Codex വഴി Qodo-യുടെ AI കോഡ് പരിശോധനയ്ക്ക് പശ്ചാത്തലം

കോഡ് പരിശോധനയ്ക്കും സോഫ്റ്റ്‌വെയർ ഗുണനിലവാരത്തിനുമായി Qodo⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) AI ഉപകരണങ്ങൾ നിർമ്മിക്കുന്നു. കോഡെഴുതുന്ന ഏജന്റുകൾക്ക് തങ്ങൾ മാറ്റം വരുത്തുന്ന കോഡ് മനസ്സിലാക്കാൻ ആവശ്യമായ സ്ഥാപനതലത്തിലുള്ള അറിവ് ഇവ നൽകുന്നു. സഹസ്ഥാപകനും ചീഫ് എക്സിക്യൂട്ടീവ് ഓഫീസറുമായ ഇതമാർ ഫ്രീഡ്മാൻ ഇതിനെ “കോഡെഴുതുന്ന ഏജന്റിന്റെ ഏറ്റവും അടുത്ത സുഹൃത്ത്” എന്ന് വിളിക്കുന്നു.

എഞ്ചിനീയറിംഗ് അറിവ് ശേഖരിക്കാനും കോഡ് പരിശോധിക്കാനും സോഫ്റ്റ്‌വെയറിന്റെ ഗുണനിലവാരം നിരീക്ഷിക്കാനും GPT‑6 Astra ഉൾപ്പെടെയുള്ള OpenAI മോഡലുകൾ Qodo ഉപയോഗിക്കുന്നു. അതിന്റെ Codex പ്ലഗിൻ ഈ പശ്ചാത്തലവിവരങ്ങളും പരിശോധനയും ഡെവലപ്പർമാരുടെ കോഡെഴുത്ത് സെഷനുകളിൽ എത്തിക്കുന്നു.

10,000-മോ അതിലധികമോ കോഡ് ശേഖരങ്ങളുള്ള ഉപഭോക്തൃ സംവിധാനങ്ങളെക്കുറിച്ച് ഇതമാർ വിവരിക്കുന്നു. അവിടെ ഒരു ഭാഗത്തെ കോഡിൽ വരുത്തുന്ന മാറ്റം ഒറ്റയ്ക്ക് നോക്കുമ്പോൾ ശരിയെന്നു തോന്നിയാലും, അതിനെ ആശ്രയിക്കുന്ന മറ്റൊരു സേവനത്തിന്റെ പ്രവർത്തനം തകരാറിലാക്കിയേക്കാം. ഇത് പരിഹരിക്കാൻ Qodo ഒരു പ്ലഗിൻ നിർമ്മിച്ച് Codex വിപണിയിൽ ലഭ്യമാക്കി.

“ഒരു പ്രത്യേക ഭാഗത്തെ ജോലി ഏറ്റെടുത്ത് കാര്യക്ഷമമായി പൂർത്തിയാക്കുന്നതിൽ Codex വളരെ മികവുള്ളതാണ്,” ഇതമാർ പറയുന്നു. Qodo-യുടെ Agentic Toolbox വഴി കോഡിന്റെ സമഗ്രമായ അറിവും സ്ഥാപനനിയമങ്ങളും സ്വതന്ത്ര പരിശോധനയും Codex-ന് ലഭ്യമാക്കുന്നതാണ് Qodo-യുടെ പ്ലഗിൻ.

പശ്ചാത്തലവിവരങ്ങൾ ലഭിക്കുമ്പോൾ, കോഡ് ശേഖരങ്ങൾ തമ്മിലുള്ള ആശ്രിതബന്ധങ്ങൾ Codex-ന് കണക്കിലെടുക്കാനാകും. വ്യത്യസ്ത Git ദാതാക്കൾ ഹോസ്റ്റ് ചെയ്യുന്ന ശേഖരങ്ങളും Kafka വഴി ബന്ധിപ്പിച്ച സേവനങ്ങളും ഇതിൽ ഉൾപ്പെടുന്നു. “Qodo ആ ബന്ധം കണ്ടെത്തുകയും സോഫ്റ്റ്‌വെയറിനെ മൊത്തത്തിൽ വിലയിരുത്താനും ആ P0 പിഴവുകൾ വിട്ടുപോകാതിരിക്കാനും Codex-നെ സഹായിക്കുകയും ചെയ്യും,” ഇതമാർ പറയുന്നു.

കോഡെഴുതാൻ തുടങ്ങുന്നതിന് മുമ്പ്, പ്രസക്തമായ കോഡ് നിയമങ്ങളും pull request ചരിത്രവും ആവർത്തിക്കുന്ന രീതികളും ലഭ്യമാക്കാൻ Codex-ന് Qodo-യുടെ പ്ലഗിൻ ഉപയോഗിക്കാം. Codex മാറ്റങ്ങൾ വരുത്തിയശേഷം Qodo അവ പരിശോധിക്കുന്നു. ഡെവലപ്പർ ഒരു pull request തുറക്കുന്നതിനുമുമ്പ്, അതേ സെഷനിൽത്തന്നെ കണ്ടെത്തലുകൾ നേരിട്ട് Codex-ന് തിരികെ നൽകുന്നു.

