Codex सह Qodo कडून संदर्भाधारित AI कोड परीक्षण
Qodo संस्थेतील संदर्भ आणि कोडसंचाची मानके Codex मध्ये आणते, ज्यामुळे विकासकांना विविध कोड संग्रहांतील P0 समस्या शोधण्यात मदत होते.
Qodo(नवीन विंडोमध्ये उघडेल) कोड परीक्षण आणि सॉफ्टवेअर गुणवत्तेसाठी AI साधने तयार करते. कोडलेखन करणाऱ्या एजंटना ते बदलत असलेला कोड समजून घेण्यासाठी लागणारे संस्थेतील ज्ञान ही साधने पुरवतात. सहसंस्थापक आणि मुख्य कार्यकारी अधिकारी इतामार फ्रीडमन याला “कोडलेखन करणाऱ्या एजंटचा जिवलग मित्र” म्हणतात.
अभियांत्रिकीविषयक ज्ञान संकलित करण्यासाठी, कोडचे परीक्षण करण्यासाठी आणि सॉफ्टवेअरच्या गुणवत्तेवर लक्ष ठेवण्यासाठी Qodo, GPT‑6 Astra सह OpenAI ची मॉडेल वापरते. त्याचे Codex प्लगइन हे संदर्भ आणि परीक्षण विकासकांच्या कोडलेखन सत्रांमध्ये उपलब्ध करून देते.
“आम्हाला OpenAI ची मॉडेल खूप आवडतात. आम्हाला अत्याधुनिक, सर्वोत्तम रीझनिंग करणारी मॉडेल हवी आहेत, पण ती अतिशय वेगवानही हवीत.”
इतामार सांगतात की ग्राहकांच्या सॉफ्टवेअर वातावरणात 10,000 किंवा त्याहून अधिक कोड संग्रह असू शकतात. अशा ठिकाणी कोडच्या एका भागात केलेला बदल स्वतंत्रपणे योग्य दिसत असला, तरी त्यावर अवलंबून असलेली दुसरी सेवा बंद पडू शकते. यावर उपाय म्हणून Qodo ने Codex च्या साधन-बाजारात एक प्लगइन उपलब्ध करून दिले.
इतामार म्हणतात, “कोडच्या एखाद्या भागापुरते काम घेऊन ते कार्यक्षमतेने पूर्ण करण्यात Codex खरोखरच तरबेज आहे.” Qodo चे प्लगइन त्याच्या Agentic Toolbox द्वारे Codex ला कोडसंचाचे ज्ञान, संस्थेचे नियम आणि स्वतंत्र परीक्षण उपलब्ध करून देते.
हे संदर्भ मिळाल्याने Codex विविध कोड संग्रहांमधील परस्परावलंबन लक्षात घेऊ शकते. यात वेगवेगळ्या Git प्रदात्यांकडे असलेले कोड संग्रह आणि Kafka द्वारे जोडलेल्या सेवांचाही समावेश होतो. इतामार म्हणतात, “Qodo हे परस्परसंबंध ओळखून Codex ला संपूर्ण सॉफ्टवेअरचा एकत्रित विचार करण्यास मदत करेल, जेणेकरून ते P0 दोष सुटणार नाहीत.”
कोड लिहायला सुरुवात करण्यापूर्वी Codex, Qodo चे प्लगइन वापरून कोडसंचाचे संबंधित नियम, तसेच pull request चा इतिहास आणि त्यांतील नियमित नमुने मिळवू शकते. Codex ने बदल केल्यानंतर Qodo त्यांचे परीक्षण करते आणि विकासकाने pull request उघडण्यापूर्वीच आपले निष्कर्ष त्याच सत्रात थेट Codex ला परत पाठवते.
Qodo च्या AI विकासक संबंध प्रमुख नेन्ना न्डुक्वे यांच्या मते, विकासक हा कार्यप्रवाह वापरून Codex मधील GPT‑6 मॉडेलच्या मदतीने नवीन वैशिष्ट्ये तयार करत आहेत आणि पूर्वीच्या तांत्रिक तडजोडींमुळे साचलेल्या सुधारणा हाताळत आहेत. Codex ने कोड लिहिल्यानंतर ते काम स्वतंत्र परीक्षणासाठी Qodo कडे सोपवण्याची प्रक्रिया ते स्वयंचलित करत आहेत. नेन्ना म्हणतात, “विकासक हेच करताना मला दिसत आहेत. हे खरोखर उत्साहवर्धक आहे, कारण GPT‑6 अत्यंत सक्षम आहे.”
