Voyage AI: Voyage Code 2

Voyage Code 2 erzeugt numerische Embeddings für Quellcode und zugehörigen Text. Es ist für semantische Codesuche ausgelegt, bei der ein Entwickler Verhalten beschreibt oder einen Codeausschnitt bereitstellt und das Suchsystem relevante Implementierungen findet. Die Beispiele des Herstellers umfassen natürlichsprachliche Fragen, Codeausschnitte und Kombinationen beider als Sucheingaben.

Nutzen Sie es, um eine Repository-Suche rund um tatsächliche Entwicklungsfragen aufzubauen. Ein Entwickler könnte nach der Routine suchen, die nur das erste und letzte passende Zeichen entfernt, oder nach dem Projektteil, der einen bestimmten Baumdurchlauf ausführt. Bereiten Sie Anfragen vor, die das Verhalten genau ausdrücken, einschliesslich der Bedingung, die die gewünschte Implementierung von einer ähnlichen, aber falschen unterscheidet.

Indexieren Sie Code in sinnvollen Einheiten, statt jede Datei nach einer beliebigen Zeichenanzahl zu teilen. Bewahren Sie Funktionssignatur, Funktionskörper und relevante Erklärung gemeinsam auf. Wenn eine Hilfsfunktion von lokalen Typen oder Konstanten abhängt, erhalten Sie genügend umgebenden Text, damit ihr Zweck verständlich wird. Speichern Sie Dateipfade, Repository-Revisionen und Quellpositionen ausserhalb des Embeddings, damit das Ergebnis den Originalcode direkt öffnen kann.

Diese Edition hat ein Kontextfenster von 16’000 Token und erzeugt Embeddings mit 1’536 Dimensionen. Dimensionieren Sie den Vektorindex für diese Darstellung und verbinden Sie Anfrage- und Dokument-Embeddings mit demselben Modell. Eine bereits mit Voyage Code 2 indexierte Sammlung kann eine einheitliche Suchdarstellung erhalten, während ihre Quelldatensätze aktualisiert werden. Ein Wechsel zu einer anderen Embedding-Edition sollte als Indexmigration mit ausdrücklichem Vergleich am selben Repository behandelt werden.

Beschreiben Sie für eine natürlichsprachliche Anfrage Vorgang, Eingaben und relevantes Ergebnis. Fügen Sie bei einer Codeanfrage den Ausschnitt hinzu, dessen Logik abgeglichen werden soll, und erklären Sie wichtige Suchbedingungen. Eine Suche nach Wiederholungsbehandlung kann beispielsweise festlegen, ob der relevante Code nach einer Zeitüberschreitung oder nach einer vollständigen Fehlerantwort einen erneuten Versuch unternimmt. Prüfen Sie den gefundenen Quellcode auf diesen Unterschied, bevor Sie ihn für eine Bearbeitung verwenden.

Halten Sie Dokumentation und Quellcode nachverfolgbar, wenn beides indexiert wird. Eine erklärende Passage kann hilfreichen Kontext liefern, während die Implementierung das vom Entwickler zu prüfende Ergebnis ist. Kennzeichnen Sie diese Datensatzarten, damit eine Suchseite das richtige Ziel anzeigen und ein Programmierassistent eine Beschreibung von ausführbarem Quellcode unterscheiden kann.

Verwenden Sie die gefundenen Passagen als Kontext für Repository-Navigation, das Finden von Implementierungen oder den nächsten Schritt eines Programmierassistenten. Erhalten Sie bei ihrer Weitergabe den vollständigen relevanten Ausschnitt und seine Position. Ähnlichkeit hilft beim Finden möglicher Codetreffer; die Prüfung tatsächlicher Eingaben, Nebenwirkungen und Verträge entscheidet, ob ein Treffer das aktuelle Problem löst.

Bewerten Sie die Suche anhand einer Sammlung realer Fragen mit bekannten Antworten im Quellcode. Nehmen Sie umbenannte Funktionen, irreführende Kommentare, ähnliche Hilfsfunktionen mit unterschiedlichen Grenzfällen und Anfragen auf, deren Wortschatz nicht im Code vorkommt. Prüfen Sie, ob die erwartete Implementierung unter den hilfreichen Ergebnissen erscheint und ob der angezeigte Ausschnitt genügend Kontext zur Beurteilung liefert. Erhalten Sie diese Fragen beim Wachstum des Repositorys, damit Änderungen an Extraktion, Passagengrenzen oder Indexierung anhand derselben Aufgaben verglichen werden können.