“L'ingegneria del software sta cambiando e alla fine del 2025 sembrerà fondamentalmente diverso.“La linea di apertura di Greg Brockman all'evento di lancio di Openi ha dato il tono a quello che è seguito. Openi ha rilasciato Codex, un agente software nativo cloud progettato per funzionare insieme agli sviluppatori.
Il codice non è un singolo prodotto ma una famiglia di agenti alimentati dal Codice – 1, l'ultimo modello di codifica di Openi. Codice CLI, arrivato qualche settimana fa come compagno leggero che corre all'interno del tuo terminale. Oggi i riflettori si spostano verso il suo più grande, remoto agente che è completamente d'aviazione Chatgpt. Puoi far girare migliaia di “mini -computer” paralleli e affrontare più compiti mentre sei fuori a prendere il caffè. Questo articolo sarà una panoramica del Codice su Chatgpt e presto pubblicheremo alcuni articoli basati su progetti sull'argomento.
Dal completamento automatico alla codifica dell'atmosfera autonoma
Il viaggio di Openi verso la codifica simile a agenti è iniziato nel 2021 con il modello di Codice originale, che ha alimentato GitHub Copilot. All'epoca, funzionava come un completamento automatico intelligente, aiutandoti a finire le linee di codice. Da allora, con anni di progresso Apprendimento del rinforzoIl codice è diventato più capace.
Oggi, nei tempi di Codice vibranteDescrivi semplicemente ciò che vuoi in un linguaggio semplice e il codice capisce come costruirlo. L'ultimo modello, Codice – 1, è costruito su Openi's O3 Architettura e perfezionati su vere richieste di pull. È addestrato per generare codice, seguire le migliori pratiche come il rivestimento, il test e lo stile coerente, rendendolo utile per lo sviluppo del mondo reale.
Leggi anche: Una guida per padroneggiare la codifica artistica
Come accedere al codice nell'interfaccia CHATGPT?
- Apri Chatgpt e vai alla barra laterale “Codex” nella guida di navigazione a sinistra vedrai un nuovo “Codice (beta)” icona. Fai clic su di esso per rivelare la dashboard dell'agente.
- Connetti GitHub (solo in prima volta): Un singolo clic OAuth autorizza il codice per leggere/scrivere sui tuoi repository. Puoi limitarlo a organizzazioni specifiche o progetti personali.
- Seleziona un repository e una filiale: Scegli il progetto su cui vorresti lavorare Codex (ad es.
mainOfeature/ui‑overhaul). L'agente clone questo ramo nella propria sandbox. - Configura l'ambiente (opzionale): Aggiungi variabili di ambiente, segreti o comandi di configurazione, proprio come un lavoro CI. Linters e formattenti sono pre -installati, ma puoi prevalere sulle versioni.
- Scegli un modello di attività:
- Chiedere: “Spiega l'architettura.”
- Codice: “Trova e correggi il test flakey in test_api.py.”
- Suggerire: Lascia che il codice scansiona il repository e proponga le faccende di manutenzione.
- O semplicemente digitare un'istruzione personalizzata in linguaggio naturale.
- Run & Multitask: Premere “Lancio”. Ogni lavoro gira il proprio micro -VM; Puoi fare la fila dozzine in parallelo e continuare a chattare altrove in Chatgpt.
- Revisione dei risultati: Check -mark verdi indicano i test di passaggio. Fai clic su una scheda di attività per visualizzare la differenziazione, la spiegazione del modello e il log completo.
- Unire o iterare: Colpo “Open PR” Per riportare il ramo su GitHub o rispondere all'attività con istruzioni di follow -up se sono necessarie modifiche.
Demo del codice aperto
In questa sezione, sto condividendo i diversi esempi che dimostrano come questo nuovo agente di sviluppo software possa ordinare la tua vita!
Esempio 1: accelerare lo sviluppo
L'ingegnere di Openai Nacho Soto dimostra come il CODEX lo aiuta a iniziare nuove attività più velocemente impostando impalcature del progetto, come i pacchetti rapidi. Usando i prompt, potrebbe scaricare il lavoro di configurazione e concentrarsi sulla costruzione di funzionalità, mentre il Codice gestisce il resto in background.
https://www.youtube.com/watch?v=wsAkqlzszyw
Esempio 2: rivedere i flussi di lavoro
Il CODEX supporta non solo la generazione di codice ma anche i flussi di lavoro. Gli sviluppatori esaminano le richieste di pull generate dall'IA, identificano problemi come la formattazione e il codice prompt per apportare correzioni.
https://www.youtube.com/watch?v=o-zfxbfamku
Esempio 3: fissaggio di carta con il codice
L'ingegnere Max Johnson descrive come il Codice aiuta ad affrontare i piccoli bug e problemi di qualità del codice, senza interrompere la messa a fuoco. Invece di cambiare contesti, delega queste attività al codice e rivede l'output in seguito, migliorando la base di codice.
https://www.youtube.com/watch?v=yhzfc1ih7jw
Esempio 4: trovare un errore in codebase durante una chiamata
Calvin spiega come il CODEX assiste con compiti urgenti durante i turni di chiamata. Inviando tracce di stack al Codice, ottiene rapidamente diagnostica o correzioni. Aiuta anche a sintonizzare gli avvisi e gestire il lavoro di routine, riducendo le spese generali manuali.
https://www.youtube.com/watch?v=9nt_t9pzhg8
O3 vs Codice
Richiesta: “Risolvi il seguente problema nel repository Matplotlib /Matplotlib. Risolvi il problema nel problema seguente mediante modifica dei file del codice di test nella sessione di esecuzione del codice corrente. Il repository viene clonato nella cartella /Testbed. È necessario risolvere completamente il problema per essere considerato la tua risposta.”
Problem statement:(Bug): Windows correction is not correct in `mlab._spectral_helper`
### Bug summaryWindows correction is not correct in `mlab._spectral_helper`:
https://github.com/matplotlib/matplotlib/blob/3418bada1c1f44da1f73916c5603e3ae79fe58c1/lib/matplotlib/mlab.py#L423-L430The `np.abs` is not needed, and give wrong result for window with negative value, such as `flattop`.
For reference, the implementation of scipy can be found here :
https://github.com/scipy/scipy/blob/d9f75db82fdffef06187c9d8d2f0f5b36c7a791b/scipy/signal/_spectral_py.py#L1854-L1859### Code for reproduction
```python
import numpy as np
from scipy import signal
window = signal.windows.flattop(512)
print(np.abs(window).sum()**2-window.sum()**2)
```### Actual outcome
4372.942556173262
### Expected outcome
0
### Additional information
_No response_
### Operating system
_No response_
### Matplotlib Version
latest
### Matplotlib Backend
_No response_
### Python version
_No response_
### Jupyter version
_No response_
### Installation
None
Produzione:
Osservazione:
La correzione generata dal codice è più accurata e completa dell'uscita O3, in quanto rimuove correttamente l'uso inutile np.abs() nella normalizzazione della finestra all'interno mlab._spectral_helperche ha causato risultati errati per Windows con valori negativi come flattop. Il codice sostituisce la normalizzazione difettosa con espressioni matematicamente appropriate, utilizzando (window**2).sum() invece di (np.abs(window)**2).sum()—Inlineate con le migliori pratiche viste nell'implementazione di Scipy. Aggiunge inoltre un test unitario per convalidare il comportamento, garantendo che la correzione sia verificabile e robusta. Al contrario, l'output O3 appare incompleto e non affronta chiaramente il bug principale, rendendo il Codice la soluzione migliore.
Funzionante del codice
- Codex scrive codice: Il modello inizia generando codice per risolvere un determinato compito.
- Esegue il codice: L'output non è solo valutato per la plausibilità, ma effettivamente eseguito.
- Controlla i risultati del test: Codex osserva se il codice generato supera i test pertinenti.
- Viene premiato solo se l'attività è completata correttamente: A differenza degli LLM tradizionali che si concentrano sulla previsione della parola successiva, il codice ottiene un punteggio elevato solo se il codice funziona end-to-end.
- Impara attraverso il feedback: Se il codice non riesce, il CODEX si riunisce: creazione di script di riproduzione, correzione di errori di lanugine e regolazione della formattazione fino a quando non soddisfa gli standard.
- Si evolve come uno sviluppatore junior: Questo metodo di formazione insegna al Codice a comportarsi meno come un generatore di testo e più come un ingegnere ponderato che segue pratiche di codifica del mondo reale.
Codex – 1 supera i modelli precedenti sia in benchmark standardizzati che nei flussi di lavoro aperti interni. Come mostrato di seguito, raggiunge una maggiore precisione sul benchmark verificato dal panchina SWE in tutti i conteggi dei tentativi e conduce nelle attività di ingegneria del software interno di Openi. Ciò evidenzia l'affidabilità del mondo reale del Codex-1, in particolare per gli sviluppatori che lo integrano nei flussi di lavoro quotidiani.
Una sbirciatina all'interno del seminario cloud
Ogni volta che si preme ⏎ Esegui nella barra laterale del codice, il sistema crea una sandbox Micro -VM: il proprio sistema di file, CPU, RAM e politica di rete bloccata. Il repository è clonato, le variabili di ambiente iniettate e gli strumenti di sviluppatori comuni (linter, formattenti, corridori di prova) sono pre -installati. Tale isolamento offre due benefici immediati:
- Sicurezza e riproducibilità – Script canaglia non possono toccare il tuo laptop o segreti di perdite; L'intera corsa può essere riprodotta in seguito.
- Parallelismo su vasta scala – Hai bisogno di fissare errori di battitura, armonizzare i tempi e cacciare un bug misterioso? Avvia tre attività e rivedi i risultati fianco a fianco.
Un file Agents.md opzionale si comporta come un readme per i robot: descrivi il layout del progetto, come eseguire test, lo stile di commit preferito, anche una richiesta di stampare gatti ASCII tra i passaggi. Più sono ricche le istruzioni, si comporta il codice più fluido.
Disponibilità, limiti e cosa succede
Codex è attualmente disponibile per gli utenti di Chatgpt Pro, Enterprise e Team. Gli utenti di livello libero ed EDU dovrebbero accedere presto. Durante l'anteprima della ricerca, l'utilizzo è soggetto a limiti generosi, ma questi possono evolversi in base alla domanda. I piani futuri includono un'API per il Codice, l'integrazione nelle condutture CI e l'unificazione tra le versioni CLI e CHATGPT per consentire i senza soluzione di continuità tra lo sviluppo locale e il cloud.
Leggi anche:
Conclusione
“Ho appena ottenuto un refactor multi -file che non ha mai toccato il mio laptop.”
– Ingegnere Openi
Storie come questo suggeriscono un futuro in cui la codifica ricorda l'orchestrazione di alto livello: fornisci intenti, l'agente matura attraverso i dettagli. Il Codice rappresenta uno spostamento nel modo in cui gli sviluppatori interagiscono con il codice, passando dalla scrittura manualmente all'orchestrazione di attività di alto livello. Gli ingegneri ora si concentrano maggiormente su intenti e validazione, mentre il codice gestisce l'esecuzione. Per molti, questo segnala l'inizio di un nuovo flusso di lavoro di sviluppo, in cui la collaborazione umana e agente diventa lo standard piuttosto che l'eccezione.
Come hai intenzione di usare il codice? Fammi sapere nella sezione commenti qui sotto!
Ciao, sono Nitika, un creatore di contenuti esperti di tecnologia e marketer. Creatività e apprendimento di cose nuove mi vengono naturali. Ho esperienza nella creazione di strategie di contenuto basate sui risultati. Sono esperto di gestione SEO, operazioni di parole chiave, scrittura di contenuti Web, comunicazione, strategia di contenuti, editing e scrittura.
Accedi per continuare a leggere e godere di contenuti curati da esperti.
Fonte: www.analyticsvidhya.com