Codex-ലെ GPT‑6 മോഡലുകൾ ഉപയോഗിച്ച് സവിശേഷതകൾ നിർമ്മിക്കാനും മുൻകാല സാങ്കേതിക തീരുമാനങ്ങളിൽനിന്ന് ശേഷിച്ച പോരായ്മകൾ പരിഹരിക്കാനും ഡെവലപ്പർമാർ ഈ പ്രവർത്തനക്രമം ഉപയോഗിക്കുന്നതായി Qodo-യുടെ AI ഡെവലപ്പർ ബന്ധങ്ങളുടെ മേധാവിയായ നെന എൻഡുക്വെ നിരീക്ഷിക്കുന്നു. Codex-ന്റെ കോഡെഴുത്തിൽനിന്ന് Qodo-യുടെ സ്വതന്ത്ര പരിശോധനയിലേക്കുള്ള കൈമാറ്റം അവർ സ്വയമേവ നടക്കുന്നതാക്കുന്നു. “ഡെവലപ്പർമാർ ഇതാണ് ചെയ്യുന്നതെന്ന് ഞാൻ കണ്ടുവരുന്നു. GPT‑6 അത്രയേറെ കഴിവുള്ളതായതിനാൽ ഇത് ശരിക്കും ആവേശകരമാണ്,” നെന പറയുന്നു.

കോഡെഴുത്തും പരിശോധനയും നടത്തുന്ന ഏജന്റുകളെ ഇതമാർ “യിനും യാങ്ങും” എന്ന് വിശേഷിപ്പിക്കുന്നു: ഒന്ന് കോഡ് സൃഷ്ടിക്കുമ്പോൾ മറ്റേത് അതിനെ ചോദ്യം ചെയ്യുന്നു. ഓരോ ചുമതലയ്ക്കും അതിന്റേതായ സജ്ജീകരണവും പശ്ചാത്തലവിവരങ്ങളും വേണം. ഒന്നിലധികം ഏജന്റുകളും ആവശ്യമായി വന്നേക്കാം. കണ്ടെത്തലുകൾ ഏജന്റുകൾ ചർച്ച ചെയ്യുകയും “അവയ്ക്ക് അംഗീകരിക്കാനാകാത്തവ മാത്രം മുന്നിലെത്തിക്കുകയും” ചെയ്ത് മനുഷ്യരുടെ പരിശോധനയ്ക്ക് വിടണമെന്നാണ് അദ്ദേഹത്തിന്റെ കാഴ്ചപ്പാട്. ഡെവലപ്പർമാർ ആസൂത്രകരും പരിശോധകരുമായി മാറും. ഏജന്റുകളുടെ ചർച്ചയും പശ്ചാത്തലവിവരങ്ങളും ഡെവലപ്പർമാരുടെ മുൻ തീരുമാനങ്ങളും ഒപ്പം വിലയിരുത്തിക്കൊണ്ട് പരിഹരിക്കപ്പെടാത്ത പ്രശ്നങ്ങൾ പരിശോധിക്കാൻ അവർക്ക് കഴിയും.

“അങ്ങനെയാണ് വിശ്വാസം വളർത്തുന്നത്,” ഇതമാർ പറയുന്നു. “ഇത് മുഴുവൻ പ്രക്രിയയെയും കൂടുതൽ കാര്യക്ഷമമാക്കുമെന്ന് ഞാൻ കരുതുന്നു,” നെന കൂട്ടിച്ചേർക്കുന്നു. “ഞങ്ങളുടെ വൈദഗ്ധ്യത്തിന്റെ ഏറ്റവും മികച്ച വശങ്ങൾ പ്രയോജനപ്പെടുത്താൻ ഞങ്ങൾക്ക് കഴിയുന്നു.”

Qodo-യിലെ തന്റെ സ്വയമേവ പ്രവർത്തിക്കുന്ന സോഫ്റ്റ്‌വെയർ വികസന പ്രക്രിയകളിലും വൈജ്ഞാനിക ജോലികളിലും നെന GPT‑6 Astra-യുടെ ‘അത്യധികം ഉയർന്നത്’, ‘Ultra’ എന്നീ ശ്രമനിലകൾ ഉപയോഗിച്ചുവരുന്നു.

