A Greptile AI-ügynököket fejleszt, amelyek a teljes kódbázis kontextusát ismerve vizsgálják és tesztelik a kódváltoztatásokat. A cég célja „kevesebb hibát és megbízhatóbb szoftvert” biztosítani, mondja Daksh Gupta, a Greptile társalapítója és vezérigazgatója.
Miben különbözik a megközelítés?
Daksh szerint a validációhoz nem elég a forráskód elolvasása: sok hibát és működési problémát csak az alkalmazás tényleges futtatásakor lehet észrevenni. Ennek a feladatnak a skálázható automatizálásához a Greptile a GPT‑6 Astra modell számítógép‑használati képességeit alkalmazza.
Példaként említ egy olyan hibát, amikor egy weboldalon lévő gomb eltűnik iPhone-nézetben. GPT‑6 Astra segítségével a Greptile képes egy pull request fejlesztői szerverét elindítani, a böngészőméretet iPhone‑méretűre állítani, és felhasználói lépéseket szimulálni az alkalmazásban. A modell vizuális értelmezése lehetővé teszi, hogy megvizsgálja a képernyőt és észlelje a rejtett gombot.
Daksh rámutat, hogy hagyományos QA-csapatok minden változtatás manuális tesztelése ma már túl lassú a gyors fejlesztési ciklusokhoz képest, míg a GPT‑6 Astra lehetővé teszi az ilyen típusú alkalmazástesztelés automatizálását és üzemeltetését nagy mennyiségben.
Biztonság: Daybreak és a kisebb cégek védelme
A modellalapú automatizáció előnyei mellett Daksh figyelmeztet, hogy a nagyobb képességű modellek egyben könnyebb célponttá tehetik az alkalmazásokat a támadók számára. Ennek megoldására a Greptile Daybreak nevű eszközt használja, amellyel a vállalat szerint biztonságosan lehet megerősíteni a rendszereket.
„Az a célunk, hogy még egy startup számára is egyszerűvé tegyük rendszereinek biztonságossá tételét” — mondja Daksh. Hozzáteszi, hogy Daybreak lehetővé teszi, hogy ügyfeleik védelmi mechanizmusai szerinte fejlettebbek legyenek, mint a lehetséges támadók támadóeszközei.
Tudásbázis, Codex és kevesebb visszavonás
A Greptile Knowledge Base indexeli a vállalat kódbázisát és dokumentálja annak működését formailag olvasható módon emberek és ügynökök számára. Ezt a dokumentációt a Greptile egy Model Context Protocol (MCP) szerveren keresztül teszi elérhetővé a Codex számára.
Ennek köszönhetően a Codex olyan kódot tud generálni, amely a megrendelő meglévő mintáit követi. Daksh szerint több ezer ügyfél csatlakoztatta a Codexet a Greptile tudásbázisához. A hatás mérésére a Greptile azt méri, milyen gyakran vonják vissza az AI által generált kódot: ha az ügynökök kontextussal dolgoznak, kevesebb a visszavonás, és ügyfelek időt és számítási erőforrást takarítanak meg.
Ezeket a megtakarításokat a vállalatok új fejlesztési feladatokra fordíthatják ahelyett, hogy ugyanazon módosításokat újra és újra javítanák.
Saját fejlesztés: Codex használata belső csapatoknál
A Greptile maga is intenzíven használja a Codexet saját szoftverének és ügynökeinek fejlesztéséhez. Daksh elmondása szerint a cég „óriási mennyiségben” használja a Codexet az összes funkcióban, különösen a mérnöki területen.
A szűk keresztmetszet és a jövőkép
Daksh szerint a jelenlegi korlát nem a modellek intelligenciája, hanem az, hogy a csapat milyen gyorsan tud ötleteket működő szoftverre fordítani. Úgy látja, hogy a modellek már sok feladathoz elegendő intelligenciát kínálnak, és az Ultrafast nevű megközelítést a fejlesztés felgyorsítására használják.
Hosszabb távon a Greptile célja az, hogy a kritikus vállalati szoftverek módosítása és kiadása legalább olyan egyszerű legyen, mint egy kisebb mellékprojekt telepítése — ebben az OpenAI-val való együttműködés segíti őket a szükséges validáció felépítésében.
Összefoglalás
A Greptile kombinálja a GPT‑6 Astra futtatási és vizuális képességeit, a Daybreak biztonsági megoldásait és a Codex generatív erejét a kód- és alkalmazástesztelés automatizálására. Ennek célja a hibák csökkentése, a visszavonások számának mérséklése és a szoftverfejlesztés felgyorsítása anélkül, hogy a biztonságot elhanyagolnák.
