Voyage AI: Voyage Code 3

Voyage Code 3 è un modello di embedding specializzato nel recupero di codice sorgente. Il produttore descrive attività da linguaggio naturale a codice, da codice a codice e da docstring a codice: una domanda può trovare un’implementazione, un frammento di codice può trovare logica correlata e la descrizione di una funzione può individuare codice pertinente. Il modello produce vettori per il recupero, anziché un file modificato o un programma completato.

Preparate i materiali del repository intorno a unità di codice significative. Mantenete una funzione insieme al nome, alla firma e ai commenti che ne spiegano lo scopo. Per un componente più ampio, includete le definizioni vicine necessarie per comprendere l’operazione. Archiviate separatamente repository, revisione, percorso del file e posizione della riga, in modo che un risultato di ricerca apra l’esatto codice sorgente trasformato in embedding.

Una ricerca in linguaggio naturale può descrivere un comportamento, come trovare la parte di un progetto che convalida un caricamento prima di salvarlo. Una query basata sul codice può fornire una funzione il cui scopo deve essere individuato altrove. Scegliete ricerche rappresentative da attività di sviluppo reali, includendo nomi poco familiari, implementazioni simili e utilità il cui significato dipende dal codice circostante.

La finestra di contesto di 32 000 token accoglie passaggi di codice consistenti. Usate questo spazio in modo intenzionale: una funzione completa e le sue dipendenze pertinenti possono essere più informative di un blocco arbitrario interrotto a metà del flusso di controllo. Mantenete leggibile la formattazione del codice sorgente e preservate la sintassi del linguaggio durante l’estrazione. Se un file sorgente è più grande della finestra di input, suddividetelo in punti strutturali utili e mantenete il legame tra i passaggi e il file a cui appartengono.

Voyage Code 3 supporta embedding con 2 048, 1 024, 512 o 256 dimensioni, insieme a rappresentazioni in virgola mobile, a otto bit con o senza segno e binarie. Questi controlli supportano indici dei repository di diverse dimensioni e diverse configurazioni di ricerca. Valutate una rappresentazione compatta sulle stesse ricerche reali usate per la base di confronto più grande, verificando se la funzione o il file corretto rimanga tra i risultati utili.

Per un assistente di programmazione, recuperate prima i passaggi di codice sorgente pertinenti, poi fornite quei passaggi e i relativi riferimenti ai file al componente responsabile di rispondere o apportare una modifica. Una corrispondenza di similarità aiuta a scegliere il contesto; non stabilisce che due implementazioni siano intercambiabili. Esaminate gli input, gli effetti collaterali e le specifiche circostanti nel codice recuperato prima di usarlo per guidare una modifica.

Separate le versioni non correlate di un repository tramite i metadati e mantenete tracciabili le revisioni indicizzate. Se una funzione si sposta o cambia comportamento, aggiornate sia il suo vettore sia la posizione nel codice sorgente. Le stesse impostazioni di embedding devono descrivere il codice indicizzato e le relative query. Quando migrate un indice, confrontate i risultati con l’insieme di domande esistente, affinché un modello o una rappresentazione vettoriale modificati non cambino silenziosamente il codice mostrato allo sviluppatore.

Tra le verifiche utili rientrano se una query trovi l’implementazione effettiva anziché soltanto il nome di un test, se una docstring trovi la funzione corrispondente e se il codice semanticamente correlato venga distinto da un frammento superficialmente simile. Conservate nel risultato di ricerca il testo del codice sorgente restituito e la sua posizione, affinché gli sviluppatori possano esaminare gli elementi di prova. Questo trasforma gli embedding specializzati sul codice del modello in uno strumento pratico di navigazione e selezione del contesto.