Automatiseeritud kooditorustikud
Sellel lehel
- Arenduse automatiseerimine Codestrali ja üldotstarbelise mudeliga
- Kooditorustiku arhitektuur
- 1. samm: Koodi otsing Codestral Embediga
- 2. samm: Koodi genereerimine Codestraliga
- 3. samm: Koodi ülevaatus Mistral Small 4-ga
- Täielik torustik: Piletist PR-i
- CI/CD integratsioon
- Levinud tootmisvariatsioonid
- Peamised punktid
Tund uuendatud 2. novembril 2026. Ülevaatusetapp tugines varem Devstralile, mis eemaldati API-st 31. juulil 2026. Nüüd kasutatakse Mistral Small 4 (
mistral-small-2603). Allikas: Mudelid.
Arenduse automatiseerimine Codestrali ja üldotstarbelise mudeliga
Seni oleme tutvustanud iga Mistral AI tööriista eraldi, kus need töötavad inimese ees. Nende tegelik väärtus avaldub siis, kui ühendad need ahelaks. Codestral Embed, Codestral ja üldotstarbeline mudel nagu Mistral Small 4 moodustavad automatiseeritud arendustorustiku, mis suudab otsida, genereerida ja üle vaadata koodi ilma igal sammul käsisekkumiseta.
Kooditorustiku arhitektuur
Täielik torustik jaguneb kolmeks etapiks, millest igaüks on määratud mudelile, mis on selles konkreetses ülesandes parim.
- Koodi otsing – Leia asjakohane kood koodibaasist (Codestral Embed)
- Koodi genereerimine – Genereeri või muuda koodi (Codestral)
- Koodi ülevaatus – Kontrolli ja valideeri muudatusi (Mistral Small 4)
Loe andmevoogu ülalt alla; iga plokk tarbib eelmise väljundit.
Kasutaja päring
|
[Codestral Embed] -> Asjakohased failid
|
[Codestral] -> Genereeritud/Muudetud kood
|
[Mistral Small 4] -> Automatiseeritud ülevaatus
|
Tõmbetaotlus / Sissekanne
1. samm: Koodi otsing Codestral Embediga
Koodi genereerimine ilma olemasolevast koodibaasist teadmata toodab tulemusi, mis ei sarnane üldse ülejäänud projektiga. Seetõttu on esimene samm leida asjakohased failid, kasutades eelmises tunnis loodud manustamisindeksit. Allpool olev funktsioon teisendab ülesande kirjelduse vektoriks, võrdleb seda iga indekseeritud failiga ja tagastab viis lähimat vastet.
from mistralai.client import Mistral
import numpy as np
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
def search_context(task_description: str, codebase_index: list) -> list:
"""Leiab antud ülesande jaoks asjakohased failid."""
response = client.embeddings.create(
model="codestral-embed-latest",
inputs=[task_description],
)
vector = np.array(response.data[0].embedding)
scores = []
for file in codebase_index:
file_vec = np.array(file["embedding"])
score = np.dot(vector, file_vec) / (
np.linalg.norm(vector) * np.linalg.norm(file_vec)
)
scores.append((file, score))
scores.sort(key=lambda x: x[1], reverse=True)
return [f for f, s in scores[:5]]
2. samm: Koodi genereerimine Codestraliga
Kui kontekst on olemas, saab Codestral koodi genereerida. Väljundi kvaliteet sõltub sellest, kuidas sa selle konteksti esitad: liida hangitud failid süsteemisõnumisse koos selge juhendiga järgida olemasolevaid kokkuleppeid. Parameetri temperature=0.1 seadmine hoiab väljundi deterministlikule lähedal, mis on soovitav, kui genereeritud kood peab projekti sujuvalt integreeruma, mitte selle autorit üllatama.
def generate_code(task: str, context: list[dict]) -> str:
"""Genereerib koodi, võttes arvesse olemasolevat konteksti."""
context_files = "\n\n---\n\n".join([
f"# {f['path']}\n{f['content']}"
for f in context
])
response = client.chat.complete(
model="codestral-latest",
messages=[
{
"role": "system",
"content": f"""Oled vanemarendaja. Siin on olemasolev projekti kood:
{context_files}
Järgi olemasolevaid koodikokkuleppeid (nimetamine, stiil, mustrid)."""
},
{
"role": "user",
"content": task
}
],
temperature=0.1,
max_tokens=2000,
)
return response.choices[0].message.content
3. samm: Koodi ülevaatus Mistral Small 4-ga
Kontroll tuleb viimasena. Mistral Small 4 saab algse oleku, lõpliku oleku ja ülesande kirjelduse ning esitab oma otsuse ranges JSON-vormingus. See valik on kriitiline: vabas vormis proosakujulised ülevaatused ei ole järgnevate koodide jaoks kasutatavad, samas kui boole’i tüüpi väli approved võimaldab automatiseerida järgmisi samme. Taotletud kategooriad eraldavad tahtlikult blokeerivad probleemid, parendusettepanekud ja turvaprobleemid, kuna need nõuavad erinevat käsitlemist.
