નાનાં જૂથ સાથે પણ કામ કરી રહ્યા હતા.

  • Cisco(નવી વિન્ડોમાં ખૂલે છે) શોધી રહ્યું છે કે Codex કેવી રીતે તેમની એન્જિનિયરિંગ ટીમોને મહત્ત્વાકાંક્ષી વિચારોને વધુ ઝડપથી સાકાર કરવામાં મદદ કરી શકે. પ્રારંભિક ડિઝાઇન ભાગીદારો તરીકે, Cisco તેમના પ્રોડક્ટ પોર્ટફોલિયોમાં વાસ્તવિક ઉપયોગ કિસ્સાઓ માટે તેનું મૂલ્યાંકન કરીને અને OpenAI ટીમને પ્રતિસાદ આપીને Codexનું ભવિષ્ય ઘડવામાં મદદ કરી રહ્યું છે.
  • Temporal(નવી વિન્ડોમાં ખૂલે છે) ફીચર ડેવલપમેન્ટ ઝડપી કરવા, સમસ્યાઓ ડિબગ કરવા, ટેસ્ટ લખવા અને ચલાવવા, તેમજ મોટા કોડબેઝનું રીફેક્ટરિંગ કરવા Codex નો ઉપયોગ કરે છે. તે જટિલ કાર્યોને પૃષ્ઠભૂમિમાં ચલાવીને તેમને ફોકસ્ડ રહેવામાં પણ મદદ કરે છે, જેથી એન્જિનિયરો ફ્લોમાં રહે અને ઇટરેશન ઝડપી બને.
  • Superhuman(નવી વિન્ડોમાં ખૂલે છે) ટેસ્ટ કવરેજ સુધારવા અને ઇન્ટિગ્રેશન નિષ્ફળતાઓ સુધારવા જેવા નાના પરંતુ પુનરાવર્તિત કાર્યો ઝડપી કરવા Codex નો ઉપયોગ કરે છે. કોડ રીવ્યુ સિવાય એન્જિનિયરને ખેંચ્યા વગર પ્રોડક્ટ મેનેજરોને હળવા કોડ ફેરફારોમાં યોગદાન આપવા સક્ષમ બનાવીને તે તેમને વધુ ઝડપથી શિપ કરવામાં પણ મદદ કરે છે.
  • Kodiak(નવી વિન્ડોમાં ખૂલે છે) ડિબગિંગ ટૂલ્સ લખવા, ટેસ્ટ કવરેજ સુધારવા અને કોડનું રીફેક્ટરિંગ કરવા માટે મદદરૂપ થવા Codex નો ઉપયોગ કરી રહ્યું છે, જેથી તેમની સ્વચાલિત ડ્રાઇવિંગ ટેક્નોલોજી Kodiak Driverનું વિકાસ ઝડપી બને. સંબંધિત સંદર્ભ અને ભૂતકાળના ફેરફારો સપાટી પર લાવીને Codex મૂલ્યવાન રેફરન્સ ટૂલ પણ બન્યું છે, જે એન્જિનિયરોને સ્ટૅકના અજાણ્યા ભાગો સમજવામાં મદદ કરે છે.

પ્રારંભિક ટેસ્ટર્સ પાસેથી મળેલા શીખાણના આધારે, અમે ભલામણ કરીએ છીએ કે એક સાથે ઘણા એજન્ટોને સ્પષ્ટ વ્યાખ્યાયિત કાર્યો સોંપો, અને મોડલની ક્ષમતાઓ અસરકારક રીતે શોધવા માટે વિવિધ પ્રકારના કાર્યો અને પ્રોમ્પ્ટ્સ સાથે પ્રયોગ કરો.

Codex CLI માટેના અપડેટ્સ

ગયા મહિને, અમે Codex CLI લોન્ચ કર્યું હતું, જે તમારા ટર્મિનલમાં ચાલતું હળવુ ઓપન-સોર્સ કોડિંગ એજન્ટ છે. તે o3 અને o4-mini જેવા મોડલની શક્તિ તમારા સ્થાનિક વર્કફ્લોમાં લાવે છે, જેથી કાર્યો વધુ ઝડપથી પૂર્ણ કરવા માટે તેમના સાથે જોડાઈને કામ કરવું સરળ બને છે.

