Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Codestral Embed: Vdelave kode

Lekcija 11 od 14 Posodobljeno 2. november 2026 Razvijalec
Na tej strani
  1. Codestral Embed: Iskanje po pomenu za kodo
  2. Kaj je vdelava kode?
  3. Tehnične specifikacije
  4. Uporaba API-ja
  5. Iskanje po pomenu v kodozni bazi
  6. Napredni primeri uporabe
  7. Ključne ugotovitve

Codestral Embed: Iskanje po pomenu za kodo

Generiranje in dopolnjevanje kode ni dovolj. Pogosto moraš v repozitoriju s stotinami datotek najti tisto, ki že rešuje tvoj problem. To je naloga tretjega specializiranega orodja podjetja Mistral AI: Codestral Embed (v25.05). Ta model za vdelavo pretvori izseke kode v številčne vektorje, kar omogoča iskanje po pomenu (semantic search) v celotnih repozitorijih.

Kaj je vdelava kode?

Vdelava (embedding) je gosta vektorska predstavitev besedila ali izseka kode. Njena ključna lastnost je preprosta: dva pomensko podobna izseka ustvarita vektorja, ki sta v vektorskem prostoru blizu drug drugemu, tudi če njuna sintaksa ni videti nič podobna. Razmisli o spodnjih dveh funkcijah. Imata različna imena, različna imena spremenljivk in različne implementacije.

# Function 1
def calculer_moyenne(nombres):
    return sum(nombres) / len(nombres)

# Function 2
def average(values):
    total = 0
    for v in values:
        total += v
    return total / len(values)

Iskanje z grep druge funkcije nikoli ne bi našlo, če bi izhajal iz prve. Codestral Embed pa za obe ustvari bližnja vektorja, ker rešujeta isti problem.

Tehnične specifikacije

ID modela je codestral-embed-latest (v25.05). Kličete ga na končni točki /v1/embeddings. Obdela izvorno kodo v vseh jezikih, ki jih podpira Codestral. Njegova izstopajoča lastnost so nastavljive dimenzije, ki segajo od 1536 do 3072. Nastavitev s 1536 dimenzijami ponuja solidno razmerje med kakovostjo in stroški ter deluje za večino primerov uporabe. Nastavitev s 3072 dimenzijami cilja na največjo kakovost za najbolj zahtevna iskanja. Pravilo je stalno: več dimenzij pomeni boljšo pomensko natančnost, a tudi višje stroške shranjevanja in več izračunov za vsako primerjavo. Za repozitorij srednje velikosti začni pri 1536 in povečaj število le, če se rezultati zdijo nejasni.

Uporaba API-ja

Osnovni klic je videti podobno kot končna točka za klepet: ustvariš odjemalca, posreduješ izsek in dobiš vektor.

from mistralai.client import Mistral
import os

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

code_snippet = """
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)
"""

response = client.embeddings.create(
    model="codestral-embed-latest",
    inputs=[code_snippet],
)

embedding = response.data[0].embedding
print(f"Dimensions: {len(embedding)}")
print(f"First values: {embedding[:5]}")

Upoštevaj, da je parameter inputs seznam. Ta podrobnost je pomembna: za indeksiranje celotnega repozitorija pošlješ več izsekov v enem samem zahtevku namesto enega zahtevka na datoteko. Pri pravem repozitoriju se ta razlika sešteje v prihranjene minute.

code_snippets = [
    "def tri_bulle(liste): ...",
    "def tri_rapide(liste): ...",
    "def tri_fusion(liste): ...",
    "def recherche_binaire(liste, cible): ...",
]

response = client.embeddings.create(
    model="codestral-embed-latest",
    inputs=code_snippets,
)

embeddings = [item.embedding for item in response.data]

Iskanje po pomenu v kodozni bazi

Primarna uporaba izhaja neposredno iz tega: namesto iskanja po ključnih besedah iščeš po namenu. Cevovod ima dva koraka. Najprej enkrat indeksiraš kodozno bazo in vsaki datoteki pripneš vdelavo. Nato pretvoriš poizvedbo v vektor in razvrstiš datoteke glede na kosinusno podobnost, ki je standardni meri bližine med dvema vektorjema.

