🎯 О чём этот конспект: Разбор философии и технологического стека компании Sourcegraph от её сооснователя и CTO Бьонга Лю. В центре внимания — ИИ-ассистент Cody, который использует уникальный движок контекстного поиска для работы с огромными корпоративными репозиториями.
👤 Кому будет полезно: Вайбкодерам, системным архитекторам и разработчикам, которые хотят перестать тратить 90% времени на чтение чужого кода и поиск багов в legacy-системах.
✨ Что получите: Понимание того, как работает современный RAG (Retrieval-Augmented Generation) в разработке, почему выбор модели (Model Agnostic) критичен для успеха и как использовать контекст всей кодовой базы для генерации точного кода без галлюцинаций.
1. Контекст — это «L1 кэш» для мозга разработчика
Контекст: Основная проблема разработки в крупных компаниях — не написание кода, а его понимание. Разработчики тратят до 90% времени на «прогрузку» контекста: поиск определений, чтение документации и понимание связей в legacy-коде. Бьонг Лю утверждает, что ИИ без контекста бесполезен — он будет выдавать средний код из Stack Overflow, который не заработает в вашей специфической среде или, что хуже, будет галлюцинировать несуществующими внутренними API.
Выгода: Сокращение времени на исследование кодовой базы и получение ответов, которые учитывают внутренние зависимости вашего проекта.
Как применить:
- Шаг 1: Индексация — [Sourcegraph] — Подключите свой репозиторий к Sourcegraph для создания графа зависимостей и семантического индекса.
- Шаг 2: Использование Cody — [Cody AI] — Вместо того чтобы спрашивать «Как написать функцию X?», спрашивайте «Как написать функцию X, используя наши существующие утилиты для обработки дат?».
- Шаг 3: RAG-механика — [Cody Engine] — Позвольте ассистенту самому извлекать релевантные сниппеты из вашего закрытого кода через встроенный движок поиска.
Результат: ИИ генерирует код, который компилируется и соответствует архитектурным стандартам вашей компании.
2. Model Agnostic подход: Свобода выбора LLM
Контекст: Рынок ИИ меняется еженедельно. Сегодня лидирует Claude 3.5 Sonnet, завтра — GPT-4o, послезавтра — новая модель от DeepSeek или Google. Завязываться на одного провайдера (как это делает GitHub Copilot) — стратегическая ошибка. Cody позволяет переключать модели «на лету» в зависимости от задачи: одна модель лучше пишет тесты, другая — объясняет сложный код, третья — работает быстрее.
Выгода: Вы всегда используете самую мощную модель на рынке, не меняя рабочий инструмент.
Как применить:
- Шаг 1: Настройка расширения — [Cody VS Code Extension] — В настройках выберите провайдера (Anthropic, OpenAI, Google).
- Шаг 2: Тестирование задач — Попробуйте Claude 3.5 Sonnet для сложного рефакторинга и GPT-4o для написания документации.
- Шаг 3: Локальные модели — Для полной приватности используйте Cody с локальными моделями через Ollama.
Результат: Гибкость в выборе инструментов и защита от деградации конкретной модели.
3. Автоматизация 99% рутины (Toil)
Контекст: Бьонг Лю разделяет работу программиста на «креативную искру» (1%) и «рутину» (99%: написание тестов, бойлерплейта, документации). Цель Sourcegraph — автоматизировать эти 99%, чтобы разработчик превратился в «дирижёра» ИИ-агентов. Важно не просто генерировать код, а делать это через Prompt Library — общие для команды шаблоны промптов.
Выгода: Высвобождение времени для архитектурных решений и продуктовых фич.
Как применить:
- Шаг 1: Prompt Library — [Cody] — Создайте стандартные промпты для вашей команды (например, «Сгенерируй юнит-тест по нашему шаблону Jest»).
- Шаг 2: Open Context Protocol — Используйте этот протокол для подключения к ИИ не только кода, но и логов, тикетов в Jira и документации в Confluence.
- Шаг 3: Итеративная автоматизация — Начните с мелких задач (объяснение кода), переходя к агентским функциям (исправление багов по логам).
Результат: Стандартизация качества кода в команде и ускорение онбординга новых сотрудников.
4. Различия между ИИ-хайпом и реальностью
Контекст: CTO Sourcegraph предупреждает: многие демо-версии «автономных ИИ-разработчиков» — это просто красивые картинки для инвесторов. В реальности полная замена разработчика невозможна в ближайшее время. Профессионал нужен для верификации и направления ИИ. Настоящая ценность — в глубокой интеграции с существующим (Legacy) кодом, а не в создании To-Do приложений с нуля.
Выгода: Трезвый взгляд на инструменты и отказ от завышенных ожиданий, которые ведут к разочарованию.
Как применить:
- Принцип 1: Всегда делайте «простую и глупую» вещь первой (Baseline). Не гонитесь за сложными агентами, если обычный RAG решает задачу.
- Принцип 2: Фокусируйтесь на приватных данных. Публичный код ИИ и так знает, ваша сила — в знании вашего закрытого репозитория.
Результат: Стабильный процесс разработки без слепого доверия «черным ящикам» ИИ.
Sourcegraph & Cody: ответы на частые вопросы
В: Чем Cody принципиально отличается от GitHub Copilot? О: Главное отличие — в качестве контекста. Cody использует всю мощь поискового движка Sourcegraph для индексации всего вашего репозитория, а не только открытых в редакторе вкладок. Также Cody позволяет выбирать между разными LLM (Claude, GPT, Gemini), в то время как Copilot ограничен экосистемой OpenAI.
В: Безопасно ли отдавать свой код в Cody? О: Sourcegraph работает с Fortune 500 и государственными структурами. Они предлагают Enterprise-решения с гарантией того, что ваш код не будет использован для обучения публичных моделей. Есть возможность развертывания в закрытом контуре.
В: Что такое Open Context Protocol? О: Это новый стандарт (по аналогии с LSP — Language Server Protocol), который позволяет подключать к ИИ-ассистенту любые источники данных: Jira, Slack, логи, документацию. Это дает ИИ полную картину происходящего в компании, а не только доступ к коду.
В: Нужно ли мне учиться промпт-инжинирингу? О: Бьонг Лю считает, что будущее за Prompt Libraries. Опытные разработчики создают эффективные промпты, а остальная команда просто использует их как готовые функции. Это снижает порог входа для использования ИИ.
В: Заменит ли ИИ разработчиков в ближайшие 18 месяцев? О: По мнению CTO Sourcegraph — нет. Это «хайп». ИИ станет мощным инструментом автоматизации рутины, но творческая составляющая и ответственность за архитектуру останутся на человеке. Объем кода в мире вырастет в разы, и управлять этим хаосом без людей будет невозможно.
Конспект создан на основе видео «Sourcegraph CTO Beyang Liu on the Future of AI-Powered Code Intelligence» канала SourceForge. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=r8QIMmeVdHY