Voyage AI: Voyage Code 2

Voyage Code 2 crea representaciones vectoriales numéricas de código fuente y texto relacionado. Está diseñado para la recuperación semántica de código, en la que un desarrollador describe un comportamiento o proporciona un fragmento de código y el sistema de búsqueda encuentra implementaciones pertinentes. Los ejemplos del fabricante incluyen preguntas en lenguaje natural, fragmentos de código y combinaciones de ambos como entradas de búsqueda.

Úsalo para crear una experiencia de búsqueda en repositorios en torno a preguntas reales de desarrollo. Un desarrollador puede buscar la rutina que elimina solo el primer y el último carácter coincidentes o la parte de un proyecto que aplica un recorrido concreto de un árbol. Prepara consultas que expresen el comportamiento con precisión, incluida la condición que diferencia la implementación deseada de otra cercana pero incorrecta.

Indexa el código en unidades útiles, en lugar de dividir todos los archivos por un número arbitrario de caracteres. Conserva juntos la firma de una función, su cuerpo y la explicación pertinente. Cuando una función auxiliar dependa de tipos o constantes locales, conserva suficiente texto alrededor para que su propósito se entienda. Guarda las rutas de archivo, las revisiones del repositorio y las ubicaciones de origen fuera de la representación vectorial para que el resultado pueda abrir directamente el código original.

Esta edición tiene una ventana de contexto de 16,000 tokens y produce representaciones vectoriales de 1,536 dimensiones. Dimensiona el índice vectorial para esta representación y mantén las representaciones de las consultas y los documentos asociadas con el mismo modelo. Una colección ya indexada con Voyage Code 2 puede conservar una representación de recuperación coherente mientras se actualizan sus registros de origen. El cambio a otra edición de vectorización debe tratarse como una migración del índice con una comparación explícita sobre el mismo repositorio.

Para una consulta en lenguaje natural, describe la operación, las entradas y el resultado pertinente. Para una consulta de código, incluye el fragmento cuya lógica deba compararse y explica cualquier condición importante para la búsqueda. Por ejemplo, una búsqueda sobre la gestión de reintentos puede especificar si el código pertinente reintenta después de agotarse el tiempo de espera o después de una respuesta de error completa. La fuente recuperada debe comprobarse para verificar esa diferencia antes de utilizarla en una edición.

Mantén la trazabilidad de la documentación y del código fuente cuando ambos estén indexados. Un fragmento explicativo puede aportar contexto útil, mientras que la implementación es el resultado que un desarrollador necesita examinar. Etiqueta estos tipos de registro para que una página de búsqueda pueda mostrar el destino correcto y un asistente de programación pueda distinguir una descripción del código ejecutable.

Utiliza los fragmentos recuperados como contexto para navegar por repositorios, descubrir implementaciones o realizar el siguiente paso de un asistente de programación. Conserva el fragmento pertinente completo y su ubicación al transmitirlo al siguiente paso. La similitud ayuda a encontrar código candidato; revisar las entradas reales, los efectos secundarios y las especificaciones determina si ese candidato resuelve el problema actual.

Evalúa la recuperación con un conjunto de preguntas reales cuyas respuestas de origen se conozcan. Incluye funciones renombradas, comentarios engañosos, utilidades similares con casos límite distintos y consultas que utilicen vocabulario ausente del código. Comprueba si la implementación esperada aparece entre los resultados útiles y si el fragmento mostrado ofrece suficiente contexto para evaluarla. Conserva esas preguntas a medida que crece el repositorio para poder comparar los cambios de extracción, límites de fragmentos o indexación con las mismas tareas.