Qodo wzbogaca przegląd kodu przez AI o kontekst dzięki Codex

Qodo⁠(otwiera nowe okno) tworzy narzędzia AI do przeglądu kodu i dbania o jakość oprogramowania, udostępniając agentom programistycznym wiedzę organizacji potrzebną do zrozumienia kodu, który zmieniają. Współzałożyciel i dyrektor generalny Itamar Friedman nazywa Qodo „najlepszym przyjacielem agenta programistycznego”.

Qodo korzysta z modeli OpenAI, w tym GPT‑6 Astra, do gromadzenia wiedzy inżynierskiej, przeglądu kodu i monitorowania jakości oprogramowania. Wtyczka Qodo do Codex udostępnia ten kontekst i przegląd kodu podczas sesji programowania.

Itamar opisuje środowiska klientów obejmujące nawet 10 000 lub więcej repozytoriów. Lokalna zmiana kodu może w nich zakłócić działanie zależnej usługi, nawet jeśli sama w sobie wygląda poprawnie. Aby rozwiązać ten problem, Qodo stworzyło wtyczkę dostępną w katalogu Codex.

„Codex świetnie radzi sobie ze sprawnym wykonywaniem lokalnych zadań” — mówi Itamar. Wtyczka Qodo daje Codex dostęp do wiedzy o bazie kodu, zasad organizacji i niezależnego przeglądu za pośrednictwem zestawu narzędzi Agentic Toolbox od Qodo.

Dzięki kontekstowi Codex może uwzględniać zależności między repozytoriami, także hostowanymi u różnych dostawców usług Git, oraz między usługami połączonymi za pomocą Kafki. „Qodo rozpozna to powiązanie i pomoże Codex spojrzeć na oprogramowanie jako całość, tak by nie przeoczyć błędów P0” — mówi Itamar.

Zanim Codex zacznie pisać kod, może użyć wtyczki Qodo, by pobrać odpowiednie zasady dotyczące bazy kodu oraz historię i wzorce zgłoszeń pull request. Po wprowadzeniu zmian przez Codex Qodo sprawdza je i przekazuje wyniki bezpośrednio do Codex w tej samej sesji, zanim programista otworzy pull request.

Nnenna Ndukwe, liderka ds. relacji z programistami w obszarze AI w Qodo, obserwuje, jak programiści wykorzystują ten proces do tworzenia funkcji i ograniczania długu technicznego za pomocą modeli GPT‑6 w Codex. Automatyzują przekazywanie kodu napisanego przez Codex do niezależnego przeglądu w Qodo. „Właśnie tak pracują programiści, których obserwuję. To naprawdę ekscytujące, bo GPT‑6 ma ogromne możliwości” — mówi Nnenna.

Itamar opisuje agenty programistyczne i agenty przeglądu kodu jako „yin i yang”: jeden tworzy kod, drugi poddaje go krytycznej ocenie. Każda rola wymaga własnej konfiguracji i kontekstu, a do jej pełnienia może być potrzebnych wiele agentów. W jego wizji agenty omawiałyby wyniki i przekazywały do oceny człowiekowi „tylko to, czego nie akceptują”. Programiści zajmowaliby się planowaniem i przeglądem, mogąc analizować nierozstrzygnięte kwestie wraz z dyskusją agentów, kontekstem i wcześniejszymi decyzjami programistów.

„Tak właśnie buduje się zaufanie” — mówi Itamar. „Myślę, że dzięki temu cały proces jest sprawniejszy” — dodaje Nnenna. „Możemy wykorzystać to, co najcenniejsze w naszej wiedzy i doświadczeniu”.

W swojej pracy w Qodo Nnenna korzysta z ustawień wysiłku rozumowania „Bardzo wysoki” i „Ultra” modelu GPT‑6 Astra zarówno we własnych zautomatyzowanych procesach programistycznych, jak i w pracy umysłowej.

Nnenna ustawia w Codex cykliczne raporty podsumowujące jej osiągnięcia z danego tygodnia oraz wskazujące, na czym mogłaby się skupić lub co poprawić. Używa go też do analizowania dyskusji o inżynierii oprogramowania z wykorzystaniem agentów w mediach społecznościowych i proponowania tematów treści dla programistów. Jeśli chodzi o własne zmiany w kodzie, ustawia w Codex cykliczne analizy swojej pracy i propozycje umiejętności agentów, które warto stworzyć lub udoskonalić.

Itamar dostrzega możliwość wykorzystania niedawno udostępnionego przez OpenAI interfejsu Decisions API do wyboru zasad i umiejętności agentów przydatnych na poszczególnych etapach tworzenia oprogramowania, zamiast polegać przy każdej decyzji na modelach językowych.

Podaje przykład, w którym Decisions API mogłoby wybrać spośród 200 zasad te wymagające sprawdzenia, zanim model językowy przeanalizuje je w procesie rozumowania. Pozwoliłoby to przyspieszyć i obniżyć koszt doboru zasad, a zarazem poprawić jakość przeglądu. „Decisions API daje nam ogromną szansę na zwiększenie zaufania do tego procesu” — mówi Itamar.

Podejście Qodo łączy „to, co najlepsze w sztucznej inteligencji, z tym, co najlepsze w tradycyjnej inżynierii oprogramowania i pisaniu skryptów” — mówi Nnenna. Wiedza firmy ukierunkowuje pracę agentów programistycznych, niezależny przegląd pozwala sprawdzić jej efekty, a wiedza ekspercka ludzi pomaga rozstrzygnąć pozostałe kwestie.

Tworzy to fundament tego, co Itamar nazywa fabryką oprogramowania: systemu, który klienci mogliby zbudować z dostępnych elementów i mieć na własność. Łączyłby on agenty programistyczne i agenty przeglądu kodu ze zrozumieniem tego, jak oprogramowanie zmienia się w środowisku produkcyjnym.

Wraz z OpenAI Qodo buduje przyszłość, w której agenty programistyczne w większym stopniu wykorzystują doświadczenie firmy, a programiści mogą skupić się na ocenie kwestii, w których ich osąd ma największe znaczenie.