१६ मे, २०२५

सादर करत आहे कोडेक्स

कोडेक्स-1 द्वारे समर्थित, एक क्लाउड-आधारित सॉफ्टवेअर इंजिनिअरिंग एजंट जो अनेक कामे एकाच वेळी हाताळू शकतो. आजपासून ChatGPT Pro, Business आणि Enterprise युजर्ससाठी उपलब्ध, आणि लवकरच Plus वापरकर्तासाठी देखील.

कोडेक्स वापरून पहा

‘पुढे काय कोड करावे?’ असा प्रश्न विचारणारा डॅशबोर्ड, ज्यात प्रॉम्प्ट बॉक्स, रेपो/ब्रँच सिलेक्टर्स आणि पेस्टल कोड-थीम पार्श्वभूमीवरील टास्क लिस्ट आहे.

लोड होत आहे...

3 जून 2025 रोजी अद्यतन: कोडेक्स आता ChatGPT प्लस वापरकर्त्यांसाठी उपलब्ध आहे. आम्ही वापरकर्त्यांना कामाच्या अंमलबजावणी दरम्यान Codex ला इंटरनेट प्रवेश देण्यास सक्षम करत आहोत. अधिक माहितीसाठी कृपया चेंजलॉग⁠(नवीन विंडोमध्ये उघडेल) आणि डॉक्स⁠(नवीन विंडोमध्ये उघडेल) पहा.

आज आम्ही Codex चा रिसर्च पूर्वावलोकन लॉन्च करत आहोत: एक क्लाउड-आधारित सॉफ्टवेअर इंजिनिअरिंग एजंट जो अनेक कामे एकाच वेळी हाताळू शकतो. कोडेक्स तुमच्यासाठी फीचर्स लिहिणे, तुमच्या कोडबेसबद्दल प्रश्नांची उत्तरे देणे, बग्स दुरुस्त करणे आणि पुनरावलोकनासाठी पुल रिक्वेस्ट्स सुचवणे यासारखी कामे करू शकतो; प्रत्येक टास्क त्याच्या स्वतंत्र क्लाउड सँडबॉक्स एन्व्हायर्नमेंटमध्ये चालतो, जे आधीच तुमच्या रेपॉझिटरीने प्रीलोड केलेले असते.

Codex-1 द्वारे समर्थित, कोडेक्स हे OpenAI o3 चे सॉफ्टवेअर इंजिनिअरिंगसाठी ऑप्टिमाइझ केलेले व्हर्जन आहे. हे विविध वातावरणांमध्ये वास्तव जगातील कोडिंग काम मजबुतीकरण शिक्षण वापरून प्रशिक्षित केले गेले आहे, जेणेकरून असे कोड उत्पन्न करणे येईल जे मानवी शैली आणि PR प्राधान्यांना जवळपास जुळणारे असतील, सूचनांचे अचूक पालन करतील, आणि पासिंग निकाल मिळेपर्यंत वारंवार टेस्ट चालवू शकतील. आजपासून आम्ही Codex ChatGPT Pro, Enterprise आणि Business वापरकर्तासाठी रोलआऊट करायला सुरुवात करत आहोत, तर Plus आणि Edu युजर्ससाठी लवकरच सपोर्ट उपलब्ध होणार आहे.

Codex कसे कार्य करते

आज आपण ChatGPT मधील साइडबारद्वारे कोडेक्स मध्ये प्रवेश करू शकता आणि प्रॉम्प्ट टाइप करून आणि “Code” वर क्लिक करून त्यास नवीन कोडिंग कामे नियुक्त करू शकता. आपण आपल्या कोडबेसबद्दल कोडेक्स ला प्रश्न विचारू इच्छित असल्यास, "Ask" वर क्लिक करा. प्रत्येक टास्क स्वतंत्र, वेगळ्या एन्व्हायर्नमेंटमध्ये हाताळला जातो, जे तुमच्या कोडबेससह आधीच प्रीलोड केलेले असते. कोडेक्स फाईल्स वाचू आणि संपादित करू शकतो तसेच टेस्ट हार्नेस, लिन्टर्स आणि टाईप चेकर्ससह कमांड्स देखील चालवू शकतो. टास्क पूर्ण होण्यास सहसा १ ते ३० मिनिटे लागतात, गुंतागुंतीवर अवलंबून, आणि तुम्ही कोडेक्सची प्रगती रिअल-टाइममध्ये पाहू शकता.

एकदा कोडेक्स काम पूर्ण केल्यावर, तो त्याच्या एन्व्हायर्नमेंटमध्ये त्याचे बदल कमिट करतो. Codex त्याच्या क्रियांबद्दल पडताळता येईल असे पुरावे टर्मिनल लॉग्स आणि टेस्ट आउटपुट्सच्या संदर्भाद्वारे देतो, ज्यामुळे काम पूर्ण करताना घेतलेले प्रत्येक पाऊल तुम्ही ट्रेस करू शकता. त्यानंतर तुम्ही परिणामांची पुनरावलोकन करू शकता, आणखी बदलांची विनंती करू शकता, GitHub पुल रिक्वेस्ट उघडू शकता किंवा थेट बदल तुमच्या लोकल एन्व्हायर्नमेंटमध्ये एकत्रित करू शकता. प्रॉडक्टमध्ये, तुम्ही कोडेक्स एन्व्हायर्नमेंट शक्य तितके तुमच्या वास्तविक डेव्हलपमेंट एन्व्हायर्नमेंटसारखे कॉन्फिगर करू शकता.

Codex ला तुमच्या रेपॉझिटरीमध्ये ठेवलेल्या AGENTS.md फाईल्सद्वारे मार्गदर्शन करता येते. हे README.md सारख्या मजकूर फाइल्स आहेत, जिथे आपण कोडेक्सला आपला कोडबेस कसा नेव्हिगेट करायचा, चाचणीसाठी कोणते आदेश चालवायचे आणि आपल्या प्रोजेक्टच्या मानक पद्धतींचे सर्वोत्तम पालन कसे करायचे याबद्दल माहिती देऊ शकता. मानवी विकासकांप्रमाणे, कोडेक्स एजंट्स कॉन्फिगर केलेले विकास वातावरण, विश्वसनीय चाचणी सेटअप आणि स्पष्ट दस्तऐवजीकरण दिल्यास सर्वोत्तम कामगिरी करतात.

कोडिंग इव्हॅल्युएशन्स आणि इंटरनल बेंचमार्क्सवर, AGENTS.md फाईल्स किंवा कस्टम स्कॅफोल्डिंग नसतानाही codex-1 मजबूत परफॉर्मन्स दर्शवतो.

आमच्या अंतर्गत पायाभूत सुविधांवर चालविण्यायोग्य नसलेले 23 SWE-Bench व्हेरिफाइड नमुने वगळण्यात आले. कोडेक्स-१ ची चाचणी कमाल 192k tokens संदर्भ लांबीवर आणि मध्यम 'तर्क प्रयत्न' वर करण्यात आली, जी आज उत्पादनात उपलब्ध असणारी सेटिंग आहे. o3 मूल्यांकनांबद्दल अधिक तपशीलांसाठी, येथे⁠ पहा.

आमचा इंटरनल SWE टास्क बेंचमार्क हा OpenAI मधील वास्तव-जगातील इंटरनल SWE टास्क्सचा क्युरेटेड संच आहे.

सुरक्षित आणि विश्वासार्ह एजंट्स तयार करणे

आमच्या इटरेटिव्ह डिप्लॉयमेंट स्ट्रॅटेजीनुसार, आम्ही Codex रिसर्च पूर्वावलोकन म्हणून रिलीज करत आहोत. Codex डिझाइन करताना आम्ही सिक्युरिटी आणि ट्रान्सपेरन्सीला प्राधान्य दिले, जेणेकरून युजर्स त्याचे आउटपुट्स पडताळू शकतील — हा सेफगार्ड अधिकाधिक महत्त्वाचा ठरतो कारण AI मॉडेल स्वतंत्रपणे अधिक क्लिष्ट कोडिंग काम हाताळतात आणि सेफ्टी विचार विकसित होतात. युजर्स Codex चे काम संदर्भ, टर्मिनल लॉग्स आणि टेस्ट रिजल्ट्सद्वारे तपासू शकतात. जेव्हा अनिश्चितता असते किंवा टेस्ट फेल्युअर्स येतात, तेव्हा Codex एजंट या समस्यांबद्दल स्पष्टपणे कळवतो, ज्यामुळे वापरकर्ते पुढे कसे जायचे याबाबत माहितीपूर्ण निर्णय घेऊ शकतात. इंटिग्रेशन आणि एक्झिक्यूशनपूर्वी एजंट-जनरेटेड सर्व कोडचे मॅन्युअली रिव्ह्यू व व्हॅलिडेशन करणे युजर्ससाठी अद्यापही अत्यावश्यक आहे.

