Voyage AI: Voyage Code 3

Voyage Code 3 est un modèle d’embeddings spécialisé dans la recherche de code source. L’éditeur décrit des tâches allant du langage naturel au code, du code au code et des docstrings au code : une question peut trouver une implémentation, un fragment de code peut trouver une logique apparentée et une description de fonction peut localiser du code pertinent. Le modèle produit des vecteurs pour la recherche, plutôt qu’un fichier modifié ou un programme terminé.

Préparez le contenu du dépôt autour d’unités de code significatives. Conservez une fonction avec son nom, sa signature et les commentaires qui expliquent son rôle. Pour un composant plus vaste, incluez les définitions voisines nécessaires à la compréhension de l’opération. Stockez séparément le dépôt, la révision, le chemin du fichier et l’emplacement des lignes, afin qu’un résultat de recherche ouvre exactement la source dont l’embedding a été créé.

Une recherche en langage naturel peut décrire un comportement, par exemple trouver la partie d’un projet qui valide un fichier téléversé avant de l’enregistrer. Une requête fondée sur du code peut fournir une fonction dont il faut retrouver un rôle correspondant ailleurs. Choisissez des recherches représentatives de tâches de développement réelles, notamment avec des noms peu familiers, des implémentations similaires et des fonctions utilitaires dont le sens dépend du code environnant.

La fenêtre de contexte de 32 000 jetons peut accueillir des passages de code volumineux. Utilisez cet espace à bon escient : une fonction complète et ses dépendances pertinentes peuvent être plus informatives qu’un bloc arbitraire coupé au milieu du flux de contrôle. Gardez une mise en forme lisible du code source et préservez la syntaxe du langage pendant l’extraction. Si un fichier source dépasse la fenêtre d’entrée, découpez-le à des limites structurelles utiles et conservez la relation entre les passages et leur fichier parent.

Voyage Code 3 prend en charge des embeddings de 2 048, 1 024, 512 ou 256 dimensions, ainsi que des représentations à virgule flottante, sur huit bits signés ou non signés, et binaires. Ces paramètres permettent différentes tailles d’index de dépôts et configurations de recherche. Évaluez une représentation compacte avec les mêmes recherches réelles que la référence plus grande, en vérifiant si la bonne fonction ou le bon fichier reste parmi les résultats utiles.

Pour un assistant de programmation, retrouvez d’abord les passages sources pertinents, puis fournissez ces passages et leurs références de fichiers au composant chargé de répondre ou d’effectuer une modification. Une correspondance par similarité aide à choisir le contexte ; elle n’établit pas que deux implémentations sont interchangeables. Examinez les entrées, les effets de bord et les contrats environnants dans le code retrouvé avant de vous en servir pour guider une modification.

Séparez les versions sans rapport d’un dépôt à l’aide de métadonnées et maintenez la traçabilité des révisions indexées. Si une fonction est déplacée ou que son comportement change, mettez à jour son vecteur et son emplacement source. Les mêmes paramètres d’embedding doivent décrire la source indexée et ses requêtes. Lors d’une migration d’index, comparez les résultats à l’ensemble de questions existant pour qu’un changement de modèle ou de représentation vectorielle ne modifie pas silencieusement le code présenté au développeur.

Les vérifications utiles consistent notamment à déterminer si une requête trouve l’implémentation réelle plutôt qu’un simple nom de test, si une docstring trouve sa fonction correspondante et si du code sémantiquement lié est distingué d’un fragment superficiellement similaire. Conservez le texte source renvoyé et son emplacement dans le résultat de recherche pour que les développeurs puissent examiner les éléments justificatifs. Les embeddings spécialisés dans le code deviennent ainsi un outil pratique de navigation et de sélection du contexte.