Foire aux questions
Les modèles OpenAI Codex originaux, qui alimentaient les premières intégrations, ont été officiellement retirés en mars 2023. Bien que leur technologie sous-jacente ait évolué vers de nouveaux modèles OpenAI, l'API spécifique de Codex n'est plus disponible, ce qui rend les « intégrations directes d'OpenAI Codex avec Jupyter » obsolètes pour les nouveaux projets.
La principale alternative moderne est « jupyter-ai ». Ce projet officiel de Jupyter agit comme un adaptateur universel, connectant JupyterLab et Jupyter Notebooks à une gamme de modèles d'IA générative actuels de fournisseurs comme OpenAI, Anthropic et Hugging Face.
Les premières intégrations souffraient souvent de complexités de configuration, sont rapidement devenues obsolètes lorsque les modèles Codex ont été retirés et, de manière critique, manquaient d'accès au contexte plus large du projet, comme la documentation ou les discussions d'équipe, fonctionnant ainsi dans un vide de connaissance.
Oui, bien que « jupyter-ai » soit lui-même open source, les puissants modèles d'IA auxquels il se connecte nécessitent généralement une clé API d'un fournisseur (par exemple, OpenAI, Anthropic) et entraînent des coûts basés sur l'utilisation, généralement facturés en « jetons ».
Pour surmonter les limitations de contexte, vous avez besoin d'une plateforme d'IA consciente de la connaissance qui unifie toutes les informations dispersées de votre équipe provenant d'outils comme Confluence, Slack et Google Docs. Cela permet à l'IA de fournir des réponses et une assistance basées sur l'ensemble de la base de connaissances de votre organisation, allant au-delà du simple code dans un notebook.
Passer à un flux de travail IA conscient de la connaissance réduit considérablement le changement de contexte, aide les développeurs à prendre de meilleures décisions en leur donnant un accès instantané aux connaissances de l'organisation et, finalement, augmente la productivité globale au-delà de la simple génération de code plus rapide.
