„CodeRabbit“ surinko 16 mln. USD, kad AI galėtų peržiūrėti kodą
Kodo peržiūros – tarpusavio peržiūros, padedančios kūrėjams pagerinti kodo kokybę – užima daug laiko. Vieno šaltinio duomenimis, 50% įmonių joms skiria nuo dviejų iki penkių valandų per savaitę. Jei nėra pakankamai žmonių, kodų peržiūros gali būti didžiulės ir atimti kūrėjus nuo kitų svarbių darbų.
Harjotas Gillas mano, kad kodų peržiūros iš esmės gali būti automatizuotos naudojant dirbtinį intelektą. Jis yra „CodeRabbit“ įkūrėjas ir generalinis direktorius, kuris analizuoja kodą naudodamas AI modelius, kad pateiktų atsiliepimus.
Prieš pradedant „CodeRabbit“, Gill buvo duomenų centro programinės įrangos įmonės „Nutanix“ vyresnysis technologijų direktorius. Jis prisijungė prie bendrovės, kai 2018 m. kovo mėn. Nutanix įsigijo savo startuolį „Netsil“. Kitas „CodeRabbit“ įkūrėjas Gur Singhas anksčiau vadovavo „white-label“ sveikatos priežiūros mokėjimų platformos „Alegeus“ kūrėjų komandoms.
Pasak Gill, „CodeRabbit“ platforma automatizuoja kodų peržiūras, naudodama „išplėstinį AI samprotavimą“, kad „suprastų kodo tikslą“ ir kūrėjams pateiktų „veiksmingą“, „žmogišką“ grįžtamąjį ryšį.
„Tradiciniai statinės analizės įrankiai ir tarpai yra pagrįsti taisyklėmis ir dažnai sukuria didelius klaidingai teigiamus rodiklius, o tarpusavio peržiūros užima daug laiko ir yra subjektyvios“, – „TechCrunch“ sakė Gill. „CodeRabbit, priešingai, yra pirmoji dirbtinio intelekto platforma.
Tai drąsūs teiginiai su daugybe madingų žodžių. Deja, „CodeRabbit“ anekdotiniai įrodymai rodo, kad dirbtinio intelekto kodų peržiūros paprastai yra prastesnės nei „žmogaus ciklo“ peržiūros.
Tinklaraščio įraše Graphite's Greg Foster kalba apie vidinius eksperimentus, skirtus OpenAI GPT-4 pritaikyti kodų peržiūroms. Nors modelis aptiktų kai kurių naudingų dalykų, pavyzdžiui, smulkių loginių ir rašybos klaidų, jis sugeneravo daug klaidingų teigiamų rezultatų. Pasak Fosterio, net bandymai koreguoti jų dramatiškai nesumažino.
Tai nėra apreiškimai. Neseniai atliktas Stanfordo tyrimas atskleidė, kad inžinieriai, naudojantys kodų generavimo sistemas, labiau linkę į savo kuriamas programas įtraukti saugumo spragas. Autorių teisės taip pat yra nuolatinis susirūpinimas.
AI naudojimas kodams peržiūrėti taip pat turi logistinių trūkumų. Kaip pastebi Fosteris, tradicinės kodų peržiūros verčia inžinierius mokytis per seansus ir pokalbius su bendraamžiais kūrėjais. Apžvalgų perkėlimas kelia grėsmę dalintis žiniomis.
Gill jaučiasi kitaip. „Pirmasis „CodeRabbit“ AI metodas pagerina kodo kokybę ir žymiai sumažina rankinio darbo, reikalingo kodo peržiūros procesui, darbą“, – sakė jis.
Kai kurie žmonės perka pardavimo aikštelę. Apie 600 organizacijų šiandien moka už „CodeRabbit“ paslaugas, tvirtina Gill, o „CodeRabbit“ bando su „keletu“ Fortune 500 įmonių.
Ji taip pat turi investicijų: „CodeRabbit“ šiandien paskelbė apie 16 mln. Padidinus bendrovės bendrą sumą iki šiek tiek mažiau nei 20 mln. USD, nauji pinigai bus skirti „CodeRabbit“ 10 žmonių pardavimo ir rinkodaros funkcijoms bei produktų pasiūlai plėsti, daugiausia dėmesio skiriant jos saugumo pažeidžiamumo analizės galimybėms.
„Investuosime į gilesnę integraciją su tokiomis platformomis kaip Jira ir Slack, taip pat į dirbtinio intelekto pagrįstą analizę ir ataskaitų teikimo įrankius“, – sakė Gill ir pridūrė, kad Bay Area įsikūrusi „CodeRabbbit“ šiuo metu steigia naują biurą Bangalore. tai maždaug dvigubai padidina komandos dydį. „Platforma taip pat pristatys pažangią AI automatizavimą, skirtą priklausomybės valdymui, kodų keitimui, vienetų bandymų generavimui ir dokumentų generavimui.
