Интеграция корпоративного контекста в AI-ревью кода: как Qodo расширяет возможности Codex

Современная разработка программного обеспечения сталкивается с проблемой масштаба. Когда кодовая база разрастается, локальные изменения могут непредсказуемо повлиять на связанные сервисы. Стартап Qodo предложил решение этой проблемы, интегрировав корпоративный контекст и стандарты кодовой базы в инструмент Codex от OpenAI. Это позволяет разработчикам выявлять критические ошибки (P0) в различных репозиториях еще до того, как будет открыт запрос на слияние (pull request).

В крупных корпоративных средах инфраструктура может охватывать 10 000 и более репозиториев. В таких условиях локальное изменение кода, которое выглядит абсолютно корректным само по себе, способно нарушить работу нижестоящего сервиса. Эти зависимости могут располагаться у разных провайдеров Git или связываться через такие сервисы, как Kafka. Как отмечает сооснователь и генеральный директор Qodo Итамар Фридман, Codex отлично справляется с эффективным выполнением локальных задач, однако для предотвращения масштабных сбоев ему требуется понимание системы в целом.

Для решения этой задачи Qodo выпустила плагин в маркетплейсе Codex. Этот инструмент предоставляет языковой модели доступ к знаниям о кодовой базе, организационным правилам и независимому ревью через набор инструментов Qodo (Agentic Toolbox). Процесс выстроен следующим образом: перед началом написания кода Codex использует плагин для извлечения соответствующих правил кодовой базы, истории запросов на слияние и паттернов. После того как Codex вносит изменения, Qodo проводит их ревью и возвращает результаты непосредственно в Codex в рамках той же сессии.

В основе работы платформы лежат модели OpenAI, включая GPT-6 Astra. Нненна Ндукве, руководитель направления AI Developer Relations в Qodo, отмечает, что разработчики используют этот рабочий процесс для создания новых функций и устранения технического долга. Они автоматизируют передачу задач между этапом написания кода (Codex) и этапом независимого ревью (Qodo). Внутреннее использование также активно опирается на новые технологии: Нненна применяет настройки усилий Extra High и Ultra модели GPT-6 Astra в собственных автоматизированных рабочих процессах, планируя отчеты о проделанной за неделю работе и анализируя собственные изменения в коде.

Итамар Фридман описывает взаимодействие агентов по написанию кода и агентов по ревью как «инь и ян»: один создает код, другой подвергает его сомнению. Каждая из этих ролей требует собственных настроек и контекста. В будущем разработчики должны стать планировщиками и рецензентами, которые будут рассматривать лишь те нерешенные проблемы, которые агенты не смогли согласовать между собой, опираясь на обсуждения агентов и предыдущие решения людей.

Дополнительные возможности открывает недавно запущенный интерфейс программирования приложений для принятия решений (Decisions API) от OpenAI. Qodo планирует использовать его для выбора того, какие именно правила и навыки агентов следует применять на каждом этапе разработки. Например, вместо того чтобы полагаться на языковую модель для каждого решения, Decisions API может предварительно выбрать, какие из 200 правил требуют проверки. Это делает процесс отбора более быстрым и дешевым, одновременно повышая качество ревью.

Подход Qodo объединяет возможности искусственного интеллекта с традиционной разработкой программного обеспечения и скриптингом. Корпоративные знания направляют агентов, независимое ревью проверяет их работу, а человеческий опыт разрешает оставшиеся вопросы. Это формирует фундамент того, что Итамар Фридман называет «фабрикой программного обеспечения» — системы, которую клиенты могут собрать и контролировать самостоятельно, объединяя работу AI-агентов с глубоким пониманием того, как программное обеспечение меняется в производственной среде.