कोट केलेल्या फाइलनावांची पडताळणी करणारा टेस्ट-फाइल ओव्हरले, सारांश आणि पासिंग टेस्ट्स दाखवणारा कोड-रिव्ह्यू स्क्रीनशॉट, निळ्या पार्श्वभूमीवर.

कोट केलेल्या फाईलनावांसाठी एक पासिंग टेस्ट दाखवणारा ब्लॅक टर्मिनल ओव्हरले असलेला कोड-रिव्ह्यू स्क्रीनशॉट; ‘फिक्स /डिफ एरर विथ स्पेशल कॅरेक्टर्स’ बदलाचा सारांश आणि डिफ निळ्या-पेस्टल पार्श्वभूमीवर दिसत आहे.

मानवी प्राधान्यांशी जुळवून घेणे

Codex-1 चे प्रशिक्षण करताना मुख्य उद्दिष्ट म्हणजे आउटपुट्स मानवी कोडिंग प्राधान्ये आणि स्टँडर्ड्सशी जवळून जुळवणे हे होते. OpenAI o3 च्या तुलनेत, codex-1 सतत अधिक स्वच्छ पॅचेस तयार करतो, जे त्वरित मानवी रिव्ह्यूसाठी आणि स्टँडर्ड वर्कफ्लोजमध्ये इंटिग्रेशनसाठी तयार असतात.

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

गैरवापर रोखणे

AI-चालित सॉफ्टवेअर इंजिनिअरिंगच्या दुष्ट वापरांपासून, जसे की मालवेअर विकास, संरक्षण करणे अधिकाधिक महत्त्वाचे ठरत आहे. त्याच वेळी, संरक्षणात्मक उपाय वैध आणि उपयुक्त ऍप्लिकेशन्सना अन्यायकारकपणे अडथळा आणू नयेत हे महत्त्वाचे आहे, ज्यामध्ये लो-लेव्हल कर्नल इंजिनिअरिंगसारख्या तंत्रांचा समावेश असू शकतो, जे कधीकधी मालवेअर डेव्हलपमेंटमध्ये देखील वापरले जातात.

सुरक्षा आणि उपयुक्ततेचा समतोल राखण्यासाठी, Codex ला दुष्ट सॉफ्टवेअर विकासासाठी असलेल्या विनंत्या ओळखून अचूकपणे नाकारण्यासाठी प्रशिक्षित केले गेले आहे, तसेच वैध काम स्पष्टपणे वेगळे करून त्यांना समर्थन देण्यासाठीही. आम्ही आमचे पॉलिसी फ्रेमवर्क्स सुधारले आहेत आणि या मर्यादा प्रभावीपणे मजबूत करण्यासाठी कठोर सुरक्षा मूल्यांकन समाविष्ट केले आहे. या मूल्यांकनांचे प्रतिबिंब करण्यासाठी आम्ही o3 सिस्टिम कार्डसाठी अ‍ॅडेंडम⁠ प्रकाशित केले आहे.

सुरक्षित एक्झिक्युशन

Codex एजंट पूर्णपणे सुरक्षित, वेगळ्या क्लाउड कंटेनरमध्ये कार्य करतो. टास्क चालू असताना इंटरनेट ऍक्सेस डिसेबल केले जाते, ज्यामुळे एजंटचा संवाद फक्त GitHub रेपॉझिटरीजद्वारे स्पष्टपणे दिलेल्या कोडपुरताच आणि युजरने सेटअप स्क्रिप्टद्वारे कॉन्फिगर केलेल्या प्री-इन्स्टॉल डिपेन्डन्सीपुरताच मर्यादित राहतो. एजंट बाह्य वेबसाईट्स, APIs किंवा इतर सेवांना ऍक्सेस करू शकत नाही.

प्रारंभीचे वापर प्रकरणे

OpenAI मधील तांत्रिक टीम्सने Codex ला त्यांच्या दैनंदिन टूलकिटचा भाग म्हणून वापरण्यास सुरुवात केली आहे. हे बहुतेकदा OpenAI इंजिनिअर्सकडून पुनरावृत्तीची, नीट व्याख्यित टास्क्स जसे की रिफॅक्टरिंग, रीनेमिंग आणि टेस्ट लिहिणे, ज्यामुळे अन्यथा लक्ष विचलित होऊ शकते, अशा कामांना हलवण्यासाठी वापरले जाते. हे नवीन फीचर्सचे स्कॅफोल्डिंग, कॉम्पोनंट्स वायरिंग, बग्स दुरुस्त करणे आणि डॉक्युमेंटेशन तयार करणे यासाठीही तितकेच उपयुक्त आहे. टीम्स त्याभोवती नवीन सवयी विकसित करत आहेत: ऑन-कॉल समस्या सोडवणे, दिवसाच्या सुरुवातीला टास्क्सचे नियोजन करणे, आणि बॅकग्राऊंड वर्क ऑफलोड करून सतत पुढे जाणे. कॉन्टेक्स्ट-स्विचिंग कमी करून आणि विसरलेले टु-डू समोर आणून, Codex इंजिनिअर्सना जलद शिप करण्यात आणि महत्त्वाच्या गोष्टींवर लक्ष केंद्रित करण्यात मदत करतो.

