Qodo gir AI-kodegjennomgang kontekst med Codex
Qodo gir Codex organisasjonskontekst og standarder for kodebasen, slik at utviklere kan oppdage P0-feil på tvers av kodelagre.
Qodo(åpnes i et nytt vindu) bygger AI-verktøy for kodegjennomgang og programvarekvalitet, og gir kodeagenter kunnskapen om organisasjonen de trenger for å forstå koden de endrer. Medgründer og administrerende direktør Itamar Friedman kaller det «kodeagentens beste venn».
Qodo bruker OpenAI-modeller, blant annet GPT‑6 Astra, til å samle kunnskap om programvareutvikling, gjennomgå kode og overvåke programvarekvalitet. Qodos Codex-plugin gjør denne konteksten og kodegjennomgangen tilgjengelig mens utviklerne koder.
«Vi elsker OpenAI-modellene. Vi vil ha de banebrytende modellene, de beste resonneringsmodellene, men også de som er virkelig raske.»
Itamar beskriver kundemiljøer som kan omfatte 10 000 eller flere kodelagre, der en lokal kodeendring kan få en avhengig tjeneste til å svikte, selv om endringen isolert sett ser riktig ut. For å løse dette laget Qodo en plugin som er tilgjengelig på Codex-markedsplassen.
«Codex er veldig god til å ta en lokal oppgave og fullføre den effektivt», sier Itamar. Qodos plugin gir Codex tilgang til kunnskap om kodebasen, organisasjonens regler og uavhengig kodegjennomgang gjennom Qodos Agentic Toolbox.
Med kontekst kan Codex ta hensyn til avhengigheter på tvers av kodelagre, også når de ligger hos ulike Git-leverandører eller involverer tjenester som er koblet sammen via Kafka. «Qodo vil se den sammenhengen og hjelpe Codex med å se programvaren som en helhet, slik at P0-feilene ikke blir oversett», sier Itamar.
Før Codex begynner å skrive kode, kan det bruke Qodos plugin til å hente relevante regler for kodebasen samt historikk og mønstre fra tidligere pull request-er. Etter at Codex har gjort endringene, gjennomgår Qodo dem og sender funnene direkte tilbake til Codex i samme økt, før utvikleren oppretter en pull request.
Nnenna Ndukwe, Qodos leder for utviklerrelasjoner innen AI, ser at utviklere bruker denne arbeidsflyten til å bygge funksjoner og håndtere teknisk gjeld med GPT‑6‑modeller i Codex. De automatiserer overgangen fra Codex sitt kodearbeid til Qodos uavhengige kodegjennomgang. «Det er dette jeg har sett utviklere gjøre, og det er veldig spennende, for GPT‑6 er ekstremt kapabel», sier Nnenna.
Itamar beskriver agenter for koding og kodegjennomgang som «yin og yang»: Den ene skriver kode, den andre utfordrer den. Hver rolle trenger sitt eget oppsett og sin egen kontekst, og kan involvere flere agenter. Visjonen hans er at agenter skal diskutere funn og «bare løfte frem det de ikke godtar» til menneskelig vurdering. Utviklerne vil da kunne planlegge og gjennomgå arbeidet, og undersøke uløste problemer sammen med agentenes diskusjon, konteksten og tidligere beslutninger fra utviklere.
«Det er slik man skaper tillit», sier Itamar. «Jeg tror det gjør hele prosessen mer effektiv», legger Nnenna til. «Vi får brukt det beste av ekspertisen vår.»
Internt i Qodo har Nnenna brukt innsatsnivåene Ekstra høy og Ultra i GPT‑6 Astra, både i sine egne automatiserte utviklingsarbeidsflyter og i kunnskapsarbeid.
«Hva gjør Codex ikke? Jeg elsker alt Codex gjør. Jeg elsker ideen om å kombinere AI og automatisering.»
Nnenna setter opp Codex til å rapportere regelmessig om hva hun har fått gjort i løpet av uken, og hva hun kan fokusere på eller forbedre fremover. Hun bruker det også til å undersøke samtaler om agentbasert utvikling på sosiale plattformer og foreslå ideer til innhold for utviklere. Når det gjelder hennes egne kodeendringer, setter hun opp Codex til å analysere arbeidet regelmessig og foreslå agentferdigheter hun kan lage eller forbedre.
Itamar ser en mulighet til å bruke OpenAIs nylig lanserte Decisions API til å velge hvilke regler og agentferdigheter som er relevante i hver fase av utviklingen, i stedet for å bruke språkmodeller til hver eneste beslutning.
Han viser til et eksempel der Decisions API kan velge hvilke av 200 regler som må sjekkes, før en språkmodell resonnerer seg gjennom de relevante reglene. Det kan gjøre utvelgelsen raskere og billigere, samtidig som kvaliteten på gjennomgangen blir bedre. «Decisions API gir oss en enorm mulighet til å skape større tillit til prosessen», sier Itamar.
Qodos tilnærming kombinerer «det beste ved kunstig intelligens med det beste ved tradisjonell programvareutvikling og skripting», sier Nnenna. Kunnskap fra bedriften veileder kodeagentene, uavhengig gjennomgang kontrollerer arbeidet deres, og menneskelig ekspertise avklarer spørsmålene som gjenstår.
Dette legger grunnlaget for det Itamar beskriver som en programvarefabrikk: et system kundene kan sette sammen og eie, som kombinerer agenter for koding og kodegjennomgang med en forståelse av hvordan programvare endrer seg i produksjon.
Sammen med OpenAI bygger Qodo en fremtid der kodeagenter tar mer av bedriftens erfaring i bruk, og utviklere kan bruke skjønnet sitt der det betyr mest.