इतामार कोडलेखन आणि परीक्षण करणाऱ्या एजंटना “परस्परपूरक शक्ती” म्हणतात: एक कोड तयार करतो, तर दुसरा त्याला कसोटीवर तपासतो. प्रत्येक भूमिकेसाठी स्वतंत्र मांडणी आणि संदर्भ लागतात, तसेच एका भूमिकेत अनेक एजंटही काम करू शकतात. एजंटनी निष्कर्षांवर आपसात चर्चा करावी आणि मानवी परीक्षणासाठी “फक्त त्यांना मान्य नसलेले मुद्दे समोर आणावेत,” अशी त्यांची कल्पना आहे. विकासक नियोजन आणि परीक्षणाची भूमिका स्वीकारतील. अनिर्णित मुद्दे तपासताना त्यांना एजंटमधील चर्चा, संबंधित संदर्भ आणि विकासकांनी पूर्वी घेतलेले निर्णयही पाहता येतील.
इतामार म्हणतात, “यातूनच विश्वास निर्माण होतो.” नेन्ना पुढे म्हणतात, “माझ्या मते, यामुळे एकूणच संपूर्ण प्रक्रिया अधिक कार्यक्षम होते.” “आम्हाला आमच्या कौशल्यांतील सर्वोत्तम गोष्टींचा उपयोग करता येतो.”
Qodo मधील आपल्या स्वयंचलित विकास कार्यप्रवाहांमध्ये, तसेच ज्ञानाधारित कामात नेन्ना GPT‑6 Astra च्या अत्युच्च आणि Ultra या प्रयत्न-पातळ्या वापरत आहेत.
“Codex काय करत नाही? Codex जे काही करते, ते सगळेच मला खूप आवडते. AI आणि स्वयंचलन एकत्र आणण्याची कल्पना मला फार आवडते.”
आठवड्यात आपण काय साध्य केले आणि पुढे कुठे लक्ष केंद्रित करता येईल किंवा सुधारणा करता येतील याचा अहवाल देण्यासाठी नेन्ना Codex चे वेळापत्रक ठरवतात. समाजमाध्यमांवर एजंट-आधारित अभियांत्रिकीबद्दल होणाऱ्या चर्चांचा अभ्यास करण्यासाठी आणि विकासकांसाठीच्या आशयाच्या कल्पना सुचवण्यासाठीही त्या त्याचा वापर करतात. त्यांनी स्वतः कोडमध्ये केलेल्या बदलांचे विश्लेषण करून कोणती एजंट कौशल्ये तयार करावीत किंवा सुधारावीत हे सुचवण्याचे कामही त्या Codex साठी नियोजित करतात.
प्रत्येक निर्णयासाठी भाषा मॉडेलवर अवलंबून राहण्याऐवजी, विकासाच्या प्रत्येक टप्प्यावर कोणते नियम आणि एजंट कौशल्ये लागू होतात हे निवडण्यासाठी OpenAI ने अलीकडेच सादर केलेले Decisions API वापरण्याची संधी इतामार यांना दिसते.
ते एक उदाहरण देतात: 200 नियमांपैकी कोणते तपासण्याची गरज आहे हे Decisions API निवडू शकेल आणि त्यानंतर भाषा मॉडेल संबंधित नियमांवर विचार करू शकेल. त्यामुळे नियमांची निवड अधिक वेगाने आणि कमी खर्चात होईल, तसेच परीक्षणाची गुणवत्ताही सुधारेल. इतामार म्हणतात, “Decisions API मुळे ही प्रक्रिया अधिक विश्वासार्ह बनवण्याची मोठी संधी आम्हाला मिळाली आहे.”
नेन्ना सांगतात की Qodo च्या दृष्टिकोनात “कृत्रिम बुद्धिमत्तेतील सर्वोत्तम पैलू आणि पारंपरिक सॉफ्टवेअर अभियांत्रिकी व स्क्रिप्टलेखनातील सर्वोत्तम पैलू” एकत्र येतात. कंपनीतील ज्ञान कोडलेखन करणाऱ्या एजंटना मार्गदर्शन करते, स्वतंत्र परीक्षणातून त्यांचे काम तपासले जाते आणि उरलेले प्रश्न मानवी तज्ज्ञांच्या मदतीने सोडवले जातात.
यातून इतामार ज्याला सॉफ्टवेअर कारखाना म्हणतात त्याचा पाया तयार होतो: ग्राहक स्वतः जोडणी करून मालकी घेऊ शकतील अशी एक प्रणाली. यात कोडलेखन आणि परीक्षण करणारे एजंट एकत्र येतील आणि प्रत्यक्ष वापरात सॉफ्टवेअरमध्ये कसे बदल होतात याची समजही त्यांना असेल.
OpenAI सोबत Qodo असे भविष्य घडवत आहे, ज्यात कोडलेखन करणारे एजंट कंपनीच्या अनुभवाचा अधिक उपयोग करतील आणि विकासक सर्वाधिक महत्त्वाच्या बाबींवर आपली निर्णयक्षमता केंद्रित करू शकतील.
