CodeRabbit جذب سرمایه ۱۶ میلیون دلاری برای ارائه هوش مصنوعی به بررسی کدها
بررسی کدها — بررسی همکاران که به توسعه‌دهندگان کمک می‌کند تا کیفیت کد را بهبود دهند — وقت‌گیر است. طبق یک منبع، ۵۰٪ شرکت‌ها هفته‌ای دو تا پنج ساعت را صرف این کار می‌کنند. بدون حضور افراد کافی، بررسی کدها می‌تواند طاقت‌فرسا باشد و توسعه‌دهندگان را از کارهای مهم دیگر دور کند.
هارجوت گیل معتقد است که بررسی کدها به طور زیادی می‌تواند با استفاده از هوش مصنوعی اتوماتیک شود. او مؤسس و مدیر اجرایی CodeRabbit است که به تحلیل کد با استفاده از مدل‌های هوش مصنوعی برای ارائه بازخورد می‌پردازد.
پیش از تأسیس CodeRabbit، گیل مدیر ارشد فناوری در شرکت نرم‌افزاری دیتاسنتر Nutanix بود. او به این شرکت پیوست زمانی که Nutanix استارتاپ او، Netsil، را در مارس ۲۰۱۸ خرید. مؤسس دیگر CodeRabbit، گور سینگ، قبلاً تیم‌های توسعه‌دهنده را در پلتفرم پرداخت‌های بهداشتی Alegeus رهبری می‌کرد.
گیل می‌گوید پلتفرم CodeRabbit با استفاده از “منطق پیشرفته هوش مصنوعی” بررسی کدها را اتوماتیک می‌کند تا “هدف” پشت کد را “درک” کند و بازخورد “قابل اجرا” و “شبیه به انسان” به توسعه‌دهندگان ارائه دهد.
“ابزارهای تحلیل استاتیک سنتی و لینترها مبتنی بر قوانین هستند و اغلب نرخ بالای مثبت کاذب تولید می‌کنند، در حالی که بررسی‌های همکاران وقت‌گیر و ذهنی هستند،” گیل به TechCrunch گفت. “CodeRabbit، در نقطه مقابل، یک پلتفرم با اولویت هوش مصنوعی است.”
این ادعاها بلندپروازانه هستند و با کلمات متداول همراهند. متأسفانه برای CodeRabbit، شواهد حکایتی نشان می‌دهد که بررسی کدهای مبتنی بر هوش مصنوعی تمایل دارند به نسبت نمونه های انسانی پایین‌تر باشند.
در یک پست وبلاگی، گرگ فاستر از Graphite می‌نویسد درباره تجربیات داخلی برای استفاده از GPT-4 OpenAI در بررسی کدها. اگرچه مدل می‌توانست چند نکته مفید — مثل خطاهای منطقی کوچک و اشتباهات املایی — را پیدا کند، اما تعداد زیادی مثبت کاذب تولید می‌کرد. حتی تلاش‌ها برای تنظیم دقیق این مشکل را به طور قابل توجهی کاهش نداد، به گفته فاستر.
این موارد افشاگری نیستند. یک مطالعه اخیر از دانشگاه استنفورد نشان داد که مهندسانی که از سیستم‌های تولید کد استفاده می‌کنند بیشتر ممکن است آسیب‌پذیری‌های امنیتی را در برنامه‌هایی که توسعه می‌دهند معرفی کنند. حقوق‌مؤلف نیز یک نگرانی جاری است.
همچنین معایب لجستیکی استفاده از هوش مصنوعی برای بررسی کدها وجود دارد. همانطور که فاستر اشاره می‌کند، بررسی کدهای سنتی تر، مهندسان را مجبور می‌کنند از طریق جلسات و مکالمات با همکاران توسعه‌دهنده خود یاد بگیرند. واگذاری بررسی‌ها این اشتراک دانش را تهدید می‌کند.
گیل احساس متفاوتی دارد. “رویکرد با اولویت هوش مصنوعی CodeRabbit کیفیت کد را بهبود می‌بخشد و به طور قابل توجهی تلاش دستی مورد نیاز در فرایند بررسی کد را کاهش می‌دهد،” او گفت.
برخی افراد این پیشنهاد فروش را قبول کرده‌اند. حدود ۶۰۰ سازمان امروز بابت خدمات CodeRabbit پرداخت می‌کنند، گیل ادعا می‌کند، و CodeRabbit با “چندین” شرکت فورچون ۵۰۰ در حال آزمایش است.
همچنین سرمایه‌هایی نیز دارد: CodeRabbit امروز اعلام کرد که دور جذب سرمایه سری A به مبلغ ۱۶ میلیون دلار به رهبری CRV و با مشارکت Flex Capital و Engineering Capital به پایان رسانده است. با این مبلغ جدید، جمع سرمایه‌گذاری‌های این شرکت تا کنون تقریباً به ۲۰ میلیون دلار می‌رسد و این وجه جهت توسعه فعالیت‌های فروش و بازاریابی ۱۰ نفره این شرکت و محصولات آن با تمرکز بر بهبود قابلیت‌های تحلیل آسیب‌پذیری‌های امنیتی استفاده خواهد شد.
“ما در ادغام‌های عمیق‌تر با پلتفرم‌هایی مانند Jira و Slack، همچنین ابزارهای آنالیز و گزارش‌دهی مبتنی بر هوش مصنوعی سرمایه‌گذاری خواهیم کرد،” گیل گفت، و افزود که CodeRabbit مستقر در منطقه خلیج در حال راه‌اندازی دفتر جدیدی در بنگلور است که به طور تقریبی اندازه تیم را دو برابر خواهد کرد. “پلتفرم همچنین اتوماسیون پیشرفته AI برای مدیریت وابستگی‌ها، بازسازی کد، تولید تست واحد و تولید مستندات معرفی خواهد کرد.”
