Cevovodi samodejnega kodiranja
Na tej strani
- Samodejno razvijanje s Codestralom in splošnim modelom
- Arhitektura cevododa za kodo
- 1. korak: Iskanje kode s Codestral Embed
- 2. korak: Generiranje kode s Codestralom
- 3. korak: Pregled kode z Mistral Small 4
- Celoten cevovod: Od naloga do PR-ja
- Integracija s CI/CD
- Pogoste variacije v proizvodnji
- Ključne ugotovitve
Lekcija posodobljena 2. novembra 2026. Korak pregleda se je prej zanašal na model Devstral, ki je bil 31. julija 2026 umaknjen iz API-ja. Zdaj uporablja Mistral Small 4 (
mistral-small-2603). Vir: Modeli.
Samodejno razvijanje s Codestralom in splošnim modelom
Do zdaj smo vsako orodje Mistral AI predstavili posebej, pri čemer je pred njim deloval človeški uporabnik. Njihova prava vrednost pride do izraza, ko jih povežeš v verigo. Codestral Embed, Codestral in splošni model, kot je Mistral Small 4, tvorijo samodejni razvojni cevovod, ki zmore iskati, generirati in pregledovati kodo brez ročnega posredovanja na vsakem koraku.
Arhitektura cevododa za kodo
Popoln cevovod se razdeli na tri faze, pri čemer je vsaka dodeljena modelu, ki najbolje obvlada to specifično nalogo.
- Iskanje kode — Poišči ustrezno kodo v kodišču (Codestral Embed)
- Generiranje kode — Generiraj ali spremeni kodo (Codestral)
- Pregled kode — Preveri in potrdi spremembe (Mistral Small 4)
Podatkovni tok beri od zgoraj navzdol; vsak blok porabi izhod prejšnjega.
Uporabniško zahtevo
|
[Codestral Embed] -> Ustrezne datoteke
|
[Codestral] -> Generirana/Spremenjena koda
|
[Mistral Small 4] -> Samodejni pregled
|
Pull Request / Commit
1. korak: Iskanje kode s Codestral Embed
Generiranje kode brez poznavanja obstoječega kodišča proizvede rezultate, ki niso podobni preostanku projekta. Prvi korak je zato lociranje ustreznih datotek z uporabo vgradnega indeksa (embedding index), zgrajenega v prejšnji lekciji. Spodnja funkcija opis naloge pretvori v vektor, ga primerja z vsako indeksirano datoteko in vrne pet najboljših ujemanj.
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. korak: Generiranje kode s Codestralom
Ko imaš kontekst, lahko Codestral generira kodo. Kakovost izhoda je odvisna od tega, kako ta kontekst predstaviš: združi pridobljene datoteke v sistemsko sporočilo in dodaj izrecno navodilo za spoštovanje obstoječih konvencij. Nastavitev temperature=0.1 ohrani izhod blizu determinističnega, kar je zaželeno, ko se mora generirana koda brezhibno vključiti v projekt, namesto da bi presenetila avtorja.
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. korak: Pregled kode z Mistral Small 4
Nadzor pride nazadnje. Mistral Small 4 prejme stanje pred spremembo, stanje po spremembi in opis naloge, nato pa svojo sodbo izda v strogem formatu JSON. Ta izbira je ključna: pregledi v prosti obliki niso uporabni za nadaljnjo kodo, medtem ko boolovo polje approved omogoča avtomatizacijo naslednjih korakov. Zahtevane kategorije namerno ločujejo blokirajoče težave, predloge za izboljšave in varnostne pomisleke, saj zahtevajo različno obravnavo.
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
Celoten cevovod: Od naloga do PR-ja
Zdaj lahko te tri funkcije združiš v eno samo verigo, ki se začne z nalogom (ticket) in konča s pregledano kodo. Ohrani prepletene ukaze print: v samodejnem cevovodu je beleženje tega, kaj je bilo najdeno, generirano in pregledano, edini način, da kasneje razumeš, zakaj te je rezultat razočaral.
def ticket_to_code_pipeline(ticket: str, codebase_index: list) -> dict:
"""Complete pipeline: ticket -> code -> review."""
# 1. Kontekstualno iskanje
relevant_files = search_context(ticket, codebase_index)
print(f"Files found: {[f['path'] for f in relevant_files]}")
# 2. Generiranje kode
generated_code = generate_code(ticket, relevant_files)
print(f"Generated code: {len(generated_code)} characters")
# 3. Samodejni pregled
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
Ta mehanizem doseže svoj polni potencial, ko ga povežeš s svojim CI. Delovni tok GitHub Actions, ki se sproži ob vsakem odprtju ali posodobitvi pull requesta, zadostuje za izvajanje pregleda vsake predlagane spremembe brez človeškega razmišljanja.
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 }}
Klicani skript pridobi razliko (diff), vsako spremenjeno datoteko posreduje funkciji review_code in komentira PR le, če pregled ne dobi odobritve. Ta pogoj je bistven: bot, ki komentira vse, postane šum, ki ga ekipa v nekaj dneh neha upoštevati.
# scripts/ai_review.py
def review_pull_request(pr_number: int):
"""Automated PR review with Mistral Small 4."""
# 1. Pridobi diff PR-ja
diff = get_pr_diff(pr_number)
# 2. Analiziraj vsako spremenjeno datoteko
for file in diff.files:
review = review_code(
original_code=file.before,
modified_code=file.after,
description=diff.title,
)
# 3. Objavi komentar na PR
if not review["approved"]:
post_pr_comment(pr_number, file.path, review)
Pogoste variacije v proizvodnji
Ekipa, ki sprejme ta vzorec, ga prilagodi več ponavljajočim se primerom uporabe. Prvič, samodejno generiranje testov: za vsako novo datoteko cevovod proizvede ustrezne teste, s čimer se opravilo prestavi, a pregled ne izgine. Drugič, neprekinjena dokumentacija, kjer se docstringi generirajo in posodabljajo ob vsakem commitu, namesto med revizijo. Tretjič, zaznavanje regresije, kjer model za pregled analizira razlike (diffs) zaradi verjetnih stranskih učinkov. Nazadnje, migracija kode, ki avtomatizira pretvorbo med ogrodji ali različicami – tu so prihranki časa največji, saj je transformacija ponavljajoča se, rezultat pa ga je mogoče preveriti z obstoječimi testi.
Za vse štiri velja eno opozorilo: samodejni pregled ne nadomešča človeškega pregleda. Zajame mehanske spreglede, presojo o tem, kaj je res pomembno, pa prepusti tvojim razvijalcem.
Ključne ugotovitve
- Cevovod za kodo z AI združuje iskanje (Embed), generiranje (Codestral) in pregled (Mistral Small 4)
- Codestral Embed najde kontekst, Codestral generira, splošni model pa preveri
- Integracija s CI/CD omogoča samodejne preglede in generiranje testov
- Vzorec iskanje -> generiranje -> pregled se uporablja v številnih delovnih tokovih
- Samodejni pregled ne nadomešča človeškega pregleda; dopolnjuje ga