O Google anunciou recentemente que seu assistente de código empresarial, Code Assist, foi atualizado para o Gemini 2.0 e expandiu suas fontes de dados externas conectáveis. Esta nova versão fornecerá aos desenvolvedores uma janela de contexto maior para melhor compreensão de grandes repositórios de código corporativos.
De acordo com Ryan Salva, Diretor Sênior de Gerenciamento de Produtos do Google Cloud, o Code Assist agora pode se conectar a várias fontes de dados, incluindo GitLab, GitHub, Google Docs, Sentry.io, Atlassian e Snyk. Os desenvolvedores podem solicitar ajuda do Code Assist diretamente em seus ambientes de desenvolvimento integrados (IDEs) sem interromper seus fluxos de trabalho. Anteriormente, o Code Assist só era compatível com integrações VS Code e JetBrains.
O predecessor do Code Assist era o Duet AI, lançado pela primeira vez em outubro do ano passado. Com a crescente demanda das empresas por simplificação de projetos de codificação, plataformas de codificação de IA como o GitHub Copilot também ganharam ampla atenção. O Code Assist adicionou segurança e garantias legais de nível empresarial em seu lançamento empresarial.
Salva enfatizou que conectar o Code Assist a outras ferramentas usadas diariamente pelos desenvolvedores pode fornecer mais contexto para seu trabalho, sem a necessidade de alternar janelas com frequência. Ele disse: "Os desenvolvedores podem usar várias ferramentas durante o dia, como GitHub, Atlassian Jira, DataDog, Snyk, etc. Queremos tornar possível trazer esse contexto adicional para seus IDEs."
Os desenvolvedores precisam apenas abrir a janela de bate-papo do Code Assist e perguntar sobre comentários recentes ou pull requests recentes no repositório de código sobre um problema específico. O Code Assist pesquisará automaticamente as fontes de dados e trará as informações relevantes de volta ao IDE, ajudando os desenvolvedores a trabalhar de forma mais eficiente.
Os assistentes de codificação de IA são um dos primeiros aplicativos importantes da IA generativa. Desde que os desenvolvedores de software começaram a usar o ChatGPT para ajudar na codificação, vários assistentes de codificação voltados para empresas foram lançados no mercado. O GitHub lançou o Copilot Enterprise em fevereiro deste ano, e a Oracle lançou assistentes de codificação Java e SQL. Além disso, o assistente de codificação lançado pela Harness também é baseado no Gemini e fornece sugestões em tempo real.
Vale ressaltar que, embora o Code Assist já suporte o Gemini 2.0, ele ainda é independente da nova ferramenta do Google, Jules. Salva disse que o Jules é um dos vários experimentos da equipe de laboratório do Google, projetados para mostrar como usar agentes autônomos ou semi-autônomos para automatizar o processo de codificação. Embora o Code Assist seja atualmente a única ferramenta de codificação empresarial baseada em Gemini, o Jules pode incorporar funcionalidades semelhantes no futuro.
Atualmente, o feedback dos usuários iniciais do Code Assist e do Jules mostra uma melhoria significativa na velocidade de resposta do Gemini 2.0. Salva observou que, durante a codificação, o feedback rápido é crucial para os desenvolvedores, e qualquer atraso pode interromper seu fluxo de trabalho.
Olhando para o futuro, embora o crescimento dos assistentes de codificação no campo da IA generativa ainda seja crucial, Salva acredita que a maneira como as empresas desenvolverão modelos e aplicativos de geração de código pode mudar nos próximos anos. Ele mencionou que o relatório de estado de desenvolvimento acelerado de 2024 da equipe de pesquisa e avaliação de DevOps do Google mostrou que 39% dos entrevistados desconfiam do código gerado por IA, enquanto a qualidade da documentação e entrega também diminuiu.
Destaques:
✅ O Code Assist agora foi atualizado para o Gemini 2.0 e adicionou conectividade com várias fontes de dados.
✅ Os desenvolvedores podem usar o Code Assist diretamente em seus IDEs para obter informações contextuais relevantes e melhorar a eficiência do trabalho.
✅ O desenvolvimento futuro de assistentes de codificação de IA pode se concentrar mais na qualidade da geração de código do que simplesmente na melhoria da eficiência do trabalho.