CodeRabbit, ajanlarla 20 kat daha fazla yazılım sunuyor

CodeRabbit⁠(yeni bir pencerede açılır) kurucu ortağı ve CEO’su Harjot Gill’e göre, ajanların ürettiği kodu doğrulamak ve güvenilirliğini sağlamak, ekiplerin giderek artan AI çıktıları üzerinde kendi muhakemelerini kullandığı alan hâline geliyor. Harjot, “Kodlama ajanlarını kullanmaya başlayan her şirketin karşılaştığı ilk darboğaz kod incelemeleri oluyor,” diyor.

CodeRabbit, AI tarafından üretilen kodu doğrulamak ve güvenilirliğini sağlamak için AI destekli bir yönetişim ve kontrol platformu geliştirdi. 20.000’den fazla kuruluş ve 150.000’i aşkın açık kaynak projesi tarafından kullanılan CodeRabbit, ekiplerin AI ajanlarının ürettiği kodu anlamasına, incelemesine, güvence altına almasına ve hangi kodun kullanıma sunulmaya hazır olduğuna karar vermesine yardımcı oluyor.

CodeRabbit’e göre, OpenAI’ın iyileşen fiyat-performans oranı, incelemelerine daha fazla AI ajanı eklemesine ve bunun avantajlarını müşterilerine yansıtmasına yardımcı oluyor. Codex⁠ ise aynı mühendis ekibiyle 20 kat daha fazla yazılım sunmasına katkı sağlıyor. Şirket, hem kendi teknoloji altyapısını hem de müşterilerinin kodlarını güvence altına almak için Daybreak⁠ de kullanıyor. En yeni ürünü CodeRabbit Secure, güvenlik odaklı ajanlarıyla güvenlik açıklarını bulup gidermek için Daybreak’i Codex modelleriyle birlikte kullanıyor.

CodeRabbit ilk ürününü GPT‑3.5 Turbo ile geliştirdi. Harjot, GPT‑4’ün kullanıma sunulmasıyla ürünün kod incelemelerinde etkili hâle geldiğini söylüyor. Şirket daha sonra OpenAI o1 ve OpenAI o3’ü erken dönemde kullanmaya başladı. Kod incelemeleri bulutta eşzamansız yürütüldüğü için CodeRabbit, daha yetkin analizler elde etmek adına bir sorun üzerinde akıl yürütmeye daha fazla zaman ayıran modelleri kullanabildi.

Ekip, yeni modelleri bilinen sorunlardan oluşan kendi kıyaslama testine göre değerlendiriyor. Harjot, röportaj sırasında GPT‑6 Astra⁠’nın bu veri kümesindeki sorunların %50’sini yakaladığını tahmin ediyordu. Bu oran, modeli söz konusu kıyaslama testinde diğer modellerin önüne geçiriyordu.

Ajanlar farklı türde hatalar yaptıkça ve düzeltmeler önceki incelemelerde gözden kaçan sorunları ortaya çıkardıkça kıyaslama testi de gelişmeye devam ediyor. Harjot, “Hataların niteliği sürekli değişiyor; modeller iyileştikçe kıyaslama testimiz de gelişiyor,” diyor.

OpenAI modellerinin iyileşen fiyat-performans oranı, CodeRabbit’in araştırma aşamasındaki yetenekleri ürününe taşımasına yardımcı oldu. Harjot, model fiyatlandırması ve önbelleklemedeki iyileştirmeler sayesinde şirketin AI’ı daha fazla kullanabildiğini, daha fazla alt ajan ekleyebildiğini ve bu avantajları müşterilerine yansıtabildiğini belirtiyor.

CodeRabbit başlangıçta kod içinde gezinmek için bir veya iki alt ajan kullanıyordu. Artık GPT‑6 Luna gibi daha düşük maliyetli modeller platform genelinde daha fazla alt ajanı desteklerken GPT‑6 Astra gibi modeller planlama ve orkestrasyonu üstleniyor.

Harjot, “Artık geçmişte maliyetini karşılayamadığımız kullanım senaryolarının bile her aşamasında ajanlardan yararlanıyoruz,” diyor. Bu da CodeRabbit’in yapabildiği doğrulamaların ve geliştiricilere sunabildiği açıklamaların kapsamını genişleterek geliştiricilerin kendilerinin yazmadığı değişiklikleri anlamasına ve bunlara güvenmesine yardımcı oluyor.

Harjot, Codex sayesinde şirketin son 6 ayda mühendis sayısını artırmadan yaklaşık 20 kat daha fazla yazılım sunduğunu söylüyor. Kendi tahminine göre, röportajdan önceki 30 günde tek başına 2.500 ila 3.000 pull request gönderdi.

Bu noktaya gelmek için yalnızca Codex’i kullanmaya başlamak yeterli olmadı. Birden fazla ajan çalıştırmak, dizüstü bilgisayarların belleği ve işlem gücünden testlere, yazılımı derleyip paketleyen araçlara ve bağımlılıklara kadar geliştirme sürecinin tümündeki kısıtları ortaya çıkardı.

Ekip, sürüm yayımlama sürecini sadeleştirdi ve hangi aşamalarda insan onayı gerektiğini yeniden değerlendirdi. Bu sırada insan müdahalesi gerektirmeyen düşük riskli değişiklikleri otomatik olarak kullanıma sunmak için CodeRabbit’ten yararlandı. Harjot, “Yazılımı kullanıma sunma sürecinin tamamını gerçekten baştan düşünmek zorunda kaldık,” diyor.

Şirket ayrıca üretim ortamındaki olayları, Slack mesajlarını ve destek taleplerini sınıflandırıp önceliklendiren, Codex destekli bir Slack botu geliştirdi. Bot, ekibin inceleyip birleştirmesi için bir pull request oluşturabiliyor. Harjot, bulut tabanlı geliştirmeyi yerel makinelerin kısıtlarını azaltmanın ve ekiplere erişim ve denetim üzerinde daha fazla kontrol sağlamanın bir yolu olarak görüyor.

CodeRabbit, pazarlama ve operasyon görevlerini kod aracılığıyla yönetmek de dahil olmak üzere mühendislik dışındaki işler için de Codex kullanıyor. Harjot, “Şirketi mümkün olduğunca kodla yönetiyoruz,” diyor.

Şirket, pazarlama alanında Google Ads’i pull request’ler aracılığıyla yönetiyor. Ekip, reklamları yayına almak için bir pull request açıp birleştiriyor. Ayrıca Codex’in slayt sunumları ve müşterilere yönelik belgeler oluşturduğu bir içerik stüdyosu deposu kullanıyor. Harjot, “Pazarlama sorunlarınızı kod sorunlarına dönüştürebilirseniz 10 kat daha hızlı ilerlersiniz,” diyor.

CodeRabbit, 2023’ten bu yana ajanları yalıtılmış ortamlarda çalıştırıyor; depoları klonlayıp ajanların incelemelere yardımcı olacak kodlar yazmasına olanak tanıyor. Daha yakın zamanda CodeRabbit, kendi platformunu test etmek ve güvence altına almak için Daybreak üzerinden OpenAI’ın Cyber modelini kullandı.

Ekip, modeli şirket içi sızma testlerinde kullanarak bir saldırganın kendi platformlarına hangi yollarla sızabileceğini araştırdı. Harjot, erken erişimin CodeRabbit’in kendi teknoloji altyapısını güvence altına almasına yardımcı olduğunu söylüyor. Harjot, “Birden fazla güvenlik açığı ve gerçekleşebileceğini hayal bile edemediğimiz gelişmiş saldırı yöntemleri bulduk,” diyor.

Şirket, o zamandan beri bu yetenekleri pazara da sunarak en yeni ürünü CodeRabbit Secure ile müşterilerinin kodlarını güvence altına almalarına yardımcı oluyor. Şirket, son iki haftada düzenlediği kampanyayla kullanıcılarına 1 milyon dolar değerinde ücretsiz derinlemesine tarama sundu. Tamamı Codex modelleriyle gerçekleştirilen 13.000 derinlemesine taramada 43.000’den fazla güvenlik açığı tespit etti. Müşteriler bu açıkların binlercesini şimdiden gidererek kod güvenliklerini iyileştirdi.

Arka planda çalışan ajanlar, her görevi bir insanın başlatmasına gerek kalmadan uyarılara ve olaylara müdahale etmeye başlıyor. Harjot, bu süreçte ekiplerin hangi değişiklikleri sonuca ulaştıracaklarına karar verirken daha fazla yardıma ihtiyaç duyacağını öngörüyor.

CodeRabbit, geleceğe dönük olarak ajan tabanlı yazılım geliştirme alanına açılıyor; ekiplerin ajanların ürettiği kod değişikliklerini büyük ölçekte değerlendirmesine, önceliklendirmesine, açıklamasına, güvence altına almasına ve doğrulamasına yardımcı oluyor.

Buradaki fırsat, ajanlar geliştirme işinin daha büyük bölümünü üstlenirken üretilen kodun hızına yetişen doğrulama, açıklama ve bakım süreçleriyle geliştiricilerin kontrolü elinde tutmasına yardımcı olmak.