रिलीजपूर्वी, विविध कोडबेस, डेव्हलपमेंट प्रोसेसेस आणि टीम्समध्ये Codex कसा परफॉर्म करतो हे चांगले समजून घेण्यासाठी आम्ही छोट्या बाह्य टेस्टर गटासोबतही काम केले आहे.

Cisco⁠(नवीन विंडोमध्ये उघडेल) त्यांच्या अभियांत्रिकी संघांना महत्त्वाकांक्षी कल्पना जलद प्रत्यक्षात आणण्यास कशी मदत करू शकते याचा एक्सप्लोर करीत आहे. अर्ली डिझाईन पार्टनर्स म्हणून, Cisco त्यांच्या प्रॉडक्ट पोर्टफोलिओमध्ये रिअल-वर्ल्ड युज केससाठी Codex चे मूल्यांकन करून आणि OpenAI टीमला अभिप्राय देऊन Codex चे भविष्य घडवण्यात मदत करत आहे.अभिप्राय
Temporal⁠(नवीन विंडोमध्ये उघडेल) Codexचा वापर वैशिष्ट्य विकासास गती देण्यासाठी, समस्या डीबग करा, चाचण्या लिहिण्यासाठी आणि अंमलात आणण्यासाठी, आणि मोठ्या कोडबेसचे रिफॅक्टर करण्यासाठी करते. हे बॅकग्राऊंडमध्ये क्लिष्ट टास्क्स चालवून त्यांना फोकस्ड राहण्यास मदत करते—इंजिनिअर्सना फ्लोमध्ये ठेवते आणि इटरेशन वेगवान करते.
चाचणी कव्हरेज सुधारणे आणि समाकलन अपयशांचे निराकरण करणे यासारख्या लहान परंतु पुनरावृत्ती होणाऱ्या कामांना गती देण्यासाठी Superhuman⁠(नवीन विंडोमध्ये उघडेल) Codexचा वापर करते. हे प्रॉडक्ट मॅनेजर्सना इंजिनिअरशिवाय (कोड रिव्ह्यू वगळता) हलके कोड बदल योगदान देण्यास सक्षम करून त्यांना जलद शिप करण्यात मदत करते.
कोडिएक⁠(नवीन विंडोमध्ये उघडेल) कोडेक्सचा वापर करून डिबगिंग साधने लिहिणे, चाचणी कव्हरेज सुधारणे आणि कोड रिफॅक्टर करणे - कोडिएक ड्रायव्हरच्या विकासास गती देत आहे, जे त्यांच्या स्वायत्त ड्रायव्हिंग तंत्रज्ञानाचा एक भाग आहे. Codex संदर्भ कॉन्टेक्स्ट आणि पूर्वीचे बदल समोर आणून इंजिनिअर्सना स्टॅकच्या अपरिचित भागांना समजून घेण्यास मदत करून एक मौल्यवान रेफरन्स टूल बनले आहे.

अर्ली टेस्टरच्या शिकवणींवर आधारित, आम्ही एकाच वेळी अनेक एजंट्सना नीट व्याख्यित काम असाइन करण्याची आणि मॉडेलच्या क्षमतांचा प्रभावीपणे एक्सप्लोर करण्यासाठी विविध प्रकारच्या टास्क्स आणि प्रॉम्प्ट्ससह प्रयोग करण्याची शिफारस करतो.

Codex CLI मधील अपडेट्स

मागील महिन्यात, आम्ही Codex CLI लॉन्च केले, जे तुमच्या टर्मिनलमध्ये चालणारे हलके ओपन-सोर्स कोडिंग एजंट आहे. हे आपल्या स्थानिक वर्कफ्लोमध्ये o3 आणि o4-mini सारख्या मॉडेल्सची शक्ती आणते, ज्यामुळे कामे जलद पूर्ण करण्यासाठी त्यांच्यासह जोडणे सोपे होते.

