Voyage AI: Voyage Code 2

Voyage Code 2 skapar numeriska inbäddningar av källkod och relaterad text. Modellen är utformad för semantisk kodsökning, där en utvecklare beskriver ett beteende eller tillhandahåller ett kodfragment och söksystemet hittar relevanta implementationer. Tillverkarens exempel omfattar frågor på naturligt språk, kodavsnitt och kombinationer av dessa som sökindata.

Använd modellen för att bygga sökning i kodarkiv kring verkliga utvecklingsfrågor. En utvecklare kan exempelvis söka efter rutinen som bara tar bort det första och det sista matchande tecknet, eller den del av ett projekt som utför en viss trädtraversering. Förbered frågor som beskriver beteendet exakt, inklusive villkoret som skiljer den önskade implementationen från en närliggande men felaktig variant.

Indexera kod i användbara enheter i stället för att dela varje fil vid ett godtyckligt teckenantal. Håll en funktions signatur, kropp och relevanta förklaring tillsammans. Om en hjälpfunktion är beroende av lokala typer eller konstanter bör tillräckligt mycket omgivande text bevaras för att dess syfte ska vara begripligt. Lagra filsökvägar, kodarkivets revisioner och källpositioner utanför inbäddningen så att resultatet kan öppna originalkoden direkt.

Denna version har ett kontextfönster på 16 000 token och skapar inbäddningar med 1 536 dimensioner. Dimensionera vektorindexet för denna representation och håll fråge- och dokumentinbäddningar kopplade till samma modell. En samling som redan har indexerats med Voyage Code 2 kan behålla en konsekvent sökrepresentation medan källposterna uppdateras. Ett byte till en annan inbäddningsversion bör hanteras som en indexmigrering med en uttrycklig jämförelse på samma kodarkiv.

Beskriv operationen, indata och det relevanta resultatet i en fråga på naturligt språk. I en kodfråga anger du fragmentet vars logik ska matchas och förklarar de villkor som är viktiga för sökningen. En sökning efter återförsökshantering kan exempelvis ange om koden gör ett nytt försök efter en timeout eller efter ett fullständigt felsvar. Kontrollera denna skillnad i den hämtade källan innan den används vid en ändring.

Behåll spårbarheten mellan dokumentation och källkod när båda indexeras. Ett förklarande avsnitt kan ge användbar kontext, medan implementationen är det material utvecklaren behöver granska. Märk dessa posttyper så att söksidan kan visa rätt destination och en kodassistent kan skilja en beskrivning från körbar källkod.

Använd de hämtade avsnitten som kontext för navigering i kodarkivet, sökning efter implementationer eller kodassistentens nästa steg. Bevara hela det relevanta kodavsnittet och dess plats när det skickas vidare. Likhet hjälper till att hitta kandidatkod; granskning av faktiska indata, sidoeffekter och kontrakt avgör om kandidaten löser det aktuella problemet.

Utvärdera sökningen med verkliga frågor vars svar finns på kända platser i källkoden. Ta med omdöpta funktioner, missvisande kommentarer, liknande hjälpfunktioner med olika gränsfall och frågor som använder ord som saknas i koden. Kontrollera om den förväntade implementationen finns bland de användbara resultaten och om det visade avsnittet ger tillräcklig kontext för bedömning. Behåll frågorna när kodarkivet växer så att ändringar i extraktion, avsnittsindelning eller indexering kan jämföras mot samma uppgifter.