Stage / Mémoire de Master : Évaluation d'une plateforme d'intelligence de code sur site

Les modèles LLM de pointe actuels excellent dans l'utilisation des bibliothèques open source populaires pour créer des applications simples à partir de zéro. Cependant, la génération de code pour des bases de code privées rencontre des défis liés aux API hallucinéess, au code subtilement incorrect et aux réponses erronées ou trompeuses aux questions techniques. Une nouvelle génération de plateformes d'intelligence de code sur site émerge pour soutenir les développeurs d'entreprise qui maintiennent de grandes bases de code privées sur site. Le principal défi pour les développeurs est de maintenir et d'étendre le système sur une longue période, souvent avec le code source comme seule source de vérité. L'objectif d'une plateforme d'intelligence de code est de fournir une recherche de code, une analyse et une compréhension des grandes bases de code en modélisant le code source sous forme d'arbre syntaxique abstrait (AST). De plus, les requêtes à une plateforme d'intelligence de code dépendent toujours d'un contexte spécifique, par exemple les onglets de code source ouverts dans l'environnement de développement intégré (IDE).

Sourcegraph/Cody est une plateforme d'intelligence de code prometteuse en émergence.  Sourcegraph  vous permet de rechercher du code et de fournir des informations à travers les dépôts.  Cody  est un assistant de codage basé sur une architecture de génération augmentée par récupération (RAG). Il fonctionne via un plugin IDE et se connecte aux LLM populaires.

Vos tâches

• Se familiariser avec les fonctionnalités de Sourcegraph/Cody et les architectures RAG
• Mettre en place une infrastructure sur site basée sur GPU en utilisant un cadre de service de modèles pour exécuter les LLM auxquels Cody peut se connecter
• Se concentrer sur la fourniture d'un contexte optimal en exploitant des sources supplémentaires, par exemple
  • Historique Git et informations de commit
  • Contenu des issues liées sur JIRA, YouTrack
  • Spécifications à jour sur le système de fichiers et sur Confluence
• Trouver des moyens d'adapter les LLM existants aux besoins spécifiques du projet
• Exploiter les possibilités du MCP émergent ( Model Context Protocol )
• Configurer  les serveurs Model Context Protocol  et connecter Cody via  OpenCtx
• Essayer d'anticiper les tendances futures telles que les longues fenêtres de contexte
• Présenter les résultats lors d'une session ELCA Brownbag

Notre offre

• Un environnement de travail dynamique et collaboratif avec une équipe multiculturelle et internationale très motivée
• La chance de faire une différence dans la vie des gens en construisant des solutions innovantes
• Différents événements internes de codage (Hackathon, Brownbags), voir notre blog technique
• After-Works mensuels organisés par site
• Bon équilibre vie professionnelle/vie privée (2 jours par semaine en télétravail)

Votre profil

• Bonne compréhension du ML et des LLM
• Connaissances de base en TypeScript, Java, Python
• Intérêt pour la comparaison et l'application de différentes approches de développement
• Intérêt pour l'architecture applicative
• Maîtrise de l'allemand et de l'anglais, le français est un atout
• Licence ou équivalent