Qodo: ИИ-проверка кода с учётом контекста в Codex
Qodo даёт Codex доступ к контексту компании и стандартам кодовой базы, помогая разработчикам находить проблемы уровня P0 в разных репозиториях.
Qodo(открывается в новом окне) создаёт ИИ-инструменты для проверки кода и контроля качества ПО, предоставляя агентам для написания кода знания компании, необходимые для понимания кода, который они меняют. Сооснователь и генеральный директор Итамар Фридман называет Qodo «лучшим другом агента для написания кода».
Qodo использует модели OpenAI, в том числе GPT‑6 Astra, для сбора инженерных знаний, проверки кода и мониторинга качества ПО. Её плагин для Codex делает этот контекст и проверку доступными разработчикам прямо во время написания кода.
«Нам очень нравятся модели OpenAI. Нам нужны передовые модели, лучшие в рассуждениях, но при этом по-настоящему быстрые».
Итамар рассказывает о средах клиентов, которые могут включать 10 000 и более репозиториев. В них локальное изменение кода может нарушить работу зависимого сервиса, даже если само по себе выглядит корректным. Чтобы решить эту проблему, Qodo создала плагин и разместила его в каталоге Codex.
«Codex отлично справляется с эффективным выполнением локальных задач», — говорит Итамар. Плагин Qodo предоставляет Codex доступ к знаниям о кодовой базе, правилам компании и независимой проверке через Qodo Agentic Toolbox.
Благодаря контексту Codex может учитывать зависимости между репозиториями, в том числе размещёнными у разных Git-провайдеров, а также между сервисами, связанными через Kafka. «Qodo выявит эту связь и поможет Codex увидеть ПО как единое целое, чтобы не пропустить ошибки уровня P0», — говорит Итамар.
Прежде чем приступить к написанию кода, Codex может с помощью плагина Qodo получить применимые правила кодовой базы, историю pull request и характерные для них закономерности. После того как Codex внесёт изменения, Qodo проверяет их и передаёт результаты напрямую в Codex в том же сеансе — ещё до того, как разработчик откроет pull request.
Нненна Ндукве, руководитель направления по связям с разработчиками в области ИИ в Qodo, видит, как разработчики используют этот процесс для создания новых функций и устранения технического долга с моделями GPT‑6 в Codex. Они автоматизируют передачу кода, написанного Codex, на независимую проверку в Qodo. «Именно так, по моим наблюдениям, и работают разработчики. Это очень вдохновляет, ведь у GPT‑6 огромные возможности», — говорит Нненна.
Итамар сравнивает агентов для написания и проверки кода с «инь и ян»: один создаёт код, другой подвергает его критическому анализу. Для каждой роли нужны свои настройки и контекст, и в каждой может быть задействовано несколько агентов. По его замыслу, агенты будут обсуждать результаты и «выносить на проверку человеку только то, с чем они не согласны». Разработчики займутся планированием и проверкой: они смогут изучать нерешённые вопросы вместе с обсуждением агентов, контекстом и предыдущими решениями разработчиков.
«Именно так возникает доверие», — говорит Итамар. «Думаю, это делает весь процесс эффективнее, — добавляет Нненна. — Мы можем применять свои знания и опыт там, где они приносят наибольшую пользу».
В своей работе в Qodo Нненна использует GPT‑6 Astra с уровнями рассуждений «Очень высокий» и Ultra — как для автоматизации процессов разработки, так и для интеллектуальных задач.
«А чего Codex не умеет? Мне нравится всё, что делает Codex. Мне очень близка идея объединить ИИ и автоматизацию».
Нненна настроила Codex так, чтобы он по расписанию готовил отчёты о её достижениях за неделю и предлагал, на чём сосредоточиться дальше и что улучшить. Она также использует его для изучения обсуждений разработки с помощью агентов в соцсетях и поиска идей для материалов, адресованных разработчикам. Для работы с собственными изменениями в коде она настроила Codex так, чтобы он по расписанию анализировал её работу и предлагал, какие навыки агентов стоит создать или доработать.
Итамар видит возможность использовать недавно выпущенный Decisions API от OpenAI для выбора правил и навыков агентов на каждом этапе разработки, вместо того чтобы поручать языковым моделям принятие каждого решения.
В качестве примера он описывает, как Decisions API мог бы выбирать из 200 правил те, соблюдение которых нужно проверить, прежде чем языковая модель приступит к их анализу. Это помогло бы ускорить и удешевить выбор, одновременно повышая качество проверки. «Decisions API открывает перед нами огромные возможности для повышения доверия к процессу», — говорит Итамар.
По словам Нненны, подход Qodo сочетает «лучшее из искусственного интеллекта и лучшее из традиционной разработки ПО и написания скриптов». Знания компании направляют работу агентов, пишущих код; независимая проверка оценивает результат, а экспертные знания людей помогают решить оставшиеся вопросы.
Так формируется основа того, что Итамар называет фабрикой ПО: системы, которую клиенты могли бы собрать сами и которой могли бы владеть. Она объединяет агентов для написания и проверки кода с пониманием того, как ПО меняется в рабочей среде.
Вместе с OpenAI компания Qodo создаёт будущее, в котором агенты для написания кода шире используют накопленный компанией опыт, а разработчики могут сосредоточиться на решениях, где их профессиональное суждение особенно важно.
