Компания Swimm, известная своими инструментами для документирования программного обеспечения на основе искусственного интеллекта, объявила о выпуске расширения для GitHub Copilot. По словам команды Swimm, расширение позволяет разработчикам, использующим чат GitHub Copilot, превращать ответы Copilot в высококачественную документацию, связанную с кодом, упрощая процесс получения ключевых сведений о кодовых базах пользователей.
Команда добавляет, что расширение Swimm для GitHub Copilot также означает, что каждый новый созданный документ добавляет ценный контекст, делая GitHub Copilot «умнее» и улучшая его способность генерировать более точные, специфичные для организации ответы.
Swimm - это стартап, который привлек 33,3 миллиона долларов на создание инструментов для документирования программного обеспечения, управляемых искусственным интеллектом. Компания утверждает, что ее инструменты уже используются 12 000 команд для автодокументирования 300 миллионов строк кода.
Новое расширение для создания документации автоматически генерирует структурированную документацию, предоставляя разработчикам возможность автоматически брать результаты работы Copilot Chat и преобразовывать их в структурированные документы на основе разметки.
Инструмент включает в себя непрерывную синхронизацию документации, так что когда разработчики вносят изменения в свой код, все связанные с ним документы автоматически обновляются с учетом этих изменений.
Обсуждая запуск, Гилад Навот, соучредитель и исполнительный директор Swimm, сказал
«Расширение Swimm GitHub Copilot гарантирует, что контекст, лежащий в основе вашего кода, - причины решений, лучшие практики и знания команды - будет документироваться по мере написания кода. Это позволяет привести документацию в соответствие с кодом и сделать инструменты искусственного интеллекта более эффективными».
Чтобы воспользоваться расширением, разработчики начинают разговор с чатом Copilot, задавая вопрос о своем коде, например «Какие фреймворки тестирования используются в этом проекте?». Затем Copilot извлекает ответы непосредственно из кодовой базы разработчика, предоставляя ответы прямо в рабочем процессе разработки.
Получив необходимую информацию, разработчик с помощью команды Swimm превращает результаты чата в структурированный документ. Swimm форматирует все в формате markdown, записывая, что делает код и почему он настроен именно так.
После того как документ создан, разработчики могут обогатить его, добавив свои собственные соображения. По словам Навота, именно здесь можно включить те «неписаные правила», которые знают только самые опытные разработчики в вашей команде - например, почему был выбран тот или иной метод или как работает определенная часть системы.
Автоматическое обновление - ключевое преимущество расширения, отражающее изменения, внесенные в код, в сопутствующей документации. По словам Swimm, инструмент также помогает сохранять родовые знания, поскольку разработчики могут добавлять бизнес-контекст и специфические для команды сведения непосредственно в документацию, сохраняя важные знания, которые часто теряются.
Продукты Swimm используют детерминированный статический анализ для отображения кода, чтобы выявить все релевантные потоки и логические компоненты в кодовой базе. Соответствующий контекст извлекается детерминированно, поэтому документация создается на основе реального кода, а не предположений, сгенерированных искусственным интеллектом. Только после того, как данные получены, в дело вступают LLM для преобразования точно найденного контекста в связную документацию. Команда Swimm утверждает, что такой подход означает, что каждая часть вывода модели привязана к конкретным частям вашей кодовой базы, что предотвращает AI-галлюцинации, когда системы на основе ИИ выдают очень убедительную, но неверную информацию.
Расширение Swimm для GitHub Copilot доступно уже сейчас.
Результаты исследования GitHub показывают, что код, созданный с помощью Copilot, обладает повышенной функциональностью и улучшенной читаемостью, имеет более высокое качество и получает большее количество одобрений, чем код, созданный без него.
По мере совершенствования самокоррекции и самообоснования новейшие LLM обнаруживают новые возможности с такой скоростью, что измерить все, на что они способны, становится все труднее.
Организации, желающие финансировать разработку программного обеспечения на основе искусственного интеллекта ради ожидаемых преимуществ, должны также понимать, что это может привести к негативным последствиям.