Voyage AI: Voyage Code 2

Voyage Code 2 crea embedding numerici per codice sorgente e testo correlato. È progettato per il recupero semantico del codice, in cui uno sviluppatore descrive un comportamento o fornisce un frammento di codice e il sistema di ricerca trova implementazioni pertinenti. Gli esempi del produttore comprendono domande in linguaggio naturale, frammenti di codice e combinazioni dei due come input di ricerca.

Usatelo per costruire un’esperienza di ricerca nei repository intorno a domande di sviluppo reali. Uno sviluppatore può cercare la routine che rimuove soltanto il primo e l’ultimo carattere corrispondente o la parte di un progetto che applica un particolare attraversamento di un albero. Preparate query che esprimano con precisione il comportamento, inclusa la condizione che distingue l’implementazione desiderata da una vicina ma errata.

Indicizzate il codice in unità utili, anziché suddividere ogni file in base a un numero arbitrario di caratteri. Mantenete insieme la firma di una funzione, il corpo e la spiegazione pertinente. Quando una funzione ausiliaria dipende da tipi o costanti locali, conservate testo circostante sufficiente a rendere comprensibile il suo scopo. Archiviate percorsi dei file, revisioni dei repository e posizioni delle fonti al di fuori dell’embedding, in modo che il risultato possa aprire direttamente il codice originale.

Questa edizione ha una finestra di contesto di 16 000 token e produce embedding a 1 536 dimensioni. Dimensionate l’indice vettoriale per questa rappresentazione e mantenete gli embedding delle query e dei documenti associati allo stesso modello. Una raccolta già indicizzata con Voyage Code 2 può mantenere una rappresentazione di recupero coerente mentre i record di fonte vengono aggiornati. Il passaggio a un’altra edizione di embedding va trattato come una migrazione dell’indice, con un confronto esplicito sullo stesso repository.

Per una query in linguaggio naturale, descrivete l’operazione, gli input e l’esito pertinente. Per una query di codice, includete il frammento la cui logica deve essere confrontata e spiegate le condizioni importanti per la ricerca. Una ricerca sulla gestione dei tentativi, ad esempio, può precisare se il codice pertinente riprova dopo un timeout o dopo una risposta di errore completa. Occorre verificare nel codice sorgente recuperato questa distinzione prima di usarlo per una modifica.

Mantenete tracciabili documentazione e codice sorgente quando entrambi sono indicizzati. Un passaggio esplicativo può fornire contesto utile, mentre l’implementazione è l’artefatto che lo sviluppatore deve esaminare. Etichettate questi tipi di record affinché una pagina di ricerca mostri la destinazione corretta e un assistente di programmazione distingua una descrizione dal codice sorgente eseguibile.

Usate i passaggi recuperati come contesto per navigare nel repository, individuare implementazioni o preparare il passo successivo di un assistente di programmazione. Preservate il frammento pertinente completo e la sua posizione quando lo passate alla fase successiva. La similarità aiuta a trovare codice candidato; la revisione degli input effettivi, degli effetti collaterali e delle specifiche determina se il candidato risolva il problema attuale.

Valutate il recupero su un insieme di domande reali con risposte di fonte note. Includete funzioni rinominate, commenti fuorvianti, utilità simili con casi limite diversi e query che usano un vocabolario assente dal codice. Verificate se l’implementazione attesa compaia tra i risultati utili e se il frammento mostrato fornisca contesto sufficiente per valutarla. Conservate queste domande mentre il repository cresce, in modo che le modifiche all’estrazione, ai confini dei passaggi o all’indicizzazione possano essere confrontate sulle stesse attività.