Voyage AI: Voyage Code 3

Voyage Code 3 adalah model embedding yang dikhususkan untuk mencari kode sumber. Pembuatnya menjelaskan tugas pencarian dari bahasa alami ke kode, dari kode ke kode, dan dari docstring ke kode: pertanyaan dapat menemukan implementasi, potongan kode dapat menemukan logika terkait, dan deskripsi fungsi dapat menemukan kode yang relevan. Model ini menghasilkan vektor untuk pencarian, bukan berkas yang sudah diedit atau program yang sudah selesai.

Siapkan materi repositori berdasarkan unit kode yang bermakna. Sertakan nama, signature, dan komentar yang menjelaskan tujuan suatu fungsi bersama fungsi tersebut. Untuk komponen yang lebih besar, sertakan definisi di sekitarnya yang diperlukan untuk memahami operasi tersebut. Simpan repositori, revisi, jalur berkas, dan lokasi baris secara terpisah agar hasil pencarian membuka kode sumber persis yang dibuatkan embedding.

Pencarian dalam bahasa alami dapat menjelaskan perilaku, misalnya menemukan bagian proyek yang memvalidasi unggahan sebelum menyimpannya. Kueri berbasis kode dapat menyertakan fungsi yang tujuannya perlu dicocokkan di bagian lain. Pilih pencarian yang mewakili tugas pengembangan nyata, termasuk penamaan yang tidak dikenal, implementasi serupa, dan utilitas yang maknanya bergantung pada kode di sekitarnya.

Jendela konteks 32000 token menampung bagian kode yang cukup besar. Gunakan ruang tersebut dengan sengaja: fungsi yang lengkap beserta dependensi terkait dapat memberikan informasi lebih baik daripada blok sembarang yang terpotong di tengah alur kontrol. Pertahankan format kode sumber agar mudah dibaca dan jaga sintaks bahasanya selama ekstraksi. Jika berkas sumber lebih besar daripada jendela masukan, bagi pada batas struktur yang berguna dan pertahankan hubungan antara bagian kode dan berkas induknya.

Voyage Code 3 mendukung embedding berdimensi 2048, 1024, 512, atau 256, dengan representasi floating-point, delapan bit bertanda atau tanpa tanda, serta biner. Kontrol ini mendukung berbagai ukuran indeks repositori dan konfigurasi pencarian. Evaluasi representasi ringkas menggunakan pencarian nyata yang sama dengan baseline yang lebih besar, sambil memeriksa apakah fungsi atau berkas yang tepat tetap muncul di antara hasil yang berguna.

Untuk asisten pemrograman, cari bagian kode sumber yang relevan terlebih dahulu, lalu berikan bagian tersebut beserta referensi berkasnya kepada komponen yang bertanggung jawab menjawab atau melakukan perubahan. Kecocokan kemiripan membantu memilih konteks; kecocokan tersebut tidak membuktikan bahwa dua implementasi dapat saling menggantikan. Periksa masukan, efek samping, dan kontrak di sekitar kode yang ditemukan sebelum menggunakannya sebagai panduan penyuntingan.

Pisahkan versi repositori yang tidak terkait melalui metadata dan jaga agar revisi yang diindeks dapat ditelusuri. Jika fungsi berpindah atau perilakunya berubah, perbarui vektor dan lokasi kode sumbernya. Pengaturan embedding yang sama harus digunakan untuk kode sumber yang diindeks dan kuerinya. Saat memigrasikan indeks, bandingkan hasil dengan kumpulan pertanyaan yang sudah ada agar perubahan model atau representasi vektor tidak diam-diam mengubah kode yang dilihat pengembang.

Pemeriksaan yang berguna mencakup apakah kueri menemukan implementasi sebenarnya, bukan hanya nama pengujian, apakah docstring menemukan fungsi yang sesuai, dan apakah kode yang terkait secara semantik dapat dibedakan dari potongan yang hanya tampak serupa. Pertahankan teks kode sumber dan lokasi yang dikembalikan dalam hasil pencarian agar pengembang dapat memeriksa buktinya. Dengan cara ini, embedding model yang berfokus pada kode menjadi alat praktis untuk navigasi dan pemilihan konteks.