Comments 8
Хорошо вам, раз не запрещают корпоративный код отправлять в различные сторонние сервисы, либо код неконфиденциальный.
>создадим с нуля
>берём готовую нейронку
Хех мда
Есть несколько вопросов:
Есть ли у вас какие-то метрики полезности замечаний от модели? Всё по делу пишет или половину потом приходится игнорировать?
Продолжают ли обычные разработчики делать ревью или всё отдали на откуп модели?
Добавляете ли в контекст что-то кроме диффов? Либо предоставляете модели какие-то инструменты для доступа к командным договоренностям и поиску мест, которые могут затронуть изменения? Просто посмотреть на диффы часто недостаточно для хорошего ревью. У разработчика здесь гораздо больше возможностей: опыт, знание проекта, IDE под рукой для поиска связанного кода. Если у модели ничего этого нет, то ревью чаще всего будет поверхностным. Можно, например, посмотреть как в qodo это сделано и позаимствовать идеи:)
И пара уточнений по работе с запросами: промпт и диффы лучше разделять на пару сообщений system и user, это позволит кэшировать промпты, если модель это поддерживает и чуть-чуть экономить в стоимости; опять же, если модель поддерживает structured outputs, то лучше в запросах явно указывать схему, чтобы модель не сильно фантазировала в ответах и меньше кода писать на разбор этих фантазий.
Привет! Спасибо огромное за советы. Попробую их применить. Что касается трёх пунктов, то тут пока нет очевидных ответов - всё на этапе внедрения и экспериментов.
Создаём AI-ассистента для код-ревью с нуля