Премини към основното съдържание
Български— Изберете език
Меню

Codestral Embed: Вграждания на код

Урок 11 от 14 Обновен 2 ноември 2026 г. Програмист
На тази страница
  1. Codestral Embed: Семантично търсене на код
  2. Какво е вграждане на код?
  3. Технически спецификации
  4. Използване на API
  5. Семантично търсене в кодова база
  6. Разширени случаи на употреба
  7. Ключови изводи

Codestral Embed: Семантично търсене на код

Генерирането и допълването на код не са достатъчни. Трябва също да откриете файла в хранилище със стотици елементи, който вече решава Вашия проблем. Това е задачата на третия специализиран инструмент на Mistral AI: Codestral Embed (v25.05). Този модел за вграждане превръща фрагментите код в числови вектори, позволявайки семантично търсене в рамките на хранилищата.

Какво е вграждане на код?

Вграждането е плътно векторно представяне на текст или фрагмент код. Ключовото свойство е просто: два семантично сходни фрагмента произвеждат вектори, които са близки един до друг във векторното пространство, дори ако техният синтаксис изглежда напълно различен. Разгледайте двете функции по-долу. Те имат различни имена, различни имена на променливи и различни реализации.

# Function 1
def calculer_moyenne(nombres):
    return sum(nombres) / len(nombres)

# Function 2
def average(values):
    total = 0
    for v in values:
        total += v
    return total / len(values)

Търсене с grep никога не би открило втората функция, започвайки от първата. Codestral Embed обаче генерира близки вектори и за двете, тъй като те решават един и същи проблем.

Технически спецификации

Идентификаторът на модела е codestral-embed-latest (v25.05). Извиквате го през крайната точка /v1/embeddings. Той обработва изходен код на всички езици, поддържани от Codestral. Неговата отличителна черта са конфигурируемите размерности, вариращи от 1536 до 3072. Настройката от 1536 измерения предлага добро съотношение между качество и разходи и работи за повечето случаи на употреба. Настройката от 3072 измерения цели максимално качество за най-взискателните търсения. Правилото е постоянно: повече измерения означават по-добра семантична прецизност, но също така по-високи разходи за съхранение и повече изчисления за всяко сравнение. За хранилище със среден размер започнете с 1536 и увеличавайте само ако резултатите изглеждат неясни.

Използване на API

Основното извикване прилича на крайната точка за чат: създайте екземпляр на клиента, предайте фрагмент и получете вектор в отговор.

from mistralai.client import Mistral
import os

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

code_snippet = """
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)
"""

response = client.embeddings.create(
    model="codestral-embed-latest",
    inputs=[code_snippet],
)

embedding = response.data[0].embedding
print(f"Dimensions: {len(embedding)}")
print(f"First values: {embedding[:5]}")

Обърнете внимание, че параметърът inputs е списък. Този детайл е важен: за индексиране на цяло хранилище изпращате множество фрагменти в една заявка, вместо една заявка на файл. В реално хранилище разликата се сумира до спестени минути.

code_snippets = [
    "def tri_bulle(liste): ...",
    "def tri_rapide(liste): ...",
    "def tri_fusion(liste): ...",
    "def recherche_binaire(liste, cible): ...",
]

response = client.embeddings.create(
    model="codestral-embed-latest",
    inputs=code_snippets,
)

embeddings = [item.embedding for item in response.data]

Семантично търсене в кодова база

Основният случай на употреба следва директно от това: вместо да търсите по ключови думи, търсите по намерение. Потокът има две стъпки. Първо, индексирайте кодовата база веднъж, прикрепяйки вграждане към всеки файл. След това трансформирайте заявката във вектор и класирайте файловете по косинусова близост – стандартната мярка за близост между два вектора.

import numpy as np
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# 1. Index the codebase (do this once)
def index_codebase(files: list[dict]) -> list[dict]:
    """Indexes a list of files with their embeddings."""
    contents = [f["content"] for f in files]

    response = client.embeddings.create(
        model="codestral-embed-latest",
        inputs=contents,
    )

    for i, file in enumerate(files):
        file["embedding"] = response.data[i].embedding

    return files

# 2. Search by intent
def search_code(query: str, index: list[dict], top_k: int = 5) -> list[dict]:
    """Semantic search in the indexed codebase."""
    response = client.embeddings.create(
        model="codestral-embed-latest",
        inputs=[query],
    )
    query_vector = np.array(response.data[0].embedding)

    # Calculate cosine similarity
    results = []
    for file in index:
        file_vector = np.array(file["embedding"])
        similarity = np.dot(query_vector, file_vector) / (
            np.linalg.norm(query_vector) * np.linalg.norm(file_vector)
        )
        results.append({**file, "score": similarity})

    results.sort(key=lambda x: x["score"], reverse=True)
    return results[:top_k]

# 3. Usage
results = search_code(
    "function that validates an email address",
    index=my_index
)

Разгледайте крайната заявка: “function that validates an email address”. Тя не съдържа идентификатори на проекта, имена на файлове или ключови думи от кода. Това е цялата разлика в сравнение с текстовото търсене и прави инструмента използваем дори за някой, който е нов в хранилището.

Разширени случаи на употреба

Най-мощната комбинация свързва Codestral Embed с Codestral или модел с общо предназначение като Mistral Small 4. Това е шаблонът RAG (Retrieval-Augmented Generation), приложен към код. Първо извличате съответните файлове, инжектирате ги в системното съобщение и след това задавате въпроса си. След това моделът отговаря въз основа на Вашата кодова база, а не само въз основа на общите си познания за езика.

# 1. Find relevant files with Codestral Embed
results = search_code("HTTP error handling", index)

# 2. Build context
context = "\n\n".join([r["content"] for r in results[:3]])

# 3. Generate a response with Codestral
response = client.chat.complete(
    model="codestral-latest",
    messages=[
        {"role": "system", "content": f"Here is the relevant code from the project:\n{context}"},
        {"role": "user", "content": "How can I improve HTTP error handling in this project?"}
    ],
)

Същият индекс служи за по-малко впечатляваща, но изключително ценна задача: откриване на дублиран код. Чрез сравняване на всяка двойка функции и маркиране на тези със сходство над определен праг, получавате списък с кандидати за рефакторинг, които никой в екипа не е забелязал.

# Compare every pair of functions
for i, func_a in enumerate(functions):
    for j, func_b in enumerate(functions):
        if i >= j:
            continue
        similarity = cosine(func_a["embedding"], func_b["embedding"])
        if similarity > 0.90:
            print(f"Potential duplication: {func_a['name']} <-> {func_b['name']}")

Трябва да настроите прага от 0.90 спрямо собствения си код, преди да правите изводи. Ако го зададете твърде ниско, той ще маркира функции, които изглеждат сходни, но вършат различни неща. Ако го зададете твърде високо, той ще улови само буквални копия – тези, които така или иначе бихте открили.

Ключови изводи

  • Codestral Embed (v25.05) превръща кода във вектори за семантично търсене
  • Поддържа от 1536 до 3072 измерения в зависимост от Вашите нужди за прецизност
  • Семантичното търсене Ви позволява да търсите по намерение, а не по ключови думи
  • Шаблонът RAG (извличане + генериране) е най-мощният случай на употреба
  • Вгражданията също позволяват откриване на дубликати и клъстеризиране на код