Voyage AI: Voyage Code 2

Voyage Code 2 skaber numeriske embeddings til kildekode og relateret tekst. Den er designet til semantisk kodegenfinding, hvor en udvikler beskriver adfærd eller giver et kodefragment, og søgesystemet finder relevante implementeringer. Producentens eksempler omfatter spørgsmål på naturligt sprog, kodeuddrag og kombinationer af de to som søgeinput.

Brug den til at opbygge en søgeoplevelse i kodebaser omkring faktiske udviklingsspørgsmål. En udvikler kan lede efter den rutine, der kun fjerner det første og sidste matchende tegn, eller efter den del af et projekt, der anvender en bestemt trægennemløbning. Forbered forespørgsler, der udtrykker adfærden præcist, herunder den betingelse, som adskiller den tilsigtede implementering fra en nærliggende, men forkert.

Indeksér kode i nyttige enheder frem for at opdele hver fil ved et vilkårligt antal tegn. Bevar en funktionssignatur, funktionskrop og relevant forklaring sammen. Når en hjælpefunktion afhænger af lokale typer eller konstanter, skal du bevare tilstrækkelig omgivende tekst til, at dens formål kan forstås. Gem filstier, kodebaserevisioner og kildeplaceringer uden for embeddingen, så resultatet kan åbne originalkoden direkte.

Denne udgave har et kontekstvindue på 16.000 tokens og producerer embeddings med 1.536 dimensioner. Dimensionér vektorindekset til denne repræsentation, og hold forespørgsels- og dokumentembeddings knyttet til samme model. En samling, der allerede er indekseret med Voyage Code 2, kan bevare en ensartet genfindingsrepræsentation, mens dens kildeposter opdateres. Et skift til en anden embeddingudgave skal behandles som en indeksmigrering med en eksplicit sammenligning på samme kodebase.

Beskriv handlingen, inputtene og det relevante udfald ved en forespørgsel på naturligt sprog. Medtag fragmentet, hvis logik skal matches, ved en kodeforespørgsel, og forklar enhver betingelse, der er vigtig for søgningen. En søgning efter håndtering af nye forsøg kan f.eks. angive, om den relevante kode forsøger igen efter timeout eller efter et komplet fejlsvar. Den genfundne kilde skal kontrolleres for denne forskel, før den bruges i en redigering.

Hold dokumentation og kildekode sporbare, når begge indekseres. En forklarende passage kan være nyttig kontekst, mens implementeringen er det materiale, en udvikler skal undersøge. Mærk disse posttyper, så en søgeside kan vise den rette destination, og en programmeringsassistent kan skelne mellem en beskrivelse og kørbar kildekode.

Brug de genfundne passager som kontekst til navigation i kodebasen, søgning efter implementeringer eller en programmeringsassistents næste trin. Bevar hele det relevante uddrag og dets placering, når det sendes videre. Lighed hjælper med at finde kandidatkode; gennemgang af de faktiske input, bivirkninger og kontrakter afgør, om kandidaten løser det aktuelle problem.

Evaluér genfinding på et sæt virkelige spørgsmål med kendte kildesvar. Medtag omdøbte funktioner, vildledende kommentarer, lignende hjælpefunktioner med forskellige grænsetilfælde og forespørgsler, der bruger ordforråd, som ikke findes i koden. Kontrollér, om den forventede implementering vises blandt de nyttige resultater, og om det viste uddrag giver tilstrækkelig kontekst til at vurdere den. Bevar disse spørgsmål, mens kodebasen vokser, så ændringer i udtræk, passagegrænser eller indeksering kan sammenlignes med de samme opgaver.