Cjevovodi automatiziranog koda
Na ovoj stranici
- Automatizacija razvoja s Codestralom i modelom opće namjene
- Arhitektura cjevovoda koda
- Korak 1: Pretraživanje koda s Codestral Embedom
- Korak 2: Generiranje koda s Codestralom
- Korak 3: Pregled koda s Mistral Small 4
- Potpuni cjevovod: Od tiketa do PR-a
- Integracija s CI/CD-om
- Uobičajene varijacije u proizvodnji
- Ključne točke
Lekcija ažurirana 2. studenoga 2026. Korak pregleda prethodno se oslanjao na Devstral, koji je uklonjen s API-ja 31. srpnja 2026. Sada koristi Mistral Small 4 (
mistral-small-2603). Izvor: Models.
Automatizacija razvoja s Codestralom i modelom opće namjene
Do sada smo svaki alat Mistral AI predstavili pojedinačno, kako radi ispred ljudskog korisnika. Njihova prava vrijednost dolazi do izražaja kada ih povežeš u lanac. Codestral Embed, Codestral i model opće namjene poput Mistral Small 4 čine automatizirani razvojni cjevovod sposoban za pretraživanje, generiranje i pregled koda bez ručne intervencije u svakom koraku.
Arhitektura cjevovoda koda
Potpuni cjevovod dijeli se na tri faze, pri čemu je svaka dodijeljena modelu koji najbolje obavlja taj specifičan zadatak.
- Pretraživanje koda — Pronađi relevantan kod u codebaseu (Codestral Embed)
- Generiranje koda — Generiraj ili modificiraj kod (Codestral)
- Pregled koda — Provjeri i validiraj promjene (Mistral Small 4)
Protok podataka čitaj odozgo prema dolje; svaki blok troši izlaz prethodnog.
User Request
|
[Codestral Embed] -> Relevant Files
|
[Codestral] -> Generated/Modified Code
|
[Mistral Small 4] -> Automated Review
|
Pull Request / Commit
Korak 1: Pretraživanje koda s Codestral Embedom
Generiranje koda bez poznavanja postojećeg codebasea daje rezultate koji ne nalikuju ostatku projekta. Prvi je korak, stoga, locirati relevantne datoteke koristeći indeks ugradnje (embedding index) izgrađen u prethodnoj lekciji. Funkcija u nastavku pretvara opis zadatka u vektor, uspoređuje ga sa svakom indeksiranom datotekom i vraća pet najbližih podudaranja.
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:
"""Finds relevant files for a given task."""
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]]
Korak 2: Generiranje koda s Codestralom
Kada imaš kontekst, Codestral može generirati kod. Kvaliteta izlaza ovisi o tome kako taj kontekst prezentiraš: spoji dohvaćene datoteke u sistemsku poruku, uz eksplicitnu uputu da se poštuju postojeće konvencije. Postavljanje temperature=0.1 drži izlaz blizu determinističkom, što je poželjno kada se generirani kod mora besprijekorno integrirati u projekt, a ne iznenaditi svog autora.
def generate_code(task: str, context: list[dict]) -> str:
"""Generates code taking existing context into account."""
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"""You are a senior developer. Here is the existing project code:
{context_files}
Respect existing code conventions (naming, style, patterns)."""
},
{
"role": "user",
"content": task
}
],
temperature=0.1,
max_tokens=2000,
)
return response.choices[0].message.content
Korak 3: Pregled koda s Mistral Small 4
Kontrola dolazi na kraju. Mistral Small 4 prima stanje prije, stanje poslije i opis zadatka, zatim donosi svoju presudu u strogom JSON formatu. Ovaj je izbor ključan: recenzije u slobodnom prozoru nisu upotrebljive za daljnji kod, dok boolean polje approved omogućuje automatizaciju sljedećih koraka. Zatražene kategorije namjerno razdvajaju blokirajuće probleme, prijedloge za poboljšanje i sigurnosne zabrinutosti, jer one zahtijevaju različito postupanje.
def review_code(original_code: str, modified_code: str, description: str) -> dict:
"""Automated code review."""
response = client.chat.complete(
model="mistral-small-2603",
messages=[
{
"role": "system",
"content": """You are a senior code reviewer. Analyze the diff and return JSON:
{
"approved": true/false,
"issues": ["list of found issues"],
"suggestions": ["list of possible improvements"],
"security": ["potential security issues"]
}"""
},
{
"role": "user",
"content": f"Task: {description}\n\nOriginal code:\n{original_code}\n\nModified code:\n{modified_code}"
}
],
temperature=0,
)
return response.choices[0].message.content
Potpuni cjevovod: Od tiketa do PR-a
Sada možeš sastaviti ove tri funkcije u jedinstveni lanac koji počinje s tiketom i izdaje pregledani kod. Zadrži isprepletene print naredbe: u automatiziranom cjevovodu, bilježenje onoga što je pronađeno, generirano i pregledano jedini je način da kasnije razumiješ zašto te je neki rezultat razočarao.
def ticket_to_code_pipeline(ticket: str, codebase_index: list) -> dict:
"""Complete pipeline: ticket -> code -> review."""
# 1. Contextual search
relevant_files = search_context(ticket, codebase_index)
print(f"Files found: {[f['path'] for f in relevant_files]}")
# 2. Code generation
generated_code = generate_code(ticket, relevant_files)
print(f"Generated code: {len(generated_code)} characters")
# 3. Automated review
review = review_code(
original_code=relevant_files[0]["content"],
modified_code=generated_code,
description=ticket,
)
print(f"Review: {review}")
return {
"ticket": ticket,
"modified_files": relevant_files,
"code": generated_code,
"review": review,
}
Integracija s CI/CD-om
Ovaj mehanizam doseže svoj puni potencijal kada se poveže s tvojim CI-jem. GitHub Actions workflow pokrenut pri svakom otvaranju i ažuriranju pull requesta dovoljan je za pokretanje pregleda na svakoj predloženoj promjeni, bez potrebe za ljudskim razmišljanjem.
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 }}
Pozvani skript dohvaća diff, prosljeđuje svaku modificiranu datoteku funkciji review_code i komentira PR samo kada pregled ne odobri promjene. Ovaj je uvjet bitan: bot koji komentira sve postaje šum koji tim nauči ignorirati u roku od nekoliko dana.
# scripts/ai_review.py
def review_pull_request(pr_number: int):
"""Automated PR review with Mistral Small 4."""
# 1. Retrieve PR diff
diff = get_pr_diff(pr_number)
# 2. Analyze each modified file
for file in diff.files:
review = review_code(
original_code=file.before,
modified_code=file.after,
description=diff.title,
)
# 3. Post comment on PR
if not review["approved"]:
post_pr_comment(pr_number, file.path, review)
Uobičajene varijacije u proizvodnji
Timovi koji usvoje ovaj obrazac prilagođavaju ga nekoliko ponavljajućih slučajeva upotrebe. Prvo, automatsko generiranje testova: za svaku novu datoteku cjevovod proizvodi odgovarajuće testove, prebacujući teret bez eliminacije pregleda. Zatim, kontinuirana dokumentacija, gdje se docstringovi generiraju i ažuriraju uz svaki commit, a ne tijekom revizije. Potom, detekcija regresije, gdje model za pregled analizira diffove za vjerojatne nuspojave. Konačno, migracija koda, koja automatizira konverziju između frameworka ili verzija – ovdje je ušteda vremena najveća, jer je transformacija repetitivna, a rezultat provjerljiv postojećim testovima.
Jedno upozorenje vrijedi za sva četiri slučaja: automatizirani pregled ne zamjenjuje ljudski pregled. On hvata mehaničke propuste, a procjenu o onome što je doista važno prepušta tvojim programerima.
Ključne točke
- AI cjevovod koda kombinira pretraživanje (Embed), generiranje (Codestral) i pregled (Mistral Small 4)
- Codestral Embed pronalazi kontekst, Codestral generira, a model opće namjene verificira
- Integracija s CI/CD-om omogućuje automatizirane preglede i generiranje testova
- Obrazac pretraživanje -> generiranje -> pregled primjenjiv je na mnoge radne tokove
- Automatizirani pregled ne zamjenjuje ljudski pregled; on ga nadopunjuje