Qodo ha introdotto un plugin per Codex che porta le conoscenze organizzative e gli standard delle codebase nelle sessioni di programmazione degli sviluppatori. L’azienda afferma che l’integrazione è progettata per aiutare gli agenti di programmazione a comprendere i sistemi più ampi interessati da una modifica e a individuare problemi P0 prima della creazione di una pull request.
Qodo sviluppa strumenti di IA per la revisione del codice e la qualità del software. Il suo plugin utilizza l’Agentic Toolbox dell’azienda per dare a Codex accesso alle regole ingegneristiche, alle conoscenze della codebase e a una revisione indipendente. Qodo afferma che il sistema è destinato ad ambienti con migliaia di repository, nei quali una modifica che appare corretta localmente potrebbe comunque influire su un servizio downstream.
Prima che Codex inizi a scrivere codice, il plugin può recuperare le regole pertinenti del repository, la cronologia delle pull request e i modelli consolidati. Una volta completate le modifiche da parte di Codex, Qodo esamina il lavoro e invia i propri risultati a Codex all’interno della stessa sessione, consentendo agli sviluppatori di risolvere i problemi prima di sottoporre la modifica alla revisione.
L’integrazione è progettata per tenere conto delle dipendenze che si estendono su più repository, compreso il codice ospitato da diversi provider Git o collegato tramite servizi come Kafka. Il cofondatore e CEO di Qodo, Itamar Friedman, descrive l’assetto come una collaborazione tra agenti di programmazione e di revisione: uno produce le modifiche mentre l’altro le mette alla prova.
La responsabile AI Developer Relations di Qodo, Nnenna Ndukwe, afferma che gli sviluppatori utilizzano questo flusso di lavoro per creare funzionalità e affrontare il debito tecnico con i modelli GPT-6 in Codex. L’azienda sta inoltre automatizzando il passaggio tra il lavoro di programmazione di Codex e il processo di revisione indipendente di Qodo.
I flussi di lavoro interni di Qodo includono la programmazione di Codex per riassumere i risultati settimanali, individuare le aree di miglioramento e analizzare le discussioni sull’ingegneria agentica. Il sistema può inoltre analizzare le modifiche al codice di Ndukwe e suggerire competenze degli agenti da creare o perfezionare.
Friedman indica inoltre la Decisions API di OpenAI come un possibile strumento per determinare quali regole e competenze degli agenti dovrebbero applicarsi in ogni fase dello sviluppo. Porta l’esempio della selezione dei controlli pertinenti da un insieme di 200 regole prima che un modello linguistico vi ragioni, cosa che potrebbe rendere il processo più rapido e meno costoso, migliorando al contempo la qualità della revisione.
Qodo afferma che il suo approccio combina codice generato dall’IA, pratiche tradizionali di ingegneria del software e giudizio umano. Nella visione dell’azienda, gli agenti di programmazione e di revisione si scambierebbero i risultati e presenterebbero alle persone soltanto i problemi che non riescono a risolvere, lasciando agli sviluppatori il compito di concentrarsi sulla pianificazione, sulla revisione e sulle decisioni relative ai problemi irrisolti.
L’azienda descrive questo modello come la base per una fabbrica del software che i clienti potrebbero assemblare e gestire autonomamente, combinando agenti di programmazione e di revisione con la conoscenza del modo in cui le modifiche al software influenzano i sistemi in produzione.
Fonti: OpenAI News.