Voyage AI: Voyage Code 3

Voyage Code 3 is een embeddingmodel dat is gespecialiseerd in het ophalen van broncode. De maker beschrijft taken van natuurlijke taal naar code, van code naar code en van docstrings naar code: een vraag kan een implementatie vinden, een codefragment kan verwante logica vinden en een functiebeschrijving kan relevante code lokaliseren. Het model produceert vectoren voor informatieophaling, geen bewerkt bestand of voltooid programma.

Bereid repositorymateriaal rond betekenisvolle code-eenheden voor. Houd een functie bij de naam, handtekening en commentaren die het doel verklaren. Neem voor een groter component de nabije definities op die nodig zijn om de bewerking te begrijpen. Bewaar de repository, revisie, het bestandspad en de regellocatie afzonderlijk zodat een zoekresultaat de exacte bron opent waarvan de embedding is gemaakt.

Een zoekvraag in natuurlijke taal kan gedrag beschrijven, zoals het projectonderdeel vinden dat een upload valideert voordat die wordt opgeslagen. Een op code gebaseerde zoekvraag kan een functie aanleveren waarvan elders een overeenkomstig doel moet worden gevonden. Kies representatieve zoekvragen uit werkelijke ontwikkeltaken, inclusief onbekende naamgeving, vergelijkbare implementaties en hulpfuncties waarvan de betekenis van omringende code afhangt.

Het contextvenster van 32.000 tokens biedt ruimte voor omvangrijke codepassages. Gebruik die ruimte bewust: een volledige functie en de relevante afhankelijkheden kunnen informatiever zijn dan een willekeurig blok dat halverwege de besturingsstroom wordt afgebroken. Houd de bronopmaak leesbaar en behoud de taalsyntaxis tijdens extractie. Verdeel een bronbestand dat groter is dan het invoervenster op bruikbare structurele grenzen en behoud het verband tussen passages en hun bovenliggende bestand.

Voyage Code 3 ondersteunt embeddings met 2.048, 1.024, 512 of 256 dimensies, naast floatingpointrepresentaties, achtbitsrepresentaties met of zonder teken en binaire representaties. Deze instellingen ondersteunen verschillende groottes van repository-indexen en zoekconfiguraties. Beoordeel een compacte representatie met dezelfde echte zoekvragen als de grotere referentie en controleer of de juiste functie of het juiste bestand bij de bruikbare resultaten blijft.

Haal voor een programmeerassistent eerst de relevante bronpassages op en geef die passages met de bestandsverwijzingen vervolgens aan de component die verantwoordelijk is voor het beantwoorden of aanbrengen van een wijziging. Een overeenkomst op basis van gelijkenis helpt context kiezen; ze bewijst niet dat twee implementaties onderling uitwisselbaar zijn. Inspecteer invoer, neveneffecten en omringende contracten in de opgehaalde code voordat u die gebruikt om een bewerking te sturen.

Scheid niet-gerelateerde versies van een repository via metadata en houd geïndexeerde revisies traceerbaar. Werk wanneer een functie verplaatst of het gedrag verandert zowel de vector als de bronlocatie bij. Dezelfde embeddinginstellingen moeten de geïndexeerde bron en de zoekvragen beschrijven. Vergelijk bij een indexmigratie resultaten met de bestaande vragenset zodat een gewijzigd model of een andere vectorrepresentatie niet stilzwijgend verandert welke code een ontwikkelaar ziet.

Bruikbare controles omvatten of een zoekvraag de werkelijke implementatie vindt in plaats van alleen een testnaam, of een docstring de bijbehorende functie vindt en of semantisch verwante code wordt onderscheiden van een oppervlakkig vergelijkbaar fragment. Behoud de teruggegeven brontekst en locatie in het zoekresultaat zodat ontwikkelaars het bewijs kunnen inspecteren. Zo worden de codegerichte embeddings van het model een praktisch hulpmiddel voor navigatie en contextselectie.