חברת Optimal AI משתמשת ב-Gemini API כדי לקצר ב-50% את הזמן שנדרש לבדיקת קוד

בדיקות קוד, שהן חיוניות לאיכות, הופכות לעיתים קרובות לצוואר בקבוק בפיתוח מהיר. Optimal AI משנה את זה. המטרה שלהם: "לחסוך זמן למהנדסים" באמצעות AI לאוטומציה של הנדסה ותאימות. הפתרונות שלהם כוללים את Optibot, בודק קוד מבוסס-AI שמתמקד באבטחה ובתאימות, ופלטפורמת תובנות שמבוססת על Gemini API ומבצעת אופטימיזציה של מהירות הפיתוח.

בעבר, ל-Optimal AI היו קשיים במהירות ובהבנה ההקשרית שנדרשות לביקורת קוד יעילה באמת באמצעות AI. "האתגר הגדול ביותר היה הבנה הקשרית – היינו צריכים מודל שיכול לבחון שינויים בקוד ולספק להם הקשר", מסביר סייד אחמד, מייסד שותף וסמנכ "ל טכנולוגיות.

הודות לשילוב של Gemini API, חברת Optimal AI שיפרה משמעותית את המוצרים שלה:

• שיפור המהירות והדיוק של בדיקת הקוד: Optibot, שמבוסס על Gemini API, בודק אוטומטית בקשות משיכה (pull requests) כדי לזהות פגיעויות אבטחה, סיכוני תאימות ודפוסי קידוד. הוא מספק משוב פרקטי ומקצר משמעותית את זמני הבדיקה.
• תובנות הנדסיות ניתנות ליישום: מודלי Gemini מנתחים נתונים מ-GitHub ומ-Jira כדי לזהות צווארי בקבוק ולהבין את הביצועים ההנדסיים, ומבחינים ביעילות בין פעילות פרודוקטיבית לבין שינויים תכופים בקוד.
• מהירות ורמת מורכבות מאוזנות: כדי לבצע ניתוחים מורכבים ולהבין קוד לעומק, ה-AI האופטימלי מתבסס על Gemini 2.5 Pro. כדי לבצע משימות עם זמן אחזור נמוך כמו סיכומים מהירים, הוא מתבסס על Gemini 2.0 Flash.

ההטמעה של Optimal AI מדגימה את הגמישות של Gemini API:

• המודלים שנעשה בהם שימוש::
  • ‫Gemini 2.5 Pro: לניתוח מעמיק של קוד, בדיקות אבטחה, משוב הקשרי על בקשות משיכה וזיהוי דפוסי הנדסה מורכבים לתובנות לגבי ביצועים.
  • ‫Gemini 2.0 Flash: למשימות עם זמן אחזור נמוך, כמו סריקת עץ קבצים ויצירת סיכומים מהירים.
• התכונות העיקריות וההטמעה::
  • הבנה הקשרית: חלון ההקשר הגדול של מודלי Gemini חיוני לפרשנות של שינויים מורכבים ב-codebase ולהבנה של דפוסי הנדסה רחבים יותר.
  • תמיכה בכמה שפות: היכולת המשופרת של מודלי Gemini לטפל בכמה שפות תכנות ובמסגרות עבודה הייתה יתרון משמעותי עבור Optimal AI.
  • ‫Google AI Studio: הצוות משתמש ב-Google AI Studio באופן נרחב כדי לבדוק הנחיות במהירות, להעריך מודלים ולבצע איטרציות. "היכולת לראות את התוצאות לצד קוד ההטמעה הקלה מאוד על המהנדסים שלנו להתנסות", מציין אחמד.

ההשפעה של שילוב Gemini הייתה משמעותית עבור Optimal AI והלקוחות שלה. התוצאות העיקריות כוללות:

• קיצור של 50% בזמני המחזור של בקשות המשיכה: המהנדסים משקיעים פחות זמן בהמתנה לבדיקות ויותר זמן בכתיבת קוד.
• אימוץ מהיר של הטכנולוגיה על ידי הלקוחות והרחבת השימוש בה: חברות כמו MongoDB הגדילו משמעותית את השימוש שלהן ב-Optimal AI אחרי שהן נהנו מהיתרונות שלה. מספר המהנדסים שמשתמשים ב-Optimal AI גדל מ-5 ליותר מ-40.
• גיוס מוצלח של 2.25 מיליון דולר בשלב טרום-הזרעה: הגיוס הזה בוצע בגרסת בטא פרטית, בעיקר בזכות ההתעניינות והתוצאות שהושגו באמצעות התכונות שמבוססות על Gemini API.

"הצוותים מאוד אוהבים את Optibot כי הוא עוזר להם לקצר בחצי את הזמן שנדרש לבדיקת יחסי ציבור, וכך המהנדסים יכולים להקדיש יותר זמן לכתיבת קוד במקום לחכות לאישורים", אומר אחמד.

החברה Optimal AI מתמקדת בהרחבת חבילת סוכני ה-AI שלה כדי לבצע אוטומציה של עוד משימות שחוזרות על עצמן. הם מפתחים כרגע את Code Radar, סוכן שנועד לנטר, לתקן ולאבטח בסיסי קוד באופן אוטונומי. בסיום המסע שלו עם Gemini API, סייד אחמד מציע את העצה הבאה למפתחים אחרים:

"כדאי לעבור ישירות אל Google AI Studio – יש בו כלים טובים יותר, תיעוד טוב יותר והוא מאפשר לבצע ניסויים בצורה יעילה הרבה יותר". הוא גם מדגיש: "כדאי לנצל את חלון ההקשר של מודל Gemini במלואו. כדאי לספק למודלים כמה שיותר הקשר רלוונטי… ככל שסיפקנו יותר הקשר, כך יכולת החשיבה הרציונלית של ה-AI השתפרה".

ההצלחה של Optimal AI מדגימה איך Gemini API יכול לשנות את פיתוח התוכנה, ולאפשר לצוותים לבנות תוכנה טובה יותר, מהר יותר.

מוכנים להתחיל לבנות? כדאי לעיין במסמכי התיעוד של Gemini API ולהתחיל להשתמש ב-Google AI Studio כבר היום.