આજે, અમે codex-1નું એક નાનું વર્ઝન પણ રિલીઝ કરી રહ્યા છીએ, o4-miniનું એવું વર્ઝન જે ખાસ કરીને Codex CLIમાં ઉપયોગ માટે ડિઝાઇન થયું છે. આ નવું મોડલ CLIમાં વધુ ઝડપી વર્કફ્લોને સપોર્ટ કરે છે અને ઓછી વિલંબિતતા સાથે કોડ Q&A અને એડિટિંગ માટે ઑપ્ટિમાઇઝ થયેલું છે, સાથે જ સૂચનાઓનું પાલન અને શૈલીમાં તેની એ જ શક્તિઓ જાળવે છે. તે હવે Codex CLIમાં ડિફૉલ્ટ મોડલ તરીકે અને APIમાં codex-mini-latest તરીકે ઉપલબ્ધ છે. અમે Codex-mini મોડલને સુધારતા રહેશું તેમ આધારભૂત સ્નૅપશૉટ નિયમિત રીતે અપડેટ થતું રહેશે.

અમે તમારા ડેવલપર એકાઉન્ટને Codex CLI સાથે જોડવાનું પણ ઘણું સરળ બનાવી રહ્યા છીએ. API ટોકનને હાથથી જનરેટ અને રૂપરેખાંકિત કરવાની જગ્યાએ, હવે તમે તમારા ChatGPT એકાઉન્ટથી સાઇન ઇન કરી શકો છો અને તમે ઉપયોગ કરવો હોય તે API સંસ્થા પસંદ કરી શકો છો. અમે તમારા માટે API કી આપમેળે જનરેટ અને રૂપરેખાંકિત કરીશું. ઉપરાંત, ChatGPT સાથે Codex CLIમાં સાઇન ઇન કરનાર Plus અને Pro વપરાશકર્તાઓ અનુક્રમે $5 અને $50 ના મફત API ક્રેડિટ્સ આગામી 30 દિવસ માટે આજે પછીથી રિડીમ કરવાનું શરૂ કરી શકશે.

Codex ની ઉપલબ્ધતા, કિંમત અને મર્યાદાઓ

આજેથી, અમે વૈશ્વિક સ્તરે ChatGPT Pro, Enterprise અને Business વપરાશકર્તાઓ માટે Codex રોલઆઉટ કરી રહ્યા છીએ, જ્યારે Plus અને Edu માટેનો સપોર્ટ ટૂંક સમયમાં આવશે. આવતા થોડા અઠવાડિયા સુધી વપરાશકર્તાઓને કોઈ વધારાના ખર્ચ વિના ઉદાર ઍક્સેસ મળશે જેથી તમે Codex શું કરી શકે છે તે શોધી શકો, ત્યારબાદ અમે rate-limited ઍક્સેસ અને લવચીક કિંમત વિકલ્પો રજૂ કરીશું, જે તમને માંગ મુજબ વધારાનો ઉપયોગ ખરીદવાની મંજૂરી આપે છે. અમે ટૂંક સમયમાં Plus અને Edu વપરાશકર્તાઓ સુધી ઍક્સેસ વિસ્તૃત કરવાની યોજના ધરાવીએ છીએ.

codex-mini-latest સાથે બનાવતા ડેવલપર્સ માટે, મોડલ Responses API પર ઉપલબ્ધ છે અને તેની કિંમત 1M ઇનપુટ ટોકન્સ દીઠ $1.50 અને 1M આઉટપુટ ટોકન્સ દીઠ $6 છે, સાથે 75% prompt caching ડિસ્કાઉન્ટ છે.

Codex હજી તેના વિકાસના પ્રારંભિક તબક્કામાં છે. રિસર્ચ પ્રીવ્યૂ તરીકે, તેમાં હાલમાં frontend કામ માટે image inputs જેવી સુવિધાઓ નથી, અને એજન્ટ કામ કરી રહ્યો હોય ત્યારે તેને course-correct કરવાની ક્ષમતા પણ નથી. ઉપરાંત, રીમોટ એજન્ટને કાર્ય સોંપવામાં ઇન્ટરેક્ટિવ એડિટિંગ કરતાં વધુ સમય લાગે છે, જેને સ્વીકારવામાં થોડો સમય લાગી શકે છે. સમય જતાં, Codex એજન્ટો સાથેની ક્રિયા સહકર્મચારીઓ સાથેની અસિંક્રોનસ સહકાર જેવી વધુ દેખાશે. જેમ જેમ મોડલ ક્ષમતાઓ આગળ વધશે, અમે અપેક્ષા રાખીએ છીએ કે એજન્ટો લાંબા સમયગાળામાં વધુ જટિલ કાર્યો સંભાળશે.

આગળ શું

અમે એવા ભવિષ્યની કલ્પના કરીએ છીએ જ્યાં ડેવલપર્સ તેઓ જે કામનું માલિકી લેવું ઇચ્છે છે તે આગળ વધારે અને બાકીનું એજન્ટોને સોંપે, જેથી AI સાથે વધુ ઝડપી અને વધુ ઉત્પાદક બની શકે. તે હાંસલ કરવા માટે, અમે Codex ટૂલ્સનો એવો સમૂહ બનાવી રહ્યા છીએ જે રિયલ-ટાઇમ સહયોગ અને અસિંક્રોનસ ડેલિગેશન બંનેને સપોર્ટ કરે છે.

Codex CLI અને અન્ય જેવા AI ટૂલ્સ સાથે જોડાઈને કામ કરવું ઝડપથી ઉદ્યોગ ધોરણ બની ગયું છે, જે ડેવલપર્સને કોડ લખતા સમયે વધુ ઝડપથી આગળ વધવામાં મદદ કરે છે. પરંતુ અમને વિશ્વાસ છે કે ChatGPT માં Codex દ્વારા રજૂ કરાયેલ અસિંક્રોનસ, મલ્ટી-એજન્ટ વર્કફ્લો એન્જિનિયરો ઉચ્ચ ગુણવત્તાવાળો કોડ કેવી રીતે બનાવે છે તેની de facto રીત બનશે.

અંતે, અમે આ બંને ક્રિયા-રીતિઓ, રિયલ-ટાઇમ pairing અને task delegation,ને એકબીજામાં મિલતી જોઈ રહ્યા છીએ. ડેવલપર્સ તેમની IDEs અને રોજિંદા ટૂલ્સમાં AI એજન્ટો સાથે પ્રશ્નો પૂછવા, સૂચનો મેળવવા અને લાંબા કાર્યો ઑફલોડ કરવા માટે સહકાર કરશે, આ બધું એક સંયુક્ત વર્કફ્લોમાં.

આગળ જોઈને, અમે વધુ ઇન્ટરેક્ટિવ અને લવચીક એજન્ટ વર્કફ્લો રજૂ કરવાની યોજના ધરાવીએ છીએ. ડેવલપર્સ જલ્દી જ કાર્યના મધ્યમાં માર્ગદર્શન આપી શકશે, અમલીકરણની વ્યૂહરચનાઓ પર સહકાર કરી શકશે અને સક્રિય પ્રગતિ અપડેટ્સ મેળવી શકશે. અમે તમે પહેલેથી જ ઉપયોગ કરતા ટૂલ્સમાં વધુ ઊંડા ઇન્ટિગ્રેશન્સની પણ કલ્પના કરીએ છીએ: આજે Codex GitHub સાથે જોડાય છે, અને જલ્દી જ તમે Codex CLI, ChatGPT Desktop, અથવા તમારા issue tracker અથવા CI system જેવા ટૂલ્સમાંથી પણ કાર્યો સોંપી શકશો.

સોફ્ટવેર એન્જિનિયરિંગ એ AI-પ્રેરિત ઉત્પાદકતા વૃદ્ધિનો નોંધપાત્ર અનુભવ કરનારા પ્રથમ ઉદ્યોગોમાંનું એક છે, જે વ્યક્તિઓ અને નાની ટીમો માટે નવી સંભાવનાઓ ખોલે છે. અમે આ લાભો વિશે આશાવાદી છીએ, પરંતુ ડેવલપર વર્કફ્લો, લોકોમાં કૌશલ્ય વિકાસ, કૌશલ્ય સ્તરો અને ભૂગોળો પર વ્યાપક એજન્ટ અપનાવવાના પ્રભાવો વધુ સારી રીતે સમજવા માટે અમે ભાગીદારો સાથે સહકાર પણ કરી રહ્યા છીએ.

આ તો માત્ર શરૂઆત છે, અને Codex સાથે તમે શું બનાવો છો તે જોવા માટે અમે ઉત્સાહિત છીએ.