import numpy as np
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# 1. Index the codebase (do this once)
def index_codebase(files: list[dict]) -> list[dict]:
    """Indexes a list of files with their embeddings."""
    contents = [f["content"] for f in files]

    response = client.embeddings.create(
        model="codestral-embed-latest",
        inputs=contents,
    )

    for i, file in enumerate(files):
        file["embedding"] = response.data[i].embedding

    return files

# 2. Search by intent
def search_code(query: str, index: list[dict], top_k: int = 5) -> list[dict]:
    """Semantic search in the indexed codebase."""
    response = client.embeddings.create(
        model="codestral-embed-latest",
        inputs=[query],
    )
    query_vector = np.array(response.data[0].embedding)

    # Calculate cosine similarity
    results = []
    for file in index:
        file_vector = np.array(file["embedding"])
        similarity = np.dot(query_vector, file_vector) / (
            np.linalg.norm(query_vector) * np.linalg.norm(file_vector)
        )
        results.append({**file, "score": similarity})

    results.sort(key=lambda x: x["score"], reverse=True)
    return results[:top_k]

# 3. Usage
results = search_code(
    "function that validates an email address",
    index=my_index
)

Poglej končno poizvedbo: „function that validates an email address”. Ne vsebuje identifikatorjev projekta, imen datotek niti ključnih besed kode. To je celotna razlika v primerjavi z iskanjem besedila in orodje naredi uporabno tudi za nekoga, ki je nov v repozitoriju.

Napredni primeri uporabe

Najmočnejša kombinacija povezuje Codestral Embed s Codestralom ali splošnim modelom, kot je Mistral Small 4. To je vzorec RAG (Retrieval-Augmented Generation), uporabljen za kodo. Najprej pridobiš ustrezne datoteke, jih vstaviš v sistemsko sporočilo in nato postaviš svoje vprašanje. Model nato odgovori na podlagi tvoje kodozne baze, ne le na podlagi svojega splošnega znanja o jeziku.

# 1. Find relevant files with Codestral Embed
results = search_code("HTTP error handling", index)

# 2. Build context
context = "\n\n".join([r["content"] for r in results[:3]])

# 3. Generate a response with Codestral
response = client.chat.complete(
    model="codestral-latest",
    messages=[
        {"role": "system", "content": f"Here is the relevant code from the project:\n{context}"},
        {"role": "user", "content": "How can I improve HTTP error handling in this project?"}
    ],
)

Isti indeks služi manj bleščeči, a izjemno vredni nalogi: odkrivanju podvojene kode. S primerjavo vsakega para funkcij in označevanjem tistih s podobnostjo nad določenim pragom dobiš seznam kandidatov za refaktoriranje, ki jih nihče v ekipi ni opazil.

# Compare every pair of functions
for i, func_a in enumerate(functions):
    for j, func_b in enumerate(functions):
        if i >= j:
            continue
        similarity = cosine(func_a["embedding"], func_b["embedding"])
        if similarity > 0.90:
            print(f"Potential duplication: {func_a['name']} <-> {func_b['name']}")

Prag 0,90 moraš prilagoditi svoji kodi, preden potegneš zaključke. Če ga nastaviš prenizko, bo označil funkcije, ki so si podobne, a delajo različne stvari. Če ga nastaviš previsoko, bo zajel le dobesedne kopije – tiste, ki bi jih tako ali tako našel sam.

Ključne ugotovitve

  • Codestral Embed (v25.05) pretvori kodo v vektorje za iskanje po pomenu
  • Podpira od 1536 do 3072 dimenzij, odvisno od tvojih potreb po natančnosti
  • Iskanje po pomenu ti omogoča iskanje po namenu, ne po ključnih besedah
  • Vzorec RAG (pridobivanje + generiranje) je najmočnejši primer uporabe
  • Vdelave omogočajo tudi odkrivanje podvojitev in združevanje kode v grozde