جيمس دينغ
23 أبريل 2025 15:11
تعمل Qodo على تحسين البحث عن الأكواد وسير العمل في جودة البرمجيات باستخدام الذكاء الاصطناعي المدعوم من NVIDIA DGX، مقدمة حلول مبتكرة لسلامة الأكواد وأنظمة الجيل المعزز بالاسترجاع.
تعتبر Qodo، عضو بارز في برنامج NVIDIA Inception، رائدة في تغيير مشهد البحث عن الأكواد وسير العمل في جودة البرمجيات من خلال استخدامها المبتكر لتقنية NVIDIA DGX. تستخدم منصة سلامة الأكواد متعددة الوكلاء الخاصة بالشركة وكلاء مدعومين بالذكاء الاصطناعي لأتمتة وتعزيز المهام مثل…
كتابة الكود، الاختبار، والمراجعة، وفقًا لمدونة NVIDIA.
حلول الذكاء الاصطناعي المبتكرة لسلامة الكود
تكمن جوهر استراتيجية Qodo في دمج أنظمة توليد معززة بالاسترجاع (RAG)، التي تعمل بواسطة نموذج متقدم لتضمين الكود. هذا النموذج، المدرب على منصة DGX الخاصة بـ NVIDIA، يمكّن الذكاء الاصطناعي من فهم وتحليل الكود بشكل أكثر فعالية، مما يضمن أن النماذج اللغوية الكبيرة (LLMs) تنتج اقتراحات كود دقيقة، اختبارات موثوقة، ومراجعات ثاقبة. تستند نهج المنصة إلى الاعتقاد بأن الذكاء الاصطناعي يجب أن يمتلك وعيًا سياقيًا عميقًا لتحسين سلامة البرمجيات بشكل كبير.
التحديات في خطوط أنابيب RAG الخاصة بالكود
تتعامل Qodo مع تحديات فهرسة قواعد الكود الكبيرة والمعقدة من خلال خط أنابيب قوي يحافظ باستمرار على فهرس محدث. يتضمن هذا الخط استرجاع الملفات، تقسيمها، وإضافة أوصاف باللغة الطبيعية إلى التضمينات لفهم سياقي أفضل. إحدى العقبات الكبيرة في هذه العملية هي تقسيم ملفات الكود الكبيرة بدقة إلى مقاطع ذات معنى، وهو أمر حاسم لتحسين الأداء وتقليل الأخطاء في الكود الذي ينتجه الذكاء الاصطناعي.
للتغلب على هذه التحديات، تستخدم Qodo تحليلًا ثابتًا خاصًا باللغة لإنشاء مقاطع كود ذات معنى دلالي، مما يقلل من تضمين المعلومات غير ذات الصلة أو غير المكتملة التي يمكن أن تعيق أداء الذكاء الاصطناعي.
نماذج التضمين لتحسين استرجاع الكود
تخصص Qodo نماذج التضمين لتحسين استرجاع الكود، مما يعزز من فعالية النظام بشكل عام.
نموذج التضمين، المدرب على كل من لغات البرمجة ووثائق البرمجيات، يحسن بشكل كبير دقة استرجاع وفهم الشيفرة. يمكّن هذا النموذج النظام من إجراء عمليات بحث عن التشابه بكفاءة، واسترجاع المعلومات الأكثر صلة من قاعدة المعرفة استجابة لاستفسارات المستخدمين.
بالمقارنة مع نماذج اللغة الكبيرة، فإن نماذج التضمين هذه أصغر وأكثر توزيعًا بكفاءة عبر وحدات معالجة الرسوميات، مما يسمح بأوقات تدريب أسرع واستخدام أفضل لموارد الأجهزة. قامت Qodo بضبط نماذج التضمين الخاصة بها بدقة، محققة دقة متقدمة وتصدرت قائمة المتصدرين في Hugging Face MTEB في فئاتها المعنية.
تعاون ناجح مع NVIDIA
تسلط دراسة حالة بارزة الضوء على التعاون بين NVIDIA وQodo، حيث عززت حلول Qodo أنظمة RAG الداخلية لـ NVIDIA للبحث في مستودعات الشيفرة الخاصة. من خلال دمج مكونات Qodo، بما في ذلك فهرس الشيفرة، ومسترجع RAG، ونموذج التضمين، حقق المشروع نتائج متفوقة في توليد استجابات دقيقة وواضحة لاستفسارات تعتمد على نماذج اللغة الكبيرة.
أظهر هذا الدمج في الأنظمة الداخلية لـ NVIDIA فعالية نهج Qodo، حيث قدم استجابات تقنية مفصلة وحسن من الجودة العامة لنتائج بحث الشيفرة.
للحصول على رؤى أكثر تفصيلًا، المقال الأصلي متاح على NVIDIA
مدونة.
مصدر الصورة: شترستوك