def review_code(original_code: str, modified_code: str, description: str) -> dict:
"""Automatiseeritud koodi ülevaatus."""
response = client.chat.complete(
model="mistral-small-2603",
messages=[
{
"role": "system",
"content": """Oled vanem koodiülevaataja. Analüüsi diff-i ja tagasta JSON:
{
"approved": true/false,
"issues": ["leitud probleemide loend"],
"suggestions": ["võimalike parenduste loend"],
"security": ["võimalikud turvaprobleemid"]
}"""
},
{
"role": "user",
"content": f"Ülesanne: {description}\n\nAlgne kood:\n{original_code}\n\nMuudetud kood:\n{modified_code}"
}
],
temperature=0,
)
return response.choices[0].message.content
Täielik torustik: Piletist PR-i
Nüüd saad need kolm funktsiooni kokku panna üheks ahelaks, mis algab piletiga ja väljastab üle vaadatud koodi. Säilita põimitud print-lauseid: automatiseeritud torustikus on logimine, mida leiti, genereeriti ja üle vaadati, ainus viis mõista hiljem, miks tulemus sind pettis.
def ticket_to_code_pipeline(ticket: str, codebase_index: list) -> dict:
"""Täielik torustik: pilet -> kood -> ülevaatus."""
# 1. Kontekstuaalne otsing
relevant_files = search_context(ticket, codebase_index)
print(f"Leitud failid: {[f['path'] for f in relevant_files]}")
# 2. Koodi genereerimine
generated_code = generate_code(ticket, relevant_files)
print(f"Genereeritud kood: {len(generated_code)} tähemärki")
# 3. Automatiseeritud ülevaatus
review = review_code(
original_code=relevant_files[0]["content"],
modified_code=generated_code,
description=ticket,
)
print(f"Ülevaatus: {review}")
return {
"ticket": ticket,
"modified_files": relevant_files,
"code": generated_code,
"review": review,
}
CI/CD integratsioon
See mehhanism saavutab oma täieliku potentsiaali, kui see ühendada sinu CI-ga. GitHub Actionsi töövoog, mis käivitub iga avatud ja uuendatud tõmbetaotluse (pull request) korral, piisab ülevaatuse käivitamiseks iga pakutud muudatuse jaoks ilma inimliku sekkumiseta.
name: AI Code Review
on:
pull_request:
types: [opened, synchronize]
jobs:
ai-review:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Run AI Review
env:
MISTRAL_API_KEY: ${{ secrets.MISTRAL_API_KEY }}
run: |
python scripts/ai_review.py --pr ${{ github.event.pull_request.number }}
Kutsutud skript hangib diff-i, edastab iga muudetud faili funktsioonile review_code ja kommenteerib PR-i ainult siis, kui ülevaatus ei kiida heaks. See tingimus on hädavajalik: bott, mis kommenteerib kõike, muutub müraiks, mida meeskond õpib paari päevaga ignoreerima.
# scripts/ai_review.py
def review_pull_request(pr_number: int):
"""Automatiseeritud PR-i ülevaatus Mistral Small 4-ga."""
# 1. Hangi PR-i diff
diff = get_pr_diff(pr_number)
# 2. Analüüsi iga muudetud faili
for file in diff.files:
review = review_code(
original_code=file.before,
modified_code=file.after,
description=diff.title,
)
# 3. Postita kommentaar PR-i
if not review["approved"]:
post_pr_comment(pr_number, file.path, review)
Levinud tootmisvariatsioonid
Meeskonnad, kes seda mustrit kasutavad, kohandavad seda mitme korduva kasutusjuhu jaoks. Esiteks automaatne testide genereerimine: iga uue faili jaoks toodab torustik vastavad testid, nihutades tüütut tööd, kuid jättes ülevaatuse alles. Järgmiseks pidev dokumentatsioon, kus docstring-e genereeritakse ja uuendatakse iga sissekandega, mitte auditi käigus. Seejärel regressiooni tuvastamine, kus ülevaatusmudel analüüsib diff-e tõenäoliste kõrvalmõjude osas. Lõpuks koodi migratsioon, mis automatiseerib teisendamist raamistike või versioonide vahel – just siin on ajasääst kõige suurem, kuna teisendus on korduv ja tulemust saab olemasolevate testidega kontrollida.
Üks hoiatus kehtib kõigile neljale: automatiseeritud ülevaatus ei asenda inimlikku ülevaatust. See tabab mehaanilisi tähelepanematusest tingitud vigu ja jätab otsustuse selle kohta, mis sinu arendajatele tõeliselt loeb, inimestele.
Peamised punktid
- AI kooditorustik ühendab otsingu (Embed), genereerimise (Codestral) ja ülevaatuse (Mistral Small 4)
- Codestral Embed leiab konteksti, Codestral genereerib ja üldotstarbeline mudel kontrollib
- CI/CD integratsioon võimaldab automatiseeritud ülevaatusi ja testide genereerimist
- Muster otsing -> genereerimine -> ülevaatus kehtib paljude töövoogude jaoks
- Automatiseeritud ülevaatus ei asenda inimlikku ülevaatust; see täiendab seda