Voyage AI: Voyage Code 2

Voyage Code 2 crée des embeddings numériques du code source et des textes associés. Il est conçu pour la recherche sémantique de code, dans laquelle un développeur décrit un comportement ou fournit un fragment de code, puis le système de recherche trouve les implémentations pertinentes. Les exemples de l’éditeur utilisent des questions en langage naturel, des extraits de code et des combinaisons des deux comme entrées de recherche.

Utilisez-le pour construire une expérience de recherche dans les dépôts de code autour de questions de développement réelles. Un développeur peut rechercher la routine qui retire uniquement le premier et le dernier caractère correspondants, ou la partie d’un projet qui applique un parcours d’arbre particulier. Préparez des requêtes exprimant précisément le comportement, y compris la condition qui distingue l’implémentation recherchée d’une implémentation proche mais incorrecte.

Indexez le code par unités utiles plutôt que de découper chaque fichier selon un nombre arbitraire de caractères. Conservez ensemble la signature d’une fonction, son corps et les explications pertinentes. Lorsqu’une fonction auxiliaire dépend de types ou de constantes locaux, gardez suffisamment de texte environnant pour rendre son rôle compréhensible. Stockez les chemins de fichiers, les révisions du dépôt et les emplacements dans la source en dehors de l’embedding, afin que le résultat puisse ouvrir directement le code original.

Cette édition dispose d’une fenêtre de contexte de 16 000 tokens et produit des embeddings de 1 536 dimensions. Dimensionnez l’index vectoriel pour cette représentation et associez les embeddings des requêtes et des documents au même modèle. Une collection déjà indexée avec Voyage Code 2 peut conserver une représentation de recherche cohérente pendant la mise à jour de ses enregistrements sources. Le passage à une autre édition d’embeddings doit être traité comme une migration d’index, avec une comparaison explicite sur le même dépôt.

Pour une requête en langage naturel, décrivez l’opération, les entrées et le résultat pertinent. Pour une requête fondée sur du code, incluez le fragment dont la logique doit être mise en correspondance et expliquez toute condition importante pour la recherche. Une recherche portant sur la gestion des nouvelles tentatives peut, par exemple, préciser si le code concerné réessaie après une expiration du délai ou après une réponse d’erreur complète. Vérifiez cette distinction dans la source retrouvée avant de l’utiliser pour une modification.

Préservez la traçabilité de la documentation et du code source lorsqu’ils sont tous deux indexés. Un passage explicatif peut fournir un contexte utile, tandis que l’implémentation est l’élément qu’un développeur doit examiner. Étiquetez ces types d’enregistrements pour qu’une page de recherche affiche la bonne destination et qu’un assistant de programmation distingue une description d’un code source exécutable.

Utilisez les passages retrouvés comme contexte pour naviguer dans un dépôt, trouver des implémentations ou préparer l’étape suivante d’un assistant de programmation. Préservez l’extrait pertinent complet et son emplacement lorsque vous le transmettez. La similarité aide à trouver du code candidat ; l’examen des entrées réelles, des effets de bord et des contrats détermine si ce candidat résout le problème actuel.

Évaluez la recherche sur un ensemble de questions réelles dont les réponses sources sont connues. Incluez des fonctions renommées, des commentaires trompeurs, des fonctions utilitaires similaires présentant des cas limites différents et des requêtes employant un vocabulaire absent du code. Vérifiez si l’implémentation attendue apparaît parmi les résultats utiles et si l’extrait affiché fournit suffisamment de contexte pour l’évaluer. Conservez ces questions au fil de la croissance du dépôt pour comparer les changements d’extraction, de découpage ou d’indexation sur les mêmes tâches.