Qodo ha presentado un complemento para Codex que incorpora el conocimiento organizacional y los estándares de las bases de código en las sesiones de programación de los desarrolladores. La empresa afirma que la integración está diseñada para ayudar a los agentes de programación a comprender los sistemas más amplios afectados por un cambio e identificar problemas P0 antes de crear una solicitud de extracción.
Qodo desarrolla herramientas de IA para la revisión de código y la calidad del software. Su complemento utiliza la Agentic Toolbox de la empresa para proporcionar a Codex acceso a reglas de ingeniería, conocimiento de las bases de código y revisiones independientes. Qodo afirma que el sistema está pensado para entornos con miles de repositorios, donde un cambio que parece correcto localmente aún podría afectar a un servicio posterior.
Antes de que Codex empiece a escribir código, el complemento puede recuperar reglas pertinentes del repositorio, el historial de solicitudes de extracción y patrones establecidos. Una vez que Codex completa sus cambios, Qodo revisa el trabajo y envía sus hallazgos de vuelta a Codex dentro de la misma sesión, lo que permite a los desarrolladores resolver los problemas antes de enviar el cambio a revisión.
La integración está diseñada para tener en cuenta dependencias que abarcan múltiples repositorios, incluido código alojado por distintos proveedores de Git o conectado mediante servicios como Kafka. El cofundador y director ejecutivo de Qodo, Itamar Friedman, describe la configuración como una asociación entre agentes de programación y revisión: uno produce cambios mientras el otro los cuestiona.
Nnenna Ndukwe, responsable de Relaciones con Desarrolladores de IA de Qodo, afirma que los desarrolladores utilizan este flujo de trabajo para crear funcionalidades y abordar deuda técnica con modelos GPT-6 en Codex. La empresa también está automatizando la transición entre el trabajo de programación de Codex y el proceso de revisión independiente de Qodo.
Los flujos de trabajo internos de Qodo incluyen programar a Codex para resumir los logros semanales, identificar áreas de mejora e investigar debates sobre ingeniería agéntica. El sistema también puede analizar los cambios de código de Ndukwe y sugerir habilidades de agente que se puedan crear o perfeccionar.
Friedman también señala la API de Decisions de OpenAI como una posible forma de determinar qué reglas y habilidades de agente deberían aplicarse en cada etapa del desarrollo. Pone como ejemplo seleccionar las comprobaciones pertinentes de un conjunto de 200 reglas antes de que un modelo de lenguaje razone sobre ellas, lo que podría hacer que el proceso fuera más rápido y menos costoso, al tiempo que mejoraría la calidad de la revisión.
Qodo afirma que su enfoque combina código generado por IA, prácticas tradicionales de ingeniería de software y criterio humano. En la visión de la empresa, los agentes de programación y revisión intercambiarían hallazgos y presentarían a las personas únicamente los problemas que no pudieran resolver, dejando que los desarrolladores se concentren en planificar, revisar y tomar decisiones sobre los problemas no resueltos.
La empresa describe este modelo como la base de una fábrica de software que los clientes podrían ensamblar y operar por sí mismos, combinando agentes de programación y revisión con conocimiento sobre cómo los cambios de software afectan a los sistemas en producción.
Fuentes: OpenAI News.