Optimal AI reduziert mit der Gemini API die Codeüberprüfungszeit um 50%

Codeüberprüfungen sind zwar entscheidend für die Qualität, werden aber bei einer schnellen Entwicklung oft zu einem Engpass. Optimal AI ändert das. Ihr Ziel: Ingenieuren mithilfe von KI mehr Zeit für ihre Arbeit zu verschaffen, indem sie Entwicklung und Compliance automatisieren. Zu den Lösungen von Code Intelligence gehören Optibot, ein KI-Code-Reviewer, der sich auf Sicherheit und Compliance konzentriert, und eine KI-gestützte Plattform für Statistiken, die die Entwicklungsgeschwindigkeit optimiert.

Bisher hatte Optimal AI Probleme mit der Geschwindigkeit und dem Kontextverständnis, die für eine wirklich effektive KI-Codeüberprüfung erforderlich sind. „Die größte Herausforderung war das kontextbezogene Verständnis. Wir brauchten ein Modell, das Codeänderungen betrachten und in einen Kontext setzen konnte“, erklärt Syed Ahmed, Mitbegründer und CTO.

Durch die Einbindung der Gemