Greptile 借助 GPT‑6 Astra，让缺陷检测不止于代码审查
了解 Greptile 如何利用 GPT‑6 Astra 测试用户操作流程、利用 Daybreak 加强安全防护，以及利用 Codex 减少返工
Greptile（在新窗口中打开） 构建的 AI 智能体能够全面掌握代码库的上下文，对代码变更进行审查和测试。联合创始人兼首席执行官 Daksh Gupta 表示：“我们的工作就是减少缺陷，让全世界的软件更加可靠。”
在 Daksh 看来，要实现这一使命，不仅要阅读代码，还要测试应用的实际行为。GPT‑6 Astra 的计算机操作能力让 Greptile 能够大规模开展自动化测试。
验证一个 Pull Request，需要检查代码逻辑是否正确、是否实现了开发者的预期、是否安全，以及是否会破坏现有功能。其中一些测试需要实际运行应用，因为单看代码未必能发现问题。
Daksh 举了一个例子：在 iPhone 上浏览网站时，某个按钮会消失。借助 GPT‑6 Astra，Greptile 可以针对某个 Pull Request 启动开发服务器，将浏览器视口调整为 iPhone 屏幕大小，并模拟用户在应用中的操作。模型凭借视觉理解能力检查屏幕，就能发现按钮被隐藏的问题。
他说：“有了这些模型，我们交付代码的速度非常快。如果让质量保证公司来测试所有变更，速度根本跟不上，实际上行不通。”借助 GPT‑6 Astra，Greptile 可以大规模自动执行这类应用测试。
Daksh 表示，更强大的模型也让攻击者更容易利用应用漏洞，使企业面临风险，就连以往不太会成为攻击目标的企业也不例外。
Daksh 说：“我们希望即使是初创公司，也能轻松保障自身系统的安全。有了 Daybreak，我们就能以非常安全的方式做到这一点，并确保客户的防御机制比对手的攻击机制更先进。”
Greptile 的知识库为企业代码库建立索引，并以人和智能体都能阅读的形式，记录代码库的工作原理。Greptile 通过模型上下文协议（MCP）服务器，向 Codex 提供这些文档。
这样，Codex 就能按照客户现有的代码模式编写代码。据 Daksh 介绍，已有数千家客户将 Codex 连接到 Greptile 的知识库。
为了衡量成效，团队会跟踪 AI 生成的代码被回退的频率。Daksh 表示：“当我们向智能体提供上下文后，代码回退就会减少，客户既节省了时间，也减少了推理资源消耗。”客户可以将节省下来的时间和资源投入新工作，而不必在同一处变更上反复返工。
Greptile 也使用 Codex 构建自己的软件和智能体。Daksh 说：“我们是 Codex 的重度用户。每个职能部门的使用量都非常大，尤其是工程团队。”
Daksh 解释说，对 Greptile 而言，唯一真正的瓶颈，是团队能多快将想法变成可运行的软件。他表示，模型的智能水平已经足以应对许多任务，因此他看重 Ultrafast 加快开发速度的潜力。
他的长远目标是，让修改和发布关键企业软件像发布业余项目一样轻松，而 OpenAI 正在帮助 Greptile 构建实现这一目标所需的验证能力。
