گابریل چوا، مهندس تجربه توسعهدهنده در OpenAI برای منطقه آسیا-پاسیفیک، دیدگاه خود را در مورد اصطلاحات گیجکننده Codex ارائه میدهد، که میتواند به مجموعهای از موارد مختلف در اکوسیستم OpenAI اشاره داشته باشد. او Codex را به عنوان یک عامل مهندسی نرمافزار OpenAI تعریف میکند که از طریق چندین رابط در دسترس است و یک عامل شامل یک مدل، دستورالعملها و ابزارها است که میتواند وظایف را از طرف شما اجرا کند.
او Codex را به سه بخش اصلی تقسیم میکند: مدل، Harness و Surfaces. Harness به عنوان مجموعهای از دستورالعملها و ابزارها تعریف میشود که کد منبع باز و در مخزن openai/codex قرار دارد. Surfaces نحوه تعامل شما با عامل را مشخص میکند. این تفکیک به درک بهتر اجزای تشکیلدهنده Codex کمک میکند.
نکته قابل توجه این است که مدلهای Codex مستقیماً برای Harness Codex آموزش داده میشوند. استفاده از ابزارها، حلقههای اجرایی، فشردهسازی و اعتبارسنجی تکراری رفتارهای از پیش تعیینشده نیستند، بلکه بخشی از نحوه یادگیری مدل برای عملکرد هستند. Harness نیز بر اساس نحوه برنامهریزی مدل، فراخوانی ابزارها و بازیابی از خرابی شکل گرفته است. این رویکرد نشاندهنده یکپارچگی عمیقتر بین مدل و ابزارهای آن است.
این مقاله به بررسی معماری Codex و نحوه آموزش آن میپردازد و نشان میدهد که OpenAI چگونه از Harness برای بهبود قابلیتهای Codex در استفاده از ابزارها و حل مسائل پیچیده استفاده میکند. این موضوع برای توسعهدهندگانی که به دنبال درک بهتر از قابلیتهای AI-assisted-programming و استفاده از ابزارهای generative-ai در توسعه نرمافزار هستند، اهمیت دارد.
این دیدگاه از یک فرد داخلی در OpenAI، اطلاعات ارزشمندی در مورد نحوه توسعه و آموزش مدلهای Codex ارائه میدهد و میتواند به توسعهدهندگان در استفاده موثرتر از این ابزارها در پروژههای C# و سایر پروژههای DotNet کمک کند.
مشاهده مطلب اصلی