લાઇવસ્ટ્રીમ રીપ્લે

પરિશિષ્ટ

સિસ્ટમ સંદેશ

ડેવલપર્સને મોડલનું ડિફૉલ્ટ વર્તન સમજવામાં અને કસ્ટમ વર્કફ્લોમાં Codex ને અસરકારક રીતે કામ કરવા માટે અનુકૂળ બનાવવા મદદ મળે તે માટે અમે codex-1 નો સિસ્ટમ સંદેશ શેર કરી રહ્યા છીએ. ઉદાહરણ તરીકે, codex-1 નો સિસ્ટમ સંદેશ Codex ને AGENTS.md ફાઇલમાં ઉલ્લેખિત તમામ ટેસ્ટ ચલાવવા પ્રોત્સાહિત કરે છે, પરંતુ જો તમારી પાસે સમય ઓછો હોય, તો તમે Codex ને આ ટેસ્ટ છોડવા કહી શકો છો.

1
# Instructions
2
- The user will provide a task.
3
- The task involves working with Git repositories in your current working directory.
4
- Wait for all terminal commands to be completed (or terminate them) before finishing.
5

6
# Git instructions
7
If completing the user's task requires writing or modifying files:
8
- Do not create new branches.
9
- Use git to commit your changes.
10
- If pre-commit fails, fix issues and retry.
11
- Check git status to confirm your commit. You must leave your worktree in a clean state.
12
- Only committed code will be evaluated.
13
- Do not modify or amend existing commits.
14

15
# AGENTS.md spec
16
- Containers often contain AGENTS.md files. These files can appear anywhere in the container's filesystem. Typical locations include `/`, `~`, and in various places inside of Git repos.
17
- These files are a way for humans to give you (the agent) instructions or tips for working within the container.
18
- Some examples might be: coding conventions, info about how code is organized, or instructions for how to run or test code.
19
- AGENTS.md files may provide instructions about PR messages (messages attached to a GitHub Pull Request produced by the agent, describing the PR). These instructions should be respected.
20
- Instructions in AGENTS.md files:
21
- The scope of an AGENTS.md file is the entire directory tree rooted at the folder that contains it.
22
- For every file you touch in the final patch, you must obey instructions in any AGENTS.md file whose scope includes that file.
23
- Instructions about code style, structure, naming, etc. apply only to code within the AGENTS.md file's scope, unless the file states otherwise.
24
- More-deeply-nested AGENTS.md files take precedence in the case of conflicting instructions.
25
- Direct system/developer/user instructions (as part of a prompt) take precedence over AGENTS.md instructions.
26
- AGENTS.md files need not live only in Git repos. For example, you may find one in your home directory.
27
- If the AGENTS.md includes programmatic checks to verify your work, you MUST run all of them and make a best effort to validate that the checks pass AFTER all code changes have been made.
28
- This applies even for changes that appear simple, i.e. documentation. You still must run all of the programmatic checks.
29

30
# Citations instructions
31
- If you browsed files or used terminal commands, you must add citations to the final response (not the body of the PR message) where relevant. Citations reference file paths and terminal outputs with the following formats:
32
1) `【F:<file_path>†L<line_start>(-L<line_end>)?】`
33
- File path citations must start with `F:`. `file_path` is the exact file path of the file relative to the root of the repository that contains the relevant text.
34
- `line_start` is the 1-indexed start line number of the relevant output within that file.
35
2) `【<chunk_id>†L<line_start>(-L<line_end>)?】`
36
- Where `chunk_id` is the chunk_id of the terminal output, `line_start` and `line_end` are the 1-indexed start and end line numbers of the relevant output within that chunk.
37
- Line ends are optional, and if not provided, line end is the same as line start, so only 1 line is cited.
38
- Ensure that the line numbers are correct, and that the cited file paths or terminal outputs are directly relevant to the word or clause before the citation.
39
- Do not cite completely empty lines inside the chunk, only cite lines that have content.
40
- Only cite from file paths and terminal outputs, DO NOT cite from previous pr diffs and comments, nor cite git hashes as chunk ids.
41
- Use file path citations that reference any code changes, documentation or files, and use terminal citations only for relevant terminal output.
42
- Prefer file citations over terminal citations unless the terminal output is directly relevant to the clauses before the citation, i.e. clauses on test results.
43
- For PR creation tasks, use file citations when referring to code changes in the summary section of your final response, and terminal citations in the testing section.
44
- For question-answering tasks, you should only use terminal citations if you need to programmatically verify an answer (i.e. counting lines of code). Otherwise, use file citations.

લેખક

OpenAI