Codex உடன் சூழலறிந்த குறியீட்டு ஆய்வு: கோடோ
நிறுவனப் பின்னணித் தகவலையும் குறியீட்டுத் தொகுப்பின் தரநிலைகளையும் Codex-இல் இணைக்கும் கோடோ, களஞ்சியங்கள் முழுவதும் P0 சிக்கல்களைக் கண்டறிய உருவாக்குநர்களுக்கு உதவுகிறது.
குறியீட்டு ஆய்வுக்கும் மென்பொருள் தரத்திற்குமான செயற்கை நுண்ணறிவுக் கருவிகளை கோடோ(புதிய சாளரத்தில் திறக்கும்) உருவாக்குகிறது. குறியீடு எழுதும் ஏஜென்ட்கள் தாங்கள் மாற்றும் குறியீட்டைப் புரிந்துகொள்ளத் தேவையான நிறுவன அறிவை அவற்றுக்கு வழங்குகிறது. இணை நிறுவனரும் தலைமைச் செயல் அதிகாரியுமான இடமார் ஃப்ரீட்மன் இதை “குறியீடு எழுதும் ஏஜென்ட்டின் உற்ற நண்பன்” என்கிறார்.
பொறியியல் அறிவைத் திரட்டவும், குறியீட்டை ஆய்வு செய்யவும், மென்பொருள் தரத்தைக் கண்காணிக்கவும் GPT‑6 Astra உள்ளிட்ட OpenAI மாடல்களை கோடோ பயன்படுத்துகிறது. அதன் Codex செருகுநிரல், அந்தப் பின்னணித் தகவலையும் ஆய்வையும் உருவாக்குநர்களின் குறியீடு எழுதும் அமர்வுகளுக்குள் கொண்டுவருகிறது.
“OpenAI மாடல்களை நாங்கள் மிகவும் விரும்புகிறோம். அதிநவீனமான, சிறந்த ரீஸனிங் மாடல்கள் எங்களுக்கு வேண்டும்; அதே நேரத்தில் அவை மிக வேகமாகவும் செயல்பட வேண்டும்.”
வாடிக்கையாளர்களின் மென்பொருள் சூழல்கள் 10,000 அல்லது அதற்கு மேற்பட்ட குறியீட்டுக் களஞ்சியங்களைக் கொண்டிருக்கலாம் என இடமார் விவரிக்கிறார். அங்கு ஓரிடத்தில் செய்யப்படும் குறியீட்டு மாற்றம் தனியாகப் பார்க்கும்போது சரியாகத் தோன்றினாலும், அதைச் சார்ந்த மற்றொரு சேவையை முடக்கக்கூடும். இதற்குத் தீர்வாக, Codex சந்தையில் ஒரு செருகுநிரலை கோடோ உருவாக்கியது.
“ஒரு குறிப்பிட்ட இடம் சார்ந்த பணியை எடுத்துக்கொண்டு அதைத் திறம்பட முடிப்பதில் Codex மிகவும் சிறப்பாகச் செயல்படுகிறது,” என்கிறார் இடமார். கோடோவின் Agentic Toolbox மூலம் குறியீட்டுத் தொகுப்பு பற்றிய அறிவு, நிறுவன விதிகள், தனித்த ஆய்வு ஆகியவற்றை Codex அணுக அதன் செருகுநிரல் உதவுகிறது.
பின்னணித் தகவல் கிடைக்கும்போது, களஞ்சியங்களுக்கு இடையிலான சார்புகளை Codex கணக்கில் எடுத்துக்கொள்ள முடியும். வெவ்வேறு Git வழங்குநர்களிடம் உள்ள களஞ்சியங்களும் Kafka வழியாக இணைக்கப்பட்ட சேவைகளும் இதில் அடங்கும். “கோடோ அந்தத் தொடர்பைக் கண்டறிந்து, மென்பொருளை முழுமையாகப் பார்க்கவும் அந்த P0 பிழைகளைத் தவறவிடாமல் இருக்கவும் Codex-க்கு உதவும்,” என்கிறார் இடமார்.
