Voyage AI: Voyage Code 3

Voyage Code 3 to model embeddingów wyspecjalizowany w wyszukiwaniu kodu źródłowego. Producent opisuje zadania język naturalny–kod, kod–kod i docstring–kod: pytanie może znaleźć implementację, fragment kodu może znaleźć powiązaną logikę, a opis funkcji może zlokalizować właściwy kod. Model tworzy wektory do wyszukiwania, a nie zredagowany plik lub ukończony program.

Przygotuj materiał repozytorium wokół znaczących jednostek kodu. Zachowuj funkcję wraz z nazwą, sygnaturą i komentarzami objaśniającymi jej cel. Przy większym komponencie dołącz pobliskie definicje potrzebne do zrozumienia operacji. Repozytorium, rewizję, ścieżkę pliku i położenie w wierszach przechowuj osobno, aby wynik otwierał dokładne źródło, z którego utworzono embedding.

Wyszukiwanie w języku naturalnym może opisywać zachowanie, takie jak znalezienie części projektu sprawdzającej przesłany plik przed zapisaniem. Zapytanie oparte na kodzie może dostarczyć funkcję, której cel ma zostać dopasowany w innym miejscu. Wybieraj reprezentatywne wyszukiwania z rzeczywistych zadań programistycznych, w tym nieznane nazewnictwo, podobne implementacje i funkcje pomocnicze, których znaczenie zależy od otaczającego kodu.

Okno kontekstu 32 000 tokenów mieści obszerne fragmenty kodu. Wykorzystuj tę przestrzeń świadomie: kompletna funkcja i jej istotne zależności mogą dostarczyć więcej informacji niż arbitralny blok ucięty w połowie przepływu sterowania. Zachowuj czytelne formatowanie źródła i składnię języka podczas wyodrębniania. Jeżeli plik źródłowy przekracza okno wejścia, dziel go w użytecznych granicach strukturalnych i zachowuj związek fragmentów z plikiem nadrzędnym.

Voyage Code 3 obsługuje embeddingi o 2 048, 1 024, 512 lub 256 wymiarach oraz reprezentacje zmiennoprzecinkowe, ośmiobitowe ze znakiem lub bez znaku i binarne. Te ustawienia wspierają różne rozmiary indeksu repozytorium i konfiguracje wyszukiwania. Oceniaj zwięzłą reprezentację na tych samych rzeczywistych wyszukiwaniach co większą reprezentację bazową, sprawdzając, czy właściwa funkcja lub plik pozostaje wśród użytecznych wyników.

Dla asystenta programistycznego najpierw wyszukaj właściwe fragmenty źródła, a następnie przekaż je wraz z odwołaniami do plików komponentowi odpowiedzialnemu za odpowiedź lub zmianę. Dopasowanie podobieństwa pomaga dobrać kontekst; nie dowodzi, że dwie implementacje są zamienne. Sprawdź wejścia, skutki uboczne i otaczające kontrakty w wyszukanym kodzie, zanim użyjesz go do kierowania edycją.

Oddzielaj niepowiązane wersje repozytorium przez metadane i zachowuj identyfikowalność indeksowanych rewizji. Gdy funkcja zmienia położenie lub zachowanie, aktualizuj wektor i lokalizację źródłową. Te same ustawienia embeddingów powinny opisywać indeksowane źródło i jego zapytania. Przy migracji indeksu porównuj wyniki z istniejącym zestawem pytań, aby zmiana modelu lub reprezentacji wektorowej nie zmieniała po cichu kodu widocznego dla programisty.

Przydatne kontrole obejmują to, czy zapytanie znajduje rzeczywistą implementację, a nie tylko nazwę testu, czy docstring znajduje odpowiadającą mu funkcję i czy semantycznie powiązany kod jest odróżniany od powierzchownie podobnego fragmentu. Zachowaj zwrócony tekst źródłowy i położenie w wyniku wyszukiwania, aby programiści mogli zbadać dowody. Zamienia to embeddingi modelu ukierunkowane na kod w praktyczne narzędzie nawigacji i doboru kontekstu.