आज आम्ही codex-1 चा आणखी एक लहान व्हर्जनही रिलीज करत आहोत, जो o4-mini चा एक व्हर्जन आहे आणि खास Codex CLI मध्ये वापरण्यासाठी डिझाईन केलेले आहे. हे नवीन मॉडेल CLI मध्ये वेगवान वर्कफ्लोजना समर्थन देते आणि लो-लेटन्सी कोड Q&A व संपादनासाठी ऑप्टिमाइझ केलेले आहे, तसेच इन्स्ट्रक्शन फॉलोइंग आणि स्टाईलमधील त्याच ताकदी कायम ठेवते. हे आता Codex CLI मध्ये डिफॉल्ट मॉडेल म्हणून आणि API मध्ये codex-mini-latest म्हणून उपलब्ध आहे. Codex-mini मॉडेलमध्ये आम्ही सातत्याने सुधारणा करत असताना, अंडरलाईंग स्नॅपशॉट नियमितपणे अद्ययावत केला जात राहील.

आम्ही तुमचे डेव्हलपर खाते Codex CLI शी जोडणे आणखी कनेक्ट करत आहोत. API टोकन मॅन्युअली जनरेट आणि कॉन्फिगर करण्याऐवजी, आता तुम्ही तुमच्या ChatGPT अकाउंटने साइन इन करून वापरायचे API ऑर्गनायझेशन निवडू शकता. आम्ही तुमच्यासाठी API की आपोआप जनरेट व कॉन्फिगर करू. ChatGPT सह Codex CLI मध्ये साइन इन करणारे Plus आणि Pro वापरकर्ते पुढील 30 दिवसांसाठी आज नंतर अनुक्रमे $5 आणि $50 मोफत API क्रेडिट्स रिडीम करण्यास सुरुवात करू शकतात.

Codex उपलब्धता, प्रायसिंग आणि मर्यादा

आजपासून आम्ही Codex चे जागतिक रोलआऊट ChatGPT Pro, Enterprise आणि Business वापरकर्ता करत आहोत, Plus आणि Edu साठी सपोर्ट लवकरच येत आहे. आगामी काही आठवड्यांसाठी वापरकर्त्यांना कोणताही अतिरिक्त खर्च न करता भरपूर प्रवेश मिळेल, ज्यामुळे तुम्ही Codex काय करू शकतो हे एक्सप्लोर करू शकता; त्यानंतर आम्ही रेट-लिमिटेड प्रवेश आणि ऑन-डिमांड अतिरिक्त वापर खरेदी करण्यासाठी फ्लेक्सिबल प्रायसिंग पर्याय सादर करू. आम्ही लवकरच Plus आणि Edu वापरकर्तासाठी प्रवेश वाढवण्याची योजना आखली आहेप्रवेश.

codex-mini-latest सह बिल्ड करणाऱ्या डेव्हलपर्ससाठी हे मॉडेल रिस्पॉन्सेस API वर उपलब्ध आहे आणि किंमत $1.50 प्रति 1M इनपुट टोकन्स आणि $6 प्रति 1M आउटपुट टोकन्स अशी आहे, 75% प्रॉम्प्ट कॅशिंग डिस्काउंटसह.

Codex अजूनही त्याच्या डेव्हलपमेंटच्या सुरुवातीच्या टप्प्यात आहे. रिसर्च प्रिव्ह्यू म्हणून, सध्या यात फ्रंटएंड वर्कसाठी इमेज इनपुट्स आणि एजंट काम करत असताना त्याला कोर्स-करेक्ट करण्याची क्षमता अशा फीचर्सचा अभाव आहे. तसेच, रिमोट एजंटकडे डेलेगेट करणे इंटरॅक्टिव्ह एडिटिंगपेक्षा जास्त वेळ घेते, ज्याची सवय होण्यासाठी थोडा वेळ लागू शकतो. काळानुसार, Codex एजंट्ससोबत परस्परसंवाद करणे सहकाऱ्यांसोबत असिंक्रोनस कोलॅबोरेशनसारखे अधिकाधिक वाटू लागेल. मॉडेलच्या क्षमतांमध्ये वाढ होत असताना, आम्हाला अपेक्षा आहे की एजंट्स दीर्घकाळ अधिक क्लिष्ट टास्क्स हाताळतील.

पुढे काय

आम्ही असा भविष्यकाळ कल्पना करतो जिथे डेव्हलपर्स स्वतःच्या आवडत्या कामांवर लक्ष केंद्रित करतात आणि उरलेले काम एजंट्सकडे सोपवतात—AI च्या मदतीने अधिक वेगाने आणि अधिक उत्पादकतेने काम करत. ते साध्य करण्यासाठी, आम्ही कोडेक्स साधनांचा एक संच तयार करत आहोत जो रिअल-टाइम सहकार्य आणि असिंक्रोनस प्रतिनिधित्व दोन्हीला सपोर्ट देतो.

Codex CLI सारख्या AI टूल्ससोबत पेअरिंग करणे आणि इतरांचा वापर करणे लवकरच इंडस्ट्री नॉर्म झाले आहे, ज्यामुळे डेव्हलपर्स कोड लिहिताना अधिक वेगाने पुढे जाऊ शकतात. पण आमचा विश्वास आहे की ChatGPT मध्ये Codex ने आणलेला असिंक्रोनस, मल्टी-एजंट वर्कफ्लो इंजिनिअर्स उच्च-गुणवत्तेचा कोड तयार करण्याचा डि-फॅक्टो मार्ग बनेल.

शेवटी, आम्हाला या दोन परस्परसंवाद पद्धती—रिअल-टाइम पेअरिंग आणि काम डेलीगेशन—एकत्र येताना दिसतात. डेव्हलपर्स त्यांच्या IDEs आणि दैनंदिन टूल्समधून AI एजंट्ससोबत सहकार्य करतील—प्रश्न विचारण्यासाठी, सुचना मिळवण्यासाठी, आणि दीर्घ काम ऑफलोड करण्यासाठी—हे सर्व एका युनिफाईड वर्कफ्लोमध्ये.

पुढे पाहता, आम्ही अधिक इंटरॅक्टिव्ह आणि फ्लेक्सिबल एजंट वर्कफ्लोज सादर करण्याची योजना आखत आहोत. डेव्हलपर्स लवकरच काम दरम्यान मार्गदर्शन देऊ शकतील, इम्प्लिमेंटेशन स्ट्रॅटेजीजवर सहकार्य करू शकतील, आणि सक्रिय अद्यतन अपडेट्स मिळवू शकतील. आम्ही तुमच्या आधीपासून वापरात असलेल्या टूल्ससोबत अधिक खोल इंटिग्रेशन्सची कल्पना करतो: आज Codex GitHub शी जोडतो, आणि लवकरच तुम्ही Codex CLI, ChatGPT डेस्कटॉप किंवा तुमचा इश्यू ट्रॅकर किंवा CI सिस्टीमसारख्या टूल्समधून काम असाइन करू शकाल.

सॉफ्टवेअर अभियांत्रण हे AI-चालित उत्पादकतेच्या महत्त्वपूर्ण वाढीचा अनुभव घेणाऱ्या पहिल्या उद्योगांपैकी एक आहे, ज्यामुळे वैयक्तिक व्यक्ती आणि लहान टीम्ससाठी नवीन संधी उघडत आहेत. आम्ही या फायद्यांबद्दल आशावादी असलो तरी, विकसक वर्कफ्लो, लोकांमधील कौशल्य विकास, कौशल्य पातळी आणि भौगोलिक क्षेत्रांवर व्यापक एजंट दत्तक घेण्याचे परिणाम अधिक चांगल्या प्रकारे समजून घेण्यासाठी आम्ही भागीदारांशी सहकार्य करत आहोत.

हा फक्त आरंभ आहे—आणि Codex सोबत तुम्ही काय तयार करता हे पाहण्यासाठी आम्ही उत्सुक आहोत.

लाइव्हस्ट्रीम रिप्ले

परिशिष्ट

सिस्टम संदेश

आम्ही codex-1 सिस्टीम मेसेज शेअर करत आहोत जेणेकरून डेव्हलपर्सना मॉडेलच्या डीफॉल्ट बिहेवियर समजून घेता येईल आणि Codex ला कस्टम वर्कफ्लोजमध्ये प्रभावीपणे काम करण्यासाठी ट्यून करता येईल. उदाहरणार्थ, codex-1 सिस्टीम मेसेज Codex ला AGENTS.md फाईलमध्ये उल्लेखलेल्या सर्व टेस्ट्स चालवण्यास प्रोत्साहित करतो, पण जर तुमच्याकडे वेळ कमी असेल, तर तुम्ही Codex ला या टेस्ट्स स्किप करण्यास सांगू शकता.

साधा मजकूर

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
7If 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.

लेखक

OpenAI