Augment Codes AI-kodeværktøj strides om metadata
Skal AI-ledsageren gætte eller slå op? To lejre strides om bedste metode.
To vidt forskellige strategier
Når AI skal hjælpe udviklere med at skrive kode, er der to grundlæggende tilgange. Claude Code fra Anthropic lader AI'en selv gætte sig frem – såkaldt 'grep-baseret' søgning. Augment Code gør det modsatte: Den bruger en avanceret søgemaskine, der på forhånd har samlet al relevant kode og viden.
Hvor virker de bedst?
Fordelene afhænger af kodebasen. I offentlige, åbne projekter har AI-modellerne allerede 'lært' koden udenad, så begge metoder virker lige godt. Men i private, hemmelige kodebaser, som AI'en aldrig har set før, giver Augments opslagsværk en markant fordel: Du sparer tid, fordi AI'en ikke skal lede blindt.
Benchmark viser stor forskel
I en intern test på Terminal-Bench brugte samme AI-model med Augment 33 procent færre tokens end med Claude Code – og nåede samme præcision. Augment mener, at kritikere ofte tester med ringere opslagssystemer og derfor ikke ser gevinsten. Forskellen ligger i kvaliteten af søgeteknologien.
- Claude Code bruger en 'slank sele' med få foruddefinerede værktøjer.
- Augment Code gemmer al kode i en vektordatabase og henter relevant kode på under et millisekund.
- I offentlige repos har AI-modellerne allerede 'lært' koden og behøver ikke opslag.
- Private repos har AI aldrig set – her er Augments semantiske søgning en fordel.
- Anthropic ser ikke målbare forbedringer ved at tilføje semantiske værktøjer til Claude Code.
- Augment mener, at kritikere bruger ringere opslagssystemer og derfor ikke ser gevinsten.
- Augment brugte over 18 måneder på at forske i kode-specifikke søgemodeller.
Når du bruger AI til at skrive kode på dit private projekt, kan valget af værktøj afgøre, om AI'en spilder tid eller rammer plet fra første forsøg.
Kilder:
Ars Technica AI →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.