Automatizētās koda cauruļvadi
Šajā lapā
- Izstrādes automatizēšana ar Codestral un vispārēja pielietojuma modeli
- Koda cauruļvada arhitektūra
- 1. solis: Koda meklēšana ar Codestral Embed
- 2. solis: Koda ģenerēšana ar Codestral
- 3. solis: Koda pārskatīšana ar Mistral Small 4
- Pilns cauruļvads: no biļetes līdz PR
- CI/CD integrācija
- Bieži sastopamas variācijas ražošanā
- Galvenās atziņas
Nodarbība atjaunināta 2026. gada 2. novembrī. Iepriekšējais pārskatīšanas solis paļāvās uz Devstral, kas tika izņemts no API 2026. gada 31. jūlijā. Tagad tiek izmantots Mistral Small 4 (
mistral-small-2603). Avots: Models.
Izstrādes automatizēšana ar Codestral un vispārēja pielietojuma modeli
Līdz šim mēs esam iepazīstinājuši ar katru Mistral AI rīku atsevišķi, kur tie darbojas cilvēka lietotāja priekšā. To patiesā vērtība atklājas, kad tos sasaisti kopā. Codestral Embed, Codestral un vispārēja pielietojuma modelis, piemēram, Mistral Small 4, veido automatizētu izstrādes cauruļvadu, kas spēj meklēt, ģenerēt un pārskatīt kodu bez manuālas iejaukšanās katrā solī.
Koda cauruļvada arhitektūra
Pilnvērtīgs cauruļvads sadalās trīs posmos, katru uzticot modelim, kas vislabāk paveic konkrēto uzdevumu.
- Koda meklēšana — Atrodi atbilstošu kodu koda bāzē (Codestral Embed)
- Koda ģenerēšana — Ģenerē vai modificē kodu (Codestral)
- Koda pārskatīšana — Pārbaudi un apstiprini izmaiņas (Mistral Small 4)
Lasiet datu plūsmu no augšas uz leju; katrs bloks izmanto iepriekšējā bloka izvadi.
User Request
|
[Codestral Embed] -> Relevant Files
|
[Codestral] -> Generated/Modified Code
|
[Mistral Small 4] -> Automated Review
|
Pull Request / Commit
1. solis: Koda meklēšana ar Codestral Embed
Koda ģenerēšana bez zināšanām par esošo koda bāzi rada rezultātus, kas neizskatās līdzīgi pārējam projektam. Tāpēc pirmais solis ir atrast atbilstošos failus, izmantojot iegulšanas indeksu, kas izveidots iepriekšējā nodarbībā. Zemāk esošā funkcija pārvērš uzdevuma aprakstu vektorā, salīdzina to ar katru indeksēto failu un atgriež piecus tuvākos atbilstības rezultātus.
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]]
2. solis: Koda ģenerēšana ar Codestral
Kad konteksts ir iegūts, Codestral var ģenerēt kodu. Izvades kvalitāte ir atkarīga no tā, kā tu pasniedz šo kontekstu: savieno iegūtos failus sistēmas ziņojumā, pievienojot skaidru norādījumu ievērot esošās konvencijas. Iestatot temperature=0.1, izvade tiek uzturēta tuvu deterministiskai, kas ir vēlams, ja ģenerētajam kodam ir jāintegrējas projektā bez pārsteigumiem tā autoram.
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
3. solis: Koda pārskatīšana ar Mistral Small 4
Kontrole ir pēdējais solis. Mistral Small 4 saņem stāvokli pirms izmaiņām, stāvokli pēc izmaiņām un uzdevuma aprakstu, pēc tam sniedz savu spriedumu stingrā JSON formātā. Šī izvēle ir kritiska: brīvas formas teksta pārskati nav izmantojami turpmākajam kodam, savukārt boolea tipa lauks approved ļauj automatizēt nākamos soļus. Pieprasītās kategorijas apzināti atdala bloķējošas problēmas, uzlabojumu ieteikumus un drošības problēmas, jo tām nepieciešama atšķirīga pieeja.
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
Pilns cauruļvads: no biļetes līdz PR
Tagad tu vari apvienot šīs trīs funkcijas vienā ķēdē, kas sākas ar biļeti un beidzas ar pārskatītu kodu. Saglabā iekļautos print paziņojumus: automatizētā cauruļvadā reģistrēšana par to, kas tika atrasts, ģenerēts un pārskatīts, ir tavs vienīgais veids, lai vēlāk saprastu, kāpēc rezultāts tevi vīlis.
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,
}
CI/CD integrācija
Šis mehānisms sasniedz savu pilno potenciālu, kad tas ir savienots ar tavu CI. GitHub Actions darbplūsma, kas tiek aktivizēta katrā vilkšanas pieprasījuma (pull request) atvēršanas un atjaunināšanas brīdī, ir pietiekama, lai veiktu pārskatīšanu katrām piedāvātajām izmaiņām bez cilvēka iejaukšanās.
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 }}
Izsauktais skripts iegūst atšķirības (diff), nodod katru modificēto failu funkcijai review_code un komentē PR tikai tad, ja pārskatīšana to neapstiprina. Šis nosacījums ir būtisks: bots, kas komentē visu, kļūst par troksni, ko komanda iemācās ignorēt dažu dienu laikā.
# 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)
Bieži sastopamas variācijas ražošanā
Komandas, kas pieņem šo modeli, pielāgo to vairākiem atkārtoti izmantojamiem lietojumiem. Pirmkārt, automātiska testu ģenerēšana: katram jaunam failam cauruļvads izveido atbilstošus testus, pārceļot rutīnas darbu, neatceļot pārskatīšanu. Otrkārt, nepārtraukta dokumentācija, kur docstringi tiek ģenerēti un atjaunināti ar katru fiksāciju (commit), nevis revīzijas laikā. Treškārt, regresijas noteikšana, kur pārskatīšanas modelis analizē atšķirības, lai noteiktu iespējamās blakusparādības. Visbeidzot, koda migrācija, kas automatizē konvertēšanu starp ietvariem vai versijām – tieši šeit laika ietaupījums ir visnozīmīgākais, jo transformācija ir atkārtojoša, un rezultātu var pārbaudīt ar esošajiem testiem.
Visiem četriem gadījumiem ir spēkā viens brīdinājums: automatizēta pārskatīšana neaizstāj cilvēka veiktu pārskatīšanu. Tā atklāj mehāniskas kļūdas, bet spriedumu par to, kas patiešām ir svarīgi, atstāj taviem izstrādātājiem.
Galvenās atziņas
- AI koda cauruļvads apvieno meklēšanu (Embed), ģenerēšanu (Codestral) un pārskatīšanu (Mistral Small 4)
- Codestral Embed atrod kontekstu, Codestral ģenerē, bet vispārēja pielietojuma modelis pārbauda
- CI/CD integrācija ļauj veikt automatizētas pārskatīšanas un testu ģenerēšanu
- Meklēšanas -> ģenerēšanas -> pārskatīšanas modelis ir piemērojams daudziem darbplūsmas scenārijiem
- Automatizēta pārskatīšana neaizstāj cilvēka veiktu pārskatīšanu; tā to papildina