Příklady využití modelu Codestral
Na této stránce
Čtyři pilíře práce s modelem Codestral
Omezit model Codestral pouze na nástroj pro automatické doplňování znamená ignorovat polovinu jeho hodnoty. Jeho schopnosti pokrývají čtyři klíčové oblasti vývoje softwaru: doplňování v IDE, generování kódu, automatickou dokumentaci a tvorbu testů. Každá z těchto oblastí vyžaduje specifické nastavení. Jasné rozlišení mezi nimi ti pomůže vyhnout se zklamáním plynoucím z používání „stejného promptu pro všechno“.
Doplňování kódu v IDE v reálném čase
Toto je nejpřirozenější způsob využití modelu, který nejlépe využívá funkci Fill-in-the-Middle (FIM). Scénář je vždy stejný: píšeš ve VS Code nebo v IDE od JetBrains, rozšíření jako Continue.dev nebo Tabnine detekuje pauzu v tvém psaní, odešle požadavek FIM obsahující kontext souboru, do 500 ms obdrží návrh a ty jej přijmeš klávesou Tab nebo odmítneš klávesou Esc. Celá výzva spočívá v tomto rozpočtu 500 ms: pokud jej překročíš, návrh dorazí až poté, co jsi řádek již napsal ručně, čímž se pomoc změní v obtěžování.
Hlavním pákou je velikost odeslaného kontextu. Čím více ho poskytneš, tím lepší je relevance, ale tím pomalejší je odezva.
# Optimized configuration for autocomplete
response = client.fim.complete(
model="codestral-latest",
prompt=context_before_cursor[-2000:], # Limit context
suffix=context_after_cursor[:500], # Short suffix
temperature=0,
max_tokens=80, # Short completions
stop=["\n\n", "\ndef ", "\nclass "],
)
V praxi nabízí 2 000 znaků pro prompt a 500 pro suffix vynikající poměr mezi kvalitou a rychlostí. Všimni si asymetrie: zachováváme poslední znaky před kurzorem a první znaky za ním, protože relevance klesá se vzdáleností od místa vložení.
Generování celého kódu
Pokud potřebuješ vytvořit celou funkci, třídu nebo modul, je vhodnější koncový bod chatu. Kvalita výsledku pak přímo závisí na přesnosti tvého požadavku: explicitní specifikace s uvedenými technickými omezeními produkuje použitelný kód, zatímco vágní požadavek vytvoří pouze kostru, kterou budeš muset zcela přepsat.
response = client.chat.complete(
model="codestral-latest",
messages=[
{
"role": "system",
"content": "Python expert. Clean, typed code with error handling."
},
{
"role": "user",
"content": """Create a Python `CacheManager` class with:
- An in-memory LRU cache with configurable TTL
- get, set, delete, and clear methods
- A @cached decorator for functions
- Thread safety using threading.Lock"""
}
],
temperature=0.2,
max_tokens=1500,
)
Tento pracovní postup vyniká ve čtyřech scénářích: při zahájení práce na novém souboru nebo prázdném modulu, při implementaci složitého algoritmu popsaného přirozeným jazykem, při rychlém prototypování API nebo služby pro otestování její struktury a při převodu pseudokódu na funkční kód. Společným jmenovatelem je absence existujícího kódu, který by bylo třeba respektovat. Jakmile je zapojen existující kód, stává se opět preferovanou volbou metoda FIM.
Automatická dokumentace
Dokumentace je úkol, který týmy často odkládají na zítřek, přestože ji Codestral zvládne během několika sekund. Vezmi si například nedokumentovanou funkci se čtyřmi parametry a podmíněným chováním v hlavičce:
code = """
def parse_csv_to_dict(filepath, delimiter=',', encoding='utf-8', skip_header=False):
results = []
with open(filepath, 'r', encoding=encoding) as f:
reader = csv.reader(f, delimiter=delimiter)
if skip_header:
headers = next(reader)
else:
headers = [f'col_{i}' for i in range(len(next(reader)))]
for row in reader:
results.append(dict(zip(headers, row)))
return results
"""
response = client.chat.complete(
model="codestral-latest",
messages=[
{
"role": "user",
"content": f"Add a complete Google-style docstring to this function:\n\n{code}"
}
],
temperature=0,
)
Vygenerovaný docstring popisuje každý parametr, jeho výchozí hodnotu a vrácenou strukturu. Stejný mechanismus s jiným pokynem přidá komentáře k řádkům, které si je zaslouží – zde například větev else, která vytváří umělé názvy sloupců, což by mohlo dalšího čtenáře překvapit.
response = client.chat.complete(
model="codestral-latest",
messages=[
{
"role": "user",
"content": f"Add explanatory comments to the complex lines in this code:\n\n{code}"
}
],
temperature=0,
)
Pro oba úkoly ponech temperature=0: dokumentuješ to, co existuje, nic nevymýšlíš.
Generování unit testů
Codestral generuje testy ze zdrojového kódu a právě zde často šetří nejvíce času, protože hraniční případy jsou přesně tím, na co spěchající vývojář zapomíná.
function_to_test = """
def validate_email(email: str) -> bool:
import re
pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
return bool(re.match(pattern, email))
"""
response = client.chat.complete(
model="codestral-latest",
messages=[
{
"role": "system",
"content": "Generate comprehensive pytest tests. Include edge cases and error cases."
},
{
"role": "user",
"content": f"Generate tests for this function:\n\n{function_to_test}"
}
],
temperature=0.1,
max_tokens=1000,
)
Výsledné pokrytí spadá do čtyř kategorií. Nominální případy ověřují platné adresy. Hraniční případy tlačí formát na jeho limity pomocí dlouhých domén nebo povolených speciálních znaků. Chybové případy pokrývají neplatné formáty, prázdné řetězce a hodnotu None. Nakonec regresní případy znovu prověřují to, co se elsewhere pokazilo: subdomény a nedávné TLD. Před commitováním tyto testy vždy zkontroluj – test vygenerovaný z chybného kódu věrně zdokumentuje chybu.
Shrnutí případů využití
| Případ využití | Koncový bod | Teplota | Max tokenů |
|---|---|---|---|
| Doplňování v IDE | FIM | 0 | 50–100 |
| Generování funkcí | Chat | 0,2 | 500–1500 |
| Docstringy / Komentáře | Chat | 0 | 300–500 |
| Unit testy | Chat | 0,1 | 800–1500 |
| Refaktoring | Chat | 0 | 1000–2000 |
| Převod jazyka | Chat | 0 | 1000–2000 |
Klíčové poznatky
- Doplňování v IDE využívá FIM s parametry optimalizovanými pro nízkou latenci.
- Generování celého kódu používá koncový bod chatu se strukturovaným promptem.
- Codestral generuje docstringy a komentáře profesionální kvality.
- Generování testů automaticky pokrývá hraniční případy a scénáře chyb.
- Každý případ využití má optimální nastavení teploty a počtu tokenů.