𝗢𝗹𝗹𝗮𝗺𝗮 वापरून एक 𝗟𝗼𝗰𝗮𝗹 𝗔𝗜 𝗖𝗼𝗱𝗲 𝗥𝗲𝘃𝗶𝗲𝘄𝗲𝗿 तयार करा
तुमचे CI 'green' आहे पण ते वरवरचे आहे. एखादा सहकारी कामात व्यस्त असल्यामुळे एखादी साधी चूक (bug) सोडून देऊ शकतो. तुम्ही एका local LLM चा वापर करून 'दुसरे डोळे' (second pair of eyes) तयार करू शकता.
तुम्ही एक TypeScript CLI तयार करू शकता जे तुम्ही commit करण्यापूर्वी तुमच्या staged git diff चे परीक्षण करेल. यामुळे तुमचा कोड खाजगी राहतो. यासाठी कोणत्याही API keys किंवा cloud providers ची गरज पडत नाही.
हे टूल कसे काम करते:
• git diff --cached वापरून staged diff मिळवा.
• एका विशिष्ट prompt सह diff Ollama कडे पाठवा.
• JSON outputची मागणी करा आणि Zod वापरून त्याचे प्रमाणीकरण (validate) करा.
• मिळालेले निष्कर्ष (findings) तुमच्या terminal वर प्रिंट करा.
• याला pre-commit hook म्हणून सेट करा.
चांगल्या निकालांसाठी तांत्रिक निवडी:
• prompt मधून ANSI codes काढण्यासाठी --no-color वापरा.
• मॉडेलला तीन ओळींचा संदर्भ (context) देण्यासाठी -U3 वापरा.
• निश्चित (deterministic) निकालांसाठी temperature 0 वर सेट करा.
• style आणि naming preferences दुर्लक्षित करण्यासाठी एक विशिष्ट system prompt वापरा.
मॉडेलचे लक्ष logic errors, null access आणि security issues वर केंद्रित करा. त्याला काय दुर्लक्षित करायचे आहे ते सांगा. लहान मॉडेलला काय शोधायचे आहे हे सांगण्यापेक्षा, काय रिपोर्ट करायचे नाही हे सांगणे अधिक प्रभावी ठरते.
Local models साठी एक व्यावहारिक workflow:
• तुमच्या git hook साठी qwen2.5-coder:7b वापरा.
• जलद local testing साठी qwen2.5-coder:1.5b वापरा.
• फक्त उच्च तीव्रतेच्या (high severity) bugs वर commits ब्लॉक करा.
• मध्यम आणि कमी तीव्रतेचे (medium and low severity) निष्कर्ष केवळ सल्लागार (advisory) म्हणून ठेवा.
Local models हे staff engineers नाहीत. अनेक फाइल्समध्ये पसरलेले जटिल logic ते ओळखू शकत नाहीत. ते 'false positives' देखील देऊ शकतात. तथापि, ते missing awaits किंवा चुकीचे operators यांसारख्या लहान चुका शोधून काढतात.
pull request पर्यंत पोहोचण्यापूर्वी निष्काळजी चुका (careless bugs) पकडण्यासाठी या टूलचा वापर करा. यामुळे तुमच्या टीमचा वेळ वाचतो आणि तुमचा कोड स्वच्छ (clean) राहतो.
ऐच्छिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi