Cuardach Semantach Cóid
Ar an leathanach seo
Cuardach Cóid de réir Brí
Braitheann cuardach traidisiúnta cóid ar eochairfhocail: clóscríobhann tú ainm feidhme nó focal ó thrácht. Téann cuardach semantach cóid níos faide: aimsíonn sé cód de réir a bhri nó a intinne, fiú mura n-oireann na téarmaí beachta.
Le codestral-embed, is féidir leat cuardach a dhéanamh ar chód ag baint úsáide as teanga nádúrtha. Aistreoidh ceist cosúil le “feidhm a shórtálann liosta” cur i bhfeidhm quicksort, fiú mura bhfuil an focal “sort” le feiceáil sa chód riamh. Léiríonn sé seo fírinne laethúil forbróra a bhfuil ag teacht isteach i dtionscadal atá ann cheana: tá a fhios agat cad atá á lorg agat, ach níl foghlam ar bith agat ar an gcaoi ar ainmnigh an fhoireann roimhe é.
Innéacsú Fillteáin Chóid
Is é an chéad chéim gach comhad nó feidhm i dtionscadal a eastósct agus a ionchódú. Siúlann an fheidhm thíos tríd an gcrann fillteán agus scagann sí na fillteáin a chuirfeadh salachar san innéacs. Is féidir le node_modules amháin a bheith deich n-uaire níos mó ná an cód a scríobh tú i ndáiríre, agus níl aon cheann dá chomhaid ábhartha do do chuardach.
import os
import numpy as np
from mistralai.client import Mistral
client = Mistral(api_key=api_key)
def extract_code_files(directory, extensions=(".py", ".js", ".ts")):
"""Extract all code files from a directory."""
code_files = []
for root, dirs, files in os.walk(directory):
# Ignore irrelevant directories
dirs[:] = [d for d in dirs if d not in ("node_modules", ".git", "__pycache__", "venv")]
for f in files:
if any(f.endswith(ext) for ext in extensions):
filepath = os.path.join(root, f)
with open(filepath, "r", encoding="utf-8", errors="ignore") as fh:
content = fh.read()
if content.strip():
code_files.append({
"path": filepath,
"content": content[:4000], # Truncate if too long
})
return code_files
# Extract files
code_files = extract_code_files("./my-project/")
print(f"{len(code_files)} code files found")
Tá dhá shonra cur chun feidhme a thuilleann aird. Ní giorrúchán amháin atá i dirs[:] a mhodhnú in áit; is é an t-aon bhealach é chun cosc a chur ar os.walk dul síos sna fillteáin sin. Ní bheadh aon éifeacht ag an athróg a shannadh arís gan í a ghearradh. Maidir le gearradh ag 4,000 carachtar, cosnaíonn sé seo tú ó chomhaid ollmhóra a chuirfeadh an t-iarratas as a chéile, agus coinníonn sé an ceanntásc comhaid – allmhairithe, príomhshainmhínithe – a iompraíonn an comhartha is suntasaí.
Ionchódú agus Innéacsú
Tarlaíonn an t-ionchódú i mbaitseanna de fiche comhad, le taispeáint dul chun cinn. Ar stór le cúpla céad comhad, rithfidh an lúb seo ar feadh roinnt nóiméad. Gan áireamh, níl aon bhealach agat idirdhealú a dhéanamh idir próiseáil mhall agus glao atá greamaithe.
def index_code_files(code_files, batch_size=20):
"""Create embeddings for all code files."""
all_embeddings = []
for i in range(0, len(code_files), batch_size):
batch = code_files[i:i + batch_size]
inputs = [f["content"] for f in batch]
response = client.embeddings.create(
model="codestral-embed",
inputs=inputs,
)
all_embeddings.extend([d.embedding for d in response.data])
print(f"Encoded {min(i + batch_size, len(code_files))}/{len(code_files)}")
return np.array(all_embeddings)
embeddings = index_code_files(code_files)
print(f"Index: {embeddings.shape}")
Oireann ord na leabaithe sa mhatrís go beacht d’ord code_files. Is é an comhfhreagras intuigthe seo an pointe pivóideach do gach rud a leanas: ligeann sé d’innéacs a thugtar ar ais ag an rangú pointe a dhíriú ar chonair comhaid ar leith.
Cuardach Teanga Nádúrtha
Is é an buntáiste is mó atá ag codestral-embed ná gur féidir leat cuardach a dhéanamh ag baint úsáide as ceist i nGaeilge nó i mBéarla. Ionchódaíonn an fheidhm an cheist leis an samhalt céanna, ríomhann sí cosúlachtaí in aghaidh an innéacs iomláin, agus filleann sí na torthaí is fearr top_k in éineacht le réamhamharc ar an ábhar.
from sklearn.metrics.pairwise import cosine_similarity
def search_code(query, code_files, embeddings, top_k=5):
"""Search for code using natural language descriptions."""
# Encode the query
response = client.embeddings.create(
model="codestral-embed",
inputs=[query],
)
query_emb = np.array(response.data[0].embedding)
# Calculate similarities
sims = cosine_similarity([query_emb], embeddings)[0]
# Top-k results
top_indices = np.argsort(sims)[::-1][:top_k]
results = []
for idx in top_indices:
results.append({
"path": code_files[idx]["path"],
"score": float(sims[idx]),
"preview": code_files[idx]["content"][:200],
})
return results
# Natural language searches
queries = [
"email validation function",
"database connection",
"HTTP error handling",
"sorting algorithm",
]
for query in queries:
print(f"\n--- Query: '{query}' ---")
results = search_code(query, code_files, embeddings, top_k=3)
for r in results:
print(f" [{r['score']:.3f}] {r['path']}")
Tá úsáid phraiticiúil láithreach ag an réimse preview: sábhálann sé ort cúig chomhad a oscailt chun a fháil amach cé acu ceann a oireann i ndáiríre. I gcomhtháthú eagarthóra, éiríonn na dhá chéad carachtar seo an líne réamhamhairc a thaispeántar faoi gach toradh.
Cuardach Tras-Teanga
Tuigeann codestral-embed loighic beag beann ar an teanga. Is féidir leat patrún Python a chuardach agus an leagan coibhéiseach i JavaScript a aimsiú:
# Search using a code example in one language...
query_python = "def authenticate(username, password): check credentials and return token"
# ...and find the equivalent in another language
results = search_code(query_python, code_files, embeddings)
# May return a .js file with a similar function
Tá an cumas seo luachmhar d’fheidhmchláir atá roinnte idir cúltaca Python agus tosach TypeScript, áit a ndéantar an riail gnó chéanna a chur i bhfeidhm uaireanta ar an dá thaobh. Cabhraíonn an dá chur i bhfeidhm a aimsiú ó cheist amháin leat díbhéirsí a aithint sula nochtann fabht iad sa táirgeadh.
Cuardach de réir Sínithe Feidhme
Is féidir leat cuardach a dhéanamh freisin de réir foirme measta seachas fearann feidhmiúil. Trí struchtúr a chur síos – feidhm neamhshioncronach, aicme, meánbhogearraí, tástáil – treoraíonn tú an cuardach i dtreo cineál oibiachta cóid seachas ábhar.
technical_queries = [
"async function that fetches data from API and handles errors",
"class with CRUD methods for database operations",
"middleware that checks authentication token",
"unit test for user registration",
]
for q in technical_queries:
results = search_code(q, code_files, embeddings, top_k=2)
print(f"\n{q}:")
for r in results:
print(f" -> {r['path']} (score: {r['score']:.3f})")
Bain triail as na ceithre cheist seo ar do stór féin sula dtéann tú ar aghaidh. Tabharfaidh tú faoi deara go dtéann na torthaí in olcas go mór ar chomhaid an-fhada, áit ar ghearr an gearradh 4,000 carachtar an chuid úsáideach. Seo an t-am chun cinneadh a dhéanamh an bhfuil comhaid iomlána le hinnéacsú nó, níos fearr fós, feidhmeanna briste síos ceann ar cheann.
Príomhphointí
- Ligeann codestral-embed duit cuardach a dhéanamh ar chód ag baint úsáide as cur síos i dteanga nádúrtha
- Baineann innéacsú le gach comhad cóid a ionchódú ina veicteoirí
- Oibríonn cuardach tras-teanga: aimsíonn patrún Python an leagan coibhéiseach JS
- Scag na fillteáin nach bhfuil ábhartha (node_modules, .git, venv) le linn eastósctha
- Gearr comhaid an-fhada chun fanacht laistigh de theorainneacha an tsamhalta