குறியீடு எழுதத் தொடங்கும் முன், பொருத்தமான குறியீட்டுத் தொகுப்பு விதிகள், pull request வரலாறு மற்றும் வழக்கமான நடைமுறைகளைப் பெற Codex கோடோவின் செருகுநிரலைப் பயன்படுத்தலாம். Codex மாற்றங்களைச் செய்த பிறகு, கோடோ அவற்றை ஆய்வு செய்கிறது. உருவாக்குநர் ஒரு pull request உருவாக்கும் முன்பே, அதே அமர்வில் தனது கண்டறிதல்களை நேரடியாக Codex-க்கு வழங்குகிறது.
Codex-இல் உள்ள GPT‑6 மாடல்களைக் கொண்டு அம்சங்களை உருவாக்கவும், தேங்கியுள்ள தொழில்நுட்பக் குறைகளைச் சரிசெய்யவும் உருவாக்குநர்கள் இந்தப் பணிப்பாய்வைப் பயன்படுத்துவதை கோடோவின் செயற்கை நுண்ணறிவு உருவாக்குநர் உறவுகள் பிரிவுத் தலைவர் நென்னா என்டுக்வே கவனித்து வருகிறார். Codex எழுதிய குறியீட்டை கோடோவின் தனித்த ஆய்வுக்கு ஒப்படைக்கும் செயல்முறையை அவர்கள் தானியக்கமாக்குகிறார்கள். “உருவாக்குநர்கள் இதைத்தான் செய்வதாக நான் பார்க்கிறேன். GPT‑6 மிகுந்த திறன் கொண்டது என்பதால், இது உண்மையிலேயே உற்சாகமளிக்கிறது,” என்கிறார் நென்னா.
குறியீடு எழுதும் மற்றும் ஆய்வு செய்யும் ஏஜென்ட்களை “யின் மற்றும் யாங்” என்று இடமார் விவரிக்கிறார்: ஒன்று குறியீட்டை உருவாக்குகிறது; மற்றொன்று அதை விமர்சனத்துடன் ஆராய்கிறது. ஒவ்வொரு பணிப்பங்கிற்கும் தனித்த அமைப்பும் பின்னணித் தகவலும் தேவை; ஒவ்வொன்றிலும் பல ஏஜென்ட்கள் செயல்படலாம். ஏஜென்ட்கள் கண்டறிதல்களைப் பற்றி விவாதித்து, மனித ஆய்வுக்காக “தாங்கள் ஏற்றுக்கொள்ளாதவற்றை மட்டும் முன்னிலைப்படுத்த வேண்டும்” என்பதே அவரது தொலைநோக்கு. உருவாக்குநர்கள் திட்டமிடுபவர்களாகவும் ஆய்வாளர்களாகவும் மாறுவார்கள். தீர்க்கப்படாத சிக்கல்களை, ஏஜென்ட்களின் விவாதம், பின்னணித் தகவல், உருவாக்குநர்கள் முன்பு எடுத்த முடிவுகள் ஆகியவற்றுடன் சேர்த்து அவர்களால் ஆராய முடியும்.
“இப்படித்தான் நம்பிக்கையை உருவாக்க முடியும்,” என்கிறார் இடமார். “ஒட்டுமொத்தச் செயல்முறையையும் இது மேலும் திறம்படச் செயல்பட வைக்கிறது என நினைக்கிறேன்,” என்று நென்னா மேலும் கூறுகிறார். “எங்கள் நிபுணத்துவத்தின் சிறந்த அம்சங்களை எங்களால் பயன்படுத்திக்கொள்ள முடிகிறது.”
கோடோவில், நென்னா தனது தானியங்கு மென்பொருள் உருவாக்கப் பணிப்பாய்வுகளிலும் அறிவுசார் பணிகளிலும் GPT‑6 Astra-வின் ‘மிக அதிகம்’, ‘Ultra’ முயற்சி அமைப்புகளைப் பயன்படுத்தி வருகிறார்.
“Codex செய்யாததுதான் என்ன? Codex செய்யும் எல்லாவற்றையும் நான் விரும்புகிறேன். செயற்கை நுண்ணறிவையும் தானியக்கத்தையும் இணைக்கும் எண்ணம் எனக்கு மிகவும் பிடித்திருக்கிறது.”
வாரத்தில் தான் செய்து முடித்தவை, அடுத்து கவனம் செலுத்த வேண்டியவை அல்லது மேம்படுத்த வேண்டியவை குறித்து அறிக்கை அளிக்க Codex-இல் நென்னா நேரத்திட்டம் அமைக்கிறார். சமூகத் தளங்களில் ஏஜென்ட் சார்ந்த பொறியியல் குறித்த உரையாடல்களை ஆராயவும், மென்பொருள் உருவாக்குநர்களுக்கான உள்ளடக்க யோசனைகளைப் பரிந்துரைக்கவும் அவர் அதைப் பயன்படுத்துகிறார். தனது குறியீட்டு மாற்றங்களைப் பொறுத்தவரை, தனது பணியைப் பகுப்பாய்வு செய்து, உருவாக்க அல்லது மேம்படுத்த வேண்டிய ஏஜென்ட் திறன்களைப் பரிந்துரைக்க Codex-இல் நேரத்திட்டம் அமைக்கிறார்.
ஒவ்வொரு முடிவுக்கும் மொழி மாடல்களைச் சார்ந்திருப்பதற்குப் பதிலாக, மென்பொருள் உருவாக்கத்தின் ஒவ்வொரு கட்டத்திலும் பொருந்தும் விதிகளையும் ஏஜென்ட் திறன்களையும் தேர்ந்தெடுக்க, OpenAI அண்மையில் அறிமுகப்படுத்திய Decisions API-ஐப் பயன்படுத்தலாம் என இடமார் கருதுகிறார்.
உதாரணமாக, 200 விதிகளில் எவற்றைச் சரிபார்க்க வேண்டும் என்பதை Decisions API தேர்ந்தெடுக்கலாம்; அதன் பிறகு மொழி மாடல் பொருத்தமான விதிகளைத் தர்க்கரீதியாக ஆராயலாம் என்கிறார் அவர். இதனால் தேர்வு வேகமாகவும் குறைந்த செலவிலும் நடைபெறுவதோடு, ஆய்வின் தரமும் மேம்படும். “இந்தச் செயல்முறை மீதான நம்பிக்கையை அதிகரிக்க Decisions API எங்களுக்குக் கிடைத்த மிகப்பெரிய வாய்ப்பு,” என்கிறார் இடமார்.
கோடோவின் அணுகுமுறை “செயற்கை நுண்ணறிவின் சிறந்த அம்சங்களையும், வழக்கமான மென்பொருள் பொறியியல் மற்றும் கட்டளைநிரல் எழுதுதலின் சிறந்த அம்சங்களையும்” இணைக்கிறது என்கிறார் நென்னா. நிறுவன அறிவு குறியீடு எழுதும் ஏஜென்ட்களுக்கு வழிகாட்டுகிறது; தனித்த ஆய்வு அவற்றின் பணியைச் சரிபார்க்கிறது; எஞ்சிய கேள்விகளுக்கு மனித நிபுணத்துவம் தீர்வு அளிக்கிறது.
இடமார் ‘மென்பொருள் தொழிற்சாலை’ என்று விவரிக்கும் அமைப்பிற்கு இது அடித்தளமிடுகிறது. வாடிக்கையாளர்கள் தாங்களே கட்டமைத்துச் சொந்தமாக வைத்திருக்கக்கூடிய இந்த அமைப்பு, குறியீடு எழுதும் மற்றும் ஆய்வு செய்யும் ஏஜென்ட்களுடன், பயன்பாட்டில் உள்ள மென்பொருள் எவ்வாறு மாறுகிறது என்ற புரிதலையும் இணைக்கும்.
OpenAI உடன் இணைந்து கோடோ உருவாக்கும் எதிர்காலத்தில், குறியீடு எழுதும் ஏஜென்ட்கள் நிறுவனத்தின் அனுபவத்தை இன்னும் அதிகமாகப் பயன்படுத்தும்; உருவாக்குநர்கள் தங்கள் மதிப்பீட்டுத் திறனை மிக முக்கியமான இடங்களில் செலுத்த முடியும்.
