Qodo hat ein Plugin für Codex vorgestellt, das organisatorisches Wissen und Standards der Codebasis in die Programmiersitzungen von Entwicklern einbindet. Nach Angaben des Unternehmens soll die Integration Programmieragenten dabei helfen, die umfassenderen Systeme zu verstehen, die von einer Änderung betroffen sind, und P0-Probleme zu erkennen, bevor ein Pull Request erstellt wird.
Qodo entwickelt KI-Tools für Code-Reviews und Softwarequalität. Sein Plugin nutzt die Agentic Toolbox des Unternehmens, um Codex Zugriff auf Engineering-Regeln, Wissen über die Codebasis und eine unabhängige Überprüfung zu geben. Qodo zufolge ist das System für Umgebungen mit Tausenden von Repositories gedacht, in denen eine Änderung, die lokal korrekt erscheint, dennoch einen nachgelagerten Dienst beeinflussen könnte.
Bevor Codex mit dem Schreiben von Code beginnt, kann das Plugin relevante Repository-Regeln, die Historie von Pull Requests und etablierte Muster abrufen. Sobald Codex seine Änderungen abgeschlossen hat, überprüft Qodo die Arbeit und sendet seine Erkenntnisse innerhalb derselben Sitzung an Codex zurück, sodass Entwickler Probleme beheben können, bevor sie die Änderung zur Überprüfung einreichen.
Die Integration ist darauf ausgelegt, Abhängigkeiten über mehrere Repositories hinweg zu berücksichtigen, darunter Code, der bei verschiedenen Git-Anbietern gehostet wird oder über Dienste wie Kafka verbunden ist. Qodos Mitgründer und CEO Itamar Friedman beschreibt diese Anordnung als Partnerschaft zwischen Programmier- und Review-Agenten: Der eine erstellt Änderungen, während der andere sie hinterfragt.
Qodos Lead für AI Developer Relations, Nnenna Ndukwe, sagt, dass Entwickler diesen Arbeitsablauf nutzen, um mit GPT-6-Modellen in Codex Funktionen zu entwickeln und technische Schulden zu bearbeiten. Das Unternehmen automatisiert außerdem den Übergang zwischen Codex’ Programmierarbeit und Qodos unabhängigem Review-Prozess.
Zu Qodos’ internen Arbeitsabläufen gehört es, Codex so zu planen, dass wöchentlich erreichte Fortschritte zusammengefasst, Verbesserungsbereiche ermittelt und Diskussionen über agentische Entwicklung recherchiert werden. Das System kann außerdem Ndukwes Codeänderungen analysieren und Agentenfähigkeiten vorschlagen, die erstellt oder verfeinert werden sollen.
Friedman verweist außerdem auf OpenAIs Decisions API als mögliche Möglichkeit, zu bestimmen, welche Regeln und Agentenfähigkeiten in jeder Entwicklungsphase angewendet werden sollten. Als Beispiel nennt er die Auswahl der relevanten Prüfungen aus einer Gruppe von 200 Regeln, bevor ein Sprachmodell sie durchdenkt. Dies könnte den Prozess schneller und kostengünstiger machen und zugleich die Qualität der Reviews verbessern.
Qodo zufolge kombiniert sein Ansatz von KI generierten Code, traditionelle Software-Engineering-Praktiken und menschliches Urteilsvermögen. In der Vision des Unternehmens würden Programmier- und Review-Agenten Erkenntnisse austauschen und den Menschen nur die Probleme vorlegen, die sie nicht selbst lösen können. Entwickler könnten sich dadurch auf die Planung, die Überprüfung und Entscheidungen über ungelöste Probleme konzentrieren.
Das Unternehmen beschreibt dieses Modell als Grundlage für eine Softwarefabrik, die Kunden selbst zusammenstellen und betreiben könnten. Dabei würden Programmier- und Review-Agenten mit dem Wissen darüber kombiniert, wie sich Softwareänderungen auf Produktionssysteme auswirken.
Quellen: OpenAI News.