Voyage AI: Voyage Code 2

Voyage Code 2 cria embeddings numéricos para código-fonte e texto relacionado. Foi concebido para recuperação semântica de código, em que um programador descreve um comportamento ou fornece um fragmento de código e o sistema de pesquisa encontra implementações relevantes. Os exemplos do fabricante abrangem perguntas em linguagem natural, fragmentos de código e combinações dos dois como entradas de pesquisa.

Utilize-o para construir uma experiência de pesquisa em repositórios em torno de perguntas reais de desenvolvimento. Um programador pode procurar a rotina que remove apenas o primeiro e o último carácter correspondente ou a parte de um projeto que aplica uma determinada travessia de árvore. Prepare consultas que expressem o comportamento com precisão, incluindo a condição que distingue a implementação pretendida de outra próxima mas incorreta.

Indexe código em unidades úteis, em vez de dividir cada ficheiro por uma contagem arbitrária de caracteres. Mantenha juntos a assinatura de uma função, o corpo e a explicação relevante. Quando uma função auxiliar depende de tipos ou constantes locais, conserve texto envolvente suficiente para tornar a sua finalidade compreensível. Guarde os caminhos dos ficheiros, as revisões dos repositórios e as localizações de origem fora do embedding, para que o resultado possa abrir diretamente o código original.

Esta edição tem uma janela de contexto de 16 000 tokens e produz embeddings com 1 536 dimensões. Dimensione o índice vetorial para esta representação e mantenha os embeddings das consultas e dos documentos associados ao mesmo modelo. Uma coleção já indexada com Voyage Code 2 pode conservar uma representação de recuperação consistente enquanto os seus registos de origem são atualizados. A passagem para outra edição de embeddings deve ser tratada como uma migração do índice, com uma comparação explícita no mesmo repositório.

Para uma consulta em linguagem natural, descreva a operação, as entradas e o resultado relevante. Para uma consulta de código, inclua o fragmento cuja lógica precisa de ser comparada e explique qualquer condição importante para a pesquisa. Uma pesquisa sobre gestão de novas tentativas, por exemplo, pode especificar se o código relevante tenta novamente após um tempo limite ou após uma resposta de erro completa. O código-fonte recuperado deve ser verificado quanto a essa distinção antes de ser usado numa alteração.

Mantenha a documentação e o código-fonte rastreáveis quando ambos são indexados. Uma passagem explicativa pode fornecer contexto útil, enquanto a implementação é o artefacto que o programador precisa de examinar. Identifique estes tipos de registo com etiquetas, para que uma página de pesquisa possa mostrar o destino correto e um assistente de programação possa distinguir uma descrição de código-fonte executável.

Utilize as passagens recuperadas como contexto para navegar no repositório, descobrir implementações ou preparar a etapa seguinte de um assistente de programação. Preserve o fragmento relevante completo e a sua localização ao passá-lo à etapa seguinte. A semelhança ajuda a encontrar código candidato; a revisão das entradas reais, dos efeitos secundários e das especificações determina se o candidato resolve o problema atual.

Avalie a recuperação com um conjunto de perguntas reais com respostas de origem conhecidas. Inclua funções renomeadas, comentários enganadores, utilitários semelhantes com casos-limite diferentes e consultas que usem vocabulário ausente do código. Verifique se a implementação esperada aparece entre os resultados úteis e se o fragmento apresentado fornece contexto suficiente para a avaliar. Conserve estas perguntas à medida que o repositório cresce, para que alterações à extração, aos limites das passagens ou à indexação possam ser comparadas com as mesmas tarefas.