Voyage AI: Voyage Code 3

Voyage Code 3 är en inbäddningsmodell specialiserad på att hitta källkod. Tillverkaren beskriver sökning från naturligt språk till kod, kod till kod och docstrings till kod: en fråga kan hitta en implementation, ett kodfragment kan hitta besläktad logik och en funktionsbeskrivning kan lokalisera relevant kod. Modellen skapar vektorer för sökning, inte en redigerad fil eller ett färdigt program.

Förbered kodarkivets material som meningsfulla kodenheter. Håll en funktion tillsammans med dess namn, signatur och kommentarer som förklarar syftet. För en större komponent bör närliggande definitioner som behövs för att förstå operationen inkluderas. Lagra kodarkiv, revision, filsökväg och radposition separat så att ett sökresultat öppnar exakt den källa som bäddades in.

En sökning på naturligt språk kan beskriva ett beteende, exempelvis att hitta den del av ett projekt som validerar en uppladdning innan den sparas. En kodbaserad fråga kan innehålla en funktion vars syfte ska matchas på annat håll. Välj representativa sökningar från verkliga utvecklingsuppgifter, inklusive obekanta namn, liknande implementationer och hjälpfunktioner vars betydelse beror på omgivande kod.

Kontextfönstret på 32 000 token rymmer omfattande kodavsnitt. Använd utrymmet medvetet: en hel funktion och dess relevanta beroenden kan ge mer information än ett godtyckligt block som slutar mitt i kontrollflödet. Behåll läsbar källkodsformatering och bevara språkets syntax under extraktionen. Om en källfil är större än indatafönstret bör den delas vid meningsfulla strukturella gränser, samtidigt som relationen mellan avsnitten och deras överordnade fil bevaras.

Voyage Code 3 stöder inbäddningar med 2 048, 1 024, 512 eller 256 dimensioner samt flyttalsrepresentationer, signerade eller osignerade åttabitarsrepresentationer och binära representationer. Dessa val stöder olika indexstorlekar och sökkonfigurationer för kodarkivet. Utvärdera en kompakt representation med samma verkliga sökningar som används för den större referensen och kontrollera att rätt funktion eller fil fortfarande finns bland de användbara resultaten.

För en kodassistent hämtas först de relevanta källavsnitten. Skicka därefter avsnitten och deras filreferenser till den komponent som ansvarar för att svara eller göra en ändring. En likhetsträff hjälper till att välja kontext; den fastställer inte att två implementationer är utbytbara. Granska indata, sidoeffekter och omgivande kontrakt i den hämtade koden innan den används som vägledning för en ändring.

Håll orelaterade versioner av ett kodarkiv åtskilda med metadata och gör indexerade revisioner spårbara. Om en funktion flyttas eller ändrar beteende behöver både dess vektor och källposition uppdateras. Samma inbäddningsinställningar bör användas för den indexerade källan och dess frågor. Vid en indexmigrering bör resultaten jämföras mot den befintliga frågeuppsättningen så att ett modellbyte eller en ändrad vektorrepresentation inte obemärkt ändrar vilken kod utvecklaren ser.

Användbara kontroller är om en fråga hittar den faktiska implementationen snarare än bara ett testnamn, om en docstring hittar sin tillhörande funktion och om semantiskt besläktad kod skiljs från ett ytligt liknande fragment. Behåll den returnerade källtexten och dess plats i sökresultatet så att utvecklare kan granska underlaget. På så sätt blir modellens kodinriktade inbäddningar ett praktiskt verktyg för navigering och kontexturval.