Voyage AI: Voyage Code 3

Voyage Code 3 es un modelo de vectorización especializado en recuperar código fuente. El fabricante describe tareas de lenguaje natural a código, de código a código y de cadenas de documentación a código: una pregunta puede encontrar una implementación, un fragmento de código puede encontrar lógica relacionada y la descripción de una función puede localizar código pertinente. El modelo produce vectores para la recuperación, en lugar de un archivo editado o un programa completo.

Prepara el material del repositorio en torno a unidades de código significativas. Conserva una función junto con su nombre, su firma y los comentarios que expliquen su propósito. Para un componente más amplio, incluye las definiciones cercanas necesarias para comprender la operación. Guarda el repositorio, la revisión, la ruta del archivo y la ubicación de la línea por separado para que un resultado de búsqueda abra el código fuente exacto que se vectorizó.

Una búsqueda en lenguaje natural puede describir un comportamiento, como encontrar la parte de un proyecto que valida un archivo cargado antes de guardarlo. Una consulta basada en código puede proporcionar una función cuyo propósito deba localizarse en otro lugar. Elige búsquedas representativas de tareas reales de desarrollo, incluidos nombres poco familiares, implementaciones similares y utilidades cuyo significado dependa del código circundante.

La ventana de contexto de 32,000 tokens admite fragmentos de código extensos. Utiliza ese espacio deliberadamente: una función completa y sus dependencias pertinentes pueden ser más informativas que un bloque arbitrario cortado a mitad del flujo de control. Mantén legible el formato del código fuente y conserva la sintaxis del lenguaje durante la extracción. Si un archivo de origen supera la ventana de entrada, divídelo por límites estructurales útiles y conserva la relación entre los fragmentos y su archivo de origen.

Voyage Code 3 admite representaciones vectoriales de 2,048, 1,024, 512 o 256 dimensiones, junto con representaciones de coma flotante, de ocho bits con o sin signo y binarias. Estos controles permiten distintos tamaños de índice de repositorio y configuraciones de búsqueda. Evalúa una representación compacta con las mismas búsquedas reales que la referencia más grande y comprueba si la función o el archivo correctos siguen entre los resultados útiles.

Para un asistente de programación, recupera primero los fragmentos de código fuente pertinentes y proporciona después esos fragmentos y sus referencias de archivo al componente responsable de responder o realizar un cambio. Una coincidencia por similitud ayuda a elegir contexto; no establece que dos implementaciones sean intercambiables. Examina las entradas, los efectos secundarios y las especificaciones circundantes del código recuperado antes de utilizarlo para orientar una edición.

Separa mediante metadatos las versiones no relacionadas de un repositorio y mantén la trazabilidad de las revisiones indexadas. Si una función cambia de ubicación o comportamiento, actualiza tanto su vector como su ubicación de origen. Los mismos ajustes de vectorización deben describir el código indexado y sus consultas. Al migrar un índice, compara los resultados con el conjunto de preguntas existente para que un cambio de modelo o de representación vectorial no cambie silenciosamente el código que ve un desarrollador.

Entre las comprobaciones útiles están si una consulta encuentra la implementación real y no solo el nombre de una prueba, si una cadena de documentación encuentra su función correspondiente y si el código relacionado semánticamente se distingue de un fragmento superficialmente similar. Conserva el texto de origen devuelto y su ubicación en el resultado de búsqueda para que los desarrolladores puedan examinar las pruebas. Esto convierte las representaciones vectoriales del modelo, especializadas en código, en una herramienta práctica de navegación y selección de contexto.