Voyage AI: Voyage Code 3

Voyage Code 3 é um modelo de embeddings especializado em recuperar código-fonte. O fabricante descreve tarefas de linguagem natural para código, de código para código e de docstring para código: uma pergunta pode encontrar uma implementação, um fragmento de código pode encontrar lógica relacionada e a descrição de uma função pode localizar código relevante. O modelo produz vetores para recuperação, e não um ficheiro alterado ou um programa terminado.

Prepare os materiais do repositório em torno de unidades de código significativas. Mantenha uma função com o seu nome, assinatura e comentários que explicam a sua finalidade. Para um componente maior, inclua as definições próximas necessárias para compreender a operação. Guarde separadamente o repositório, a revisão, o caminho do ficheiro e a localização da linha, para que um resultado de pesquisa abra o código-fonte exato que foi transformado em embedding.

Uma pesquisa em linguagem natural pode descrever um comportamento, como encontrar a parte de um projeto que valida um carregamento antes de o guardar. Uma consulta baseada em código pode fornecer uma função cuja finalidade precisa de ser encontrada noutro local. Escolha pesquisas representativas de tarefas reais de desenvolvimento, incluindo nomes pouco familiares, implementações semelhantes e utilitários cujo significado depende do código envolvente.

A janela de contexto de 32 000 tokens permite acomodar passagens extensas de código. Utilize esse espaço de forma deliberada: uma função completa e as suas dependências relevantes podem ser mais informativas do que um bloco arbitrário cortado a meio do fluxo de controlo. Mantenha a formatação do código-fonte legível e preserve a sintaxe da linguagem durante a extração. Se um ficheiro de código-fonte for maior do que a janela de entrada, divida-o em limites estruturais úteis e conserve a relação entre as passagens e o ficheiro a que pertencem.

Voyage Code 3 suporta embeddings com 2 048, 1 024, 512 ou 256 dimensões, juntamente com representações em vírgula flutuante, de oito bits com ou sem sinal e binárias. Estes controlos suportam diferentes tamanhos de índices de repositórios e configurações de pesquisa. Avalie uma representação compacta usando as mesmas pesquisas reais da referência maior e verifique se a função ou o ficheiro correto continua entre os resultados úteis.

Para um assistente de programação, recupere primeiro as passagens de código-fonte relevantes e forneça essas passagens e as referências aos ficheiros ao componente responsável por responder ou fazer uma alteração. Uma correspondência por semelhança ajuda a escolher contexto; não estabelece que duas implementações sejam intercambiáveis. Examine as entradas, os efeitos secundários e as especificações envolventes no código recuperado antes de o usar para orientar uma alteração.

Separe versões não relacionadas de um repositório através de metadados e mantenha as revisões indexadas rastreáveis. Se uma função mudar de localização ou de comportamento, atualize tanto o seu vetor como a localização no código-fonte. As mesmas definições de embeddings devem descrever o código-fonte indexado e as suas consultas. Ao migrar um índice, compare os resultados com o conjunto de perguntas existente, para que uma alteração do modelo ou da representação vetorial não mude silenciosamente o código apresentado ao programador.

As verificações úteis incluem se uma consulta encontra a implementação real em vez de apenas o nome de um teste, se uma docstring encontra a função correspondente e se código semanticamente relacionado é distinguido de um fragmento superficialmente semelhante. Conserve o texto de código-fonte devolvido e a sua localização no resultado de pesquisa, para que os programadores possam examinar os elementos de prova. Isto transforma os embeddings do modelo especializados em código numa ferramenta prática de navegação e seleção de contexto.