Nach Operator (Webnavigation) und Deep Research (Informationssynthese) hat OpenAI am Freitag einen neuen Agenten vorgestellt, der der Softwareentwicklung gewidmet ist: Codex (nicht zu verwechseln mit der ersten Version von Codex, die 2021 eingeführt wurde). Dieser Agent, der in die ChatGPT-Oberfläche integriert ist, wurde entwickelt, um bestimmte Programmieraufgaben wie Codegenerierung, Fehlererkennung und -korrektur, Testschreiben oder das Erstellen von Pull-Requests zu automatisieren.
Im Gegensatz zu klassischen Code-Assistenzsystemen, die lediglich Vervollständigungen oder Vorschläge anbieten, arbeitet dieser Agent autonomer. Die Aufgaben werden in einer isolierten, cloudbasierten Umgebung ausgeführt, die mit dem vom Benutzer bereitgestellten technischen Kontext konfiguriert ist (insbesondere dem Inhalt seines Code-Repositories). Dies ermöglicht es dem Agenten, komplexe Operationen sequentiell oder parallel durchzuführen und dabei ein gewisses Maß an interner Überprüfung sicherzustellen: Er kann beispielsweise Code ausführen, die Ergebnisse analysieren, seine eigenen Änderungen anpassen und Ausgabedokumente wie Pull-Requests erstellen, die bereit zur Überprüfung sind.
Diese Arbeitsweise basiert auf einem Modell namens codex-1, einer Variante des GPT-4-Denkmodells (intern bei OpenAI als "o3" bezeichnet). Dieses Modell wurde spezifisch durch verstärkendes Lernen auf Szenarien der Softwareentwicklung verfeinert, mit dem Ziel, lesbaren Code zu erzeugen, der mit dem Stil des Projekts übereinstimmt und bewährte Praktiken respektiert.
Funktionalität und Verfügbarkeit
Codex ist über die Seitenleiste von ChatGPT zugänglich (für Benutzer der Pro, Team und Enterprise Tarife). Es gibt zwei Haupteingaben:
-
„Code“ um die Durchführung einer Aufgabe zu beantragen (Implementierung, Korrektur usw.)
-
„Ask“ um den Agenten zu einem vorhandenen Datei- oder Struktur (Funktion, Klasse, Abhängigkeit usw.) zu befragen
Die zur Ausführung benötigte Zeit hängt von der Komplexität der Aufgabe ab und variiert laut OpenAI von wenigen Minuten bis zu einer halben Stunde. Mehrere Unternehmen, darunter Cisco, Superhuman, Temporal und Kodiak, experimentieren mit dem Tool in realen Anwendungsszenarien wie der Wartung von Legacy-Code, der Generierung automatisierter Tests oder der Dokumentation von Projekten.
Der Dienst ist derzeit auf zahlende Abonnenten beschränkt, und die Erweiterung auf Nutzer des "Plus"-Angebots ist für ein späteres Datum angekündigt.
Besser verstehen
Welches potenzielle regulatorische Auswirkungen hat die Nutzung einer isolierten Cloud-basierten Umgebung für das Software-Engineering in Bezug auf Regulierung und Compliance?
Die Nutzung einer isolierten Cloud-basierten Umgebung wirft regulatorische Bedenken auf, insbesondere hinsichtlich der Datensicherheit und der Einhaltung von Datenschutzstandards wie der DSGVO. Unternehmen müssen sicherstellen, dass ihre Cloud-Hosting-Praktiken diesen Regelungen entsprechen, um rechtliche Risiken zu vermeiden.
Wie verbessert das Feintuning des codex-1-Modells mit Verstärkungslernen seine Leistung in der Softwareentwicklung?
Das Feintuning des codex-1-Modells mit Verstärkungslernen ermöglicht es dem Modell, aus seinen Fehlern zu lernen und sich dynamisch anzupassen. Dies verbessert die Fähigkeit, konsistent und im Einklang mit modernen Entwicklungspraktiken Code zu generieren und erhöht seine Genauigkeit beim Verstehen und Umsetzen von Programmieraufgaben.