ഓരോ ആഴ്ചയും താൻ ചെയ്തുതീർത്ത കാര്യങ്ങളും അടുത്തതായി ശ്രദ്ധിക്കേണ്ടതോ മെച്ചപ്പെടുത്തേണ്ടതോ ആയ മേഖലകളും റിപ്പോർട്ട് ചെയ്യാൻ നെന Codex-ൽ സമയക്രമം നിശ്ചയിക്കുന്നു. സാമൂഹിക മാധ്യമങ്ങളിൽ ഏജന്റ് അധിഷ്ഠിത എഞ്ചിനീയറിംഗിനെക്കുറിച്ചുള്ള ചർച്ചകൾ പഠിക്കാനും ഡെവലപ്പർമാർക്കുള്ള ഉള്ളടക്കത്തിന് ആശയങ്ങൾ നിർദേശിക്കാനും അവർ ഇത് ഉപയോഗിക്കുന്നു. താൻ കോഡിൽ വരുത്തുന്ന മാറ്റങ്ങൾ വിശകലനം ചെയ്യാനും പുതുതായി സൃഷ്ടിക്കേണ്ടതോ മെച്ചപ്പെടുത്തേണ്ടതോ ആയ ഏജന്റ് നൈപുണ്യങ്ങൾ നിർദേശിക്കാനും അവർ Codex-ൽ സമയക്രമം നിശ്ചയിക്കുന്നു.

ഓരോ തീരുമാനത്തിനും ഭാഷാ മോഡലുകളെ ആശ്രയിക്കുന്നതിനുപകരം, വികസനത്തിന്റെ ഓരോ ഘട്ടത്തിലും ബാധകമായ നിയമങ്ങളും ഏജന്റ് നൈപുണ്യങ്ങളും തിരഞ്ഞെടുക്കാൻ OpenAI അടുത്തിടെ അവതരിപ്പിച്ച Decisions API ഉപയോഗിക്കാമെന്ന് ഇതമാർ കരുതുന്നു.

200 നിയമങ്ങളിൽ ഏതൊക്കെ പരിശോധിക്കണമെന്ന് Decisions API ആദ്യം തിരഞ്ഞെടുക്കുകയും തുടർന്ന് ഒരു ഭാഷാ മോഡൽ പ്രസക്തമായ നിയമങ്ങൾ റീസണിംഗിലൂടെ വിലയിരുത്തുകയും ചെയ്യുന്ന ഉദാഹരണം അദ്ദേഹം ചൂണ്ടിക്കാട്ടുന്നു. ഇതിലൂടെ തിരഞ്ഞെടുപ്പ് വേഗത്തിലാക്കാനും ചെലവ് കുറയ്ക്കാനും പരിശോധനയുടെ ഗുണനിലവാരം ഉയർത്താനും കഴിയും. “ഈ പ്രക്രിയ കൂടുതൽ വിശ്വസനീയമാക്കാൻ Decisions API ഞങ്ങൾക്ക് വലിയൊരു അവസരമാണ് നൽകുന്നത്,” ഇതമാർ പറയുന്നു.

Qodo-യുടെ സമീപനം “നിർമിത ബുദ്ധിയുടെ ഏറ്റവും മികച്ച വശങ്ങളും പരമ്പരാഗത സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയറിംഗിന്റെയും സ്ക്രിപ്റ്റിംഗിന്റെയും ഏറ്റവും മികച്ച വശങ്ങളും” കൂട്ടിച്ചേർക്കുന്നുവെന്ന് നെന പറയുന്നു. സ്ഥാപനത്തിലെ അറിവ് കോഡെഴുതുന്ന ഏജന്റുകൾക്ക് വഴികാട്ടുന്നു. സ്വതന്ത്ര പരിശോധന അവയുടെ പ്രവർത്തനം വിലയിരുത്തുന്നു. ശേഷിക്കുന്ന ചോദ്യങ്ങൾക്ക് മനുഷ്യരുടെ വൈദഗ്ധ്യം ഉത്തരം കണ്ടെത്തുന്നു.

ഇതമാർ സോഫ്റ്റ്‌വെയർ ഫാക്ടറി എന്ന് വിശേഷിപ്പിക്കുന്ന സംവിധാനത്തിന്റെ അടിത്തറയാണിത്. പ്രവർത്തനത്തിലുള്ള സോഫ്റ്റ്‌വെയറിൽ മാറ്റങ്ങൾ വരുന്നതെങ്ങനെയെന്ന ധാരണയോടെ, കോഡെഴുത്തും പരിശോധനയും നടത്തുന്ന ഏജന്റുകളെ കൂട്ടിച്ചേർത്ത് ഉപഭോക്താക്കൾക്ക് സ്വയം ഒരുക്കി സ്വന്തമാക്കാവുന്ന ഒരു സംവിധാനം.

ഒരു സ്ഥാപനത്തിന്റെ അനുഭവസമ്പത്ത് കോഡെഴുതുന്ന ഏജന്റുകൾ കൂടുതൽ പ്രയോജനപ്പെടുത്തുകയും ഡെവലപ്പർമാർക്ക് സ്വന്തം വിവേചനശേഷി ഏറ്റവും ആവശ്യമുള്ള കാര്യങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാനാവുകയും ചെയ്യുന്ന ഭാവിയാണ് OpenAI-ക്കൊപ്പം Qodo നിർമ്മിക്കുന്നത്.