Automatizované kódové pipeline
Na tejto strane
- Automatizácia vývoja pomocou Codestral a všeobecného modelu
- Architektúra kódového pipeline
- Krok 1: Vyhľadávanie kódu pomocou Codestral Embed
- Krok 2: Generovanie kódu pomocou Codestral
- Krok 3: Revízia kódu pomocou Mistral Small 4
- Kompletný pipeline: Od ticketu po PR
- Integrácia CI/CD
- Bežné produkčné variácie
- Kľúčové poznatky
Lekcia aktualizovaná 2. novembra 2026. Krok revízie sa predtým spoliehal na model Devstral, ktorý bol z API odstránený 31. júla 2026. Teraz využíva Mistral Small 4 (
mistral-small-2603). Zdroj: Models.
Automatizácia vývoja pomocou Codestral a všeobecného modelu
Doteraz sme predstavili každý nástroj Mistral AI samostatne, pričom každý pracoval pred ľudským používateľom. Ich skutočná hodnota sa prejaví, keď ich prepojíte do reťazca. Codestral Embed, Codestral a všeobecný model, ako je Mistral Small 4, tvoria automatizovaný vývojový pipeline schopný vyhľadávať, generovať a recenzovať kód bez manuálneho zásahu v každom kroku.
Architektúra kódového pipeline
Kompletný pipeline sa rozdeľuje na tri fázy, pričom každá je pridelená modelu, ktorý vyniká práve v tejto konkrétnej úlohe.
- Vyhľadávanie kódu – Nájdenie relevantného kódu v kódovej báze (Codestral Embed)
- Generovanie kódu – Vytvorenie alebo úprava kódu (Codestral)
- Revízia kódu – Overenie a validácia zmien (Mistral Small 4)
Tok dát čítajte zhora nadol; každý blok spracováva výstup toho predchádzajúceho.
Požiadavka používateľa
|
[Codestral Embed] -> Relevantné súbory
|
[Codestral] -> Vygenerovaný/Upravený kód
|
[Mistral Small 4] -> Automatizovaná revízia
|
Pull Request / Commit
Krok 1: Vyhľadávanie kódu pomocou Codestral Embed
Generovanie kódu bez znalosti existujúcej kódovej bázy prináša výsledky, ktoré vôbec nezodpovedajú zvyšku projektu. Prvým krokom je preto lokalizovať relevantné súbory pomocou indexu vektorových reprezentácií (embedding), ktorý sme vytvorili v predchádzajúcej lekcii. Nižšie uvedená funkcia konvertuje popis úlohy na vektor, porovná ho so všetkými indexovanými súbormi a vráti päť najbližších zhôd.
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]]
Krok 2: Generovanie kódu pomocou Codestral
Akonáhle máš kontext, Codestral dokáže vygenerovať kód. Kvalita výstupu závisí od toho, ako tento kontext prezentuješ: zretez získané súbory do systémovej správy a doplň ich o explicitný pokyn rešpektovať existujúce konvencie. Nastavenie temperature=0.1 udržuje výstup blízko deterministickému správaniu, čo je žiaduce, keď sa má vygenerovaný kód bezproblémovo integrovať do projektu, namiesto toho, aby prekvapil svojho 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
Krok 3: Revízia kódu pomocou Mistral Small 4
Kontrola prichádza ako posledná. Mistral Small 4 dostane stav pred zmenou, stav po zmene a popis úlohy, následne vyniesol svoj verdikt v striktnom formáte JSON. Táto voľba je kritická: voľne písané textové recenzie nie sú použiteľné pre následný kód, zatiaľ čo booleovské pole approved ti umožňuje automatizovať ďalšie kroky. Požadované kategórie zámerne oddeľujú blokujúce problémy, návrhy na zlepšenie a bezpečnostné obavy, pretože si vyžadujú odlišný prístup.
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
Kompletný pipeline: Od ticketu po PR
Teraz môžeš tieto tri funkcie poskladať do jedného reťazca, ktorý začína ticketom a končí skontrolovaným kódom. Ponechaj vložené príkazy print: v automatizovanom pipeline je logovanie toho, čo bolo nájdené, vygenerované a skontrolované, jediným spôsobom, ako neskôr pochopiť, prečo ťa výsledok sklamal.
def ticket_to_code_pipeline(ticket: str, codebase_index: list) -> dict:
"""Complete pipeline: ticket -> code -> review."""
# 1. Kontextové vyhľadávanie
relevant_files = search_context(ticket, codebase_index)
print(f"Files found: {[f['path'] for f in relevant_files]}")
# 2. Generovanie kódu
generated_code = generate_code(ticket, relevant_files)
print(f"Generated code: {len(generated_code)} characters")
# 3. Automatizovaná revízia
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,
}
Integrácia CI/CD
Tento mechanizmus dosahuje svoj plný potenciál, keď je pripojený k tvojmu CI. Pracovný postup GitHub Actions spúšťaný pri každom otvorení alebo aktualizácii pull requestu stačí na to, aby sa revízia vykonala pri každej navrhovanej zmene bez potreby ľudského zásahu.
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 }}
Volaný skript získa diff, odovzdá každý upravený súbor funkcii review_code a pridá komentár k PR iba vtedy, ak revízia kód neschváli. Táto podmienka je zásadná: bot, ktorý komentuje všetko, sa stane šumom, ktorý tím začne ignorovať v priebehu niekoľkých dní.
# scripts/ai_review.py
def review_pull_request(pr_number: int):
"""Automated PR review with Mistral Small 4."""
# 1. Získanie diffu pre PR
diff = get_pr_diff(pr_number)
# 2. Analýza každého upraveného súboru
for file in diff.files:
review = review_code(
original_code=file.before,
modified_code=file.after,
description=diff.title,
)
# 3. Pridanie komentára k PR
if not review["approved"]:
post_pr_comment(pr_number, file.path, review)
Bežné produkčné variácie
Tímy, ktoré tento vzorec adoptujú, ho prispôsobujú niekoľkým opakujúcim sa prípadom použitia. Po prvé, automatické generovanie testov: pre každý nový súbor pipeline vytvorí zodpovedajúce testy, čím presunie rutinnú prácu, ale neodstráni potrebu revízie. Ďalej priebežná dokumentácia, kde sa docstringy generujú a aktualizujú pri každom commite namiesto počas auditu. Potom detekcia regresie, kde model na revíziu analyzuje diffy z hľadiska pravdepodobných vedľajších účinkov. Nakoniec migrácia kódu, ktorá automatizuje konverziu medzi frameworkmi alebo verziami – práve tu sú úspory času najvýznamnejšie, pretože transformácia je repetitívna a výsledok overiteľný existujúcimi testami.
Pre všetky štyri prípady platí jedno upozornenie: automatizovaná revízia nenahrádza ľudskú revíziu. Zachytáva mechanické prehliadnutia a ponecháva úsudok o tom, čo je pre tvojich vývojárov skutočne dôležité, na ľuďoch.
Kľúčové poznatky
- AI kódový pipeline kombinuje vyhľadávanie (Embed), generovanie (Codestral) a revíziu (Mistral Small 4)
- Codestral Embed nájde kontext, Codestral generuje a všeobecný model overuje
- Integrácia CI/CD umožňuje automatizované revízie a generovanie testov
- Vzorec vyhľadávanie -> generovanie -> revízia sa aplikuje na mnohé pracovné postupy
- Automatizovaná revízia nenahrádza ľudskú revíziu; dopĺňa ju