A Qodo introduziu um plugin para o Codex que leva o conhecimento organizacional e os padrões das bases de código para as sessões de programação dos desenvolvedores. A empresa afirma que a integração foi projetada para ajudar os agentes de programação a entender os sistemas mais amplos afetados por uma alteração e identificar problemas P0 antes que um pull request seja criado.
A Qodo desenvolve ferramentas de IA para revisão de código e qualidade de software. Seu plugin usa a Agentic Toolbox da empresa para dar ao Codex acesso a regras de engenharia, conhecimento da base de código e revisão independente. A Qodo afirma que o sistema foi desenvolvido para ambientes com milhares de repositórios, nos quais uma alteração que parece correta localmente ainda poderia afetar um serviço downstream.
Antes que o Codex comece a escrever código, o plugin pode recuperar regras relevantes do repositório, o histórico de pull requests e padrões estabelecidos. Depois que o Codex conclui suas alterações, a Qodo revisa o trabalho e envia suas conclusões de volta ao Codex na mesma sessão, permitindo que os desenvolvedores resolvam os problemas antes de enviar a alteração para revisão.
A integração foi projetada para levar em conta dependências que abrangem vários repositórios, incluindo código hospedado por diferentes provedores de Git ou conectado por meio de serviços como o Kafka. O cofundador e CEO da Qodo, Itamar Friedman, descreve a configuração como uma parceria entre agentes de programação e revisão: um produz alterações enquanto o outro as questiona.
A líder de Relações com Desenvolvedores de IA da Qodo, Nnenna Ndukwe, afirma que os desenvolvedores estão usando esse fluxo de trabalho para criar funcionalidades e lidar com dívida técnica com modelos GPT-6 no Codex. A empresa também está automatizando a transição entre o trabalho de programação do Codex e o processo de revisão independente da Qodo.
Os fluxos de trabalho internos da Qodo incluem programar o Codex para resumir as realizações semanais, identificar áreas de melhoria e pesquisar discussões sobre engenharia agentiva. O sistema também pode analisar as alterações de código de Ndukwe e sugerir habilidades de agentes para criar ou aperfeiçoar.
Friedman também aponta a Decisions API da OpenAI como uma possível forma de determinar quais regras e habilidades de agentes devem ser aplicadas em cada etapa do desenvolvimento. Ele dá o exemplo de selecionar as verificações relevantes de um conjunto de 200 regras antes que um modelo de linguagem raciocine sobre elas, o que poderia tornar o processo mais rápido e menos caro, além de melhorar a qualidade da revisão.
A Qodo afirma que sua abordagem combina código gerado por IA, práticas tradicionais de engenharia de software e julgamento humano. Na visão da empresa, os agentes de programação e revisão trocariam descobertas e apresentariam às pessoas apenas os problemas que não conseguem resolver, deixando os desenvolvedores concentrados no planejamento, na revisão e na tomada de decisões sobre problemas não resolvidos.
A empresa descreve esse modelo como uma base para uma fábrica de software que os clientes poderiam montar e operar por conta própria, combinando agentes de programação e revisão com conhecimento sobre como as alterações de software afetam os sistemas em produção.
Fontes: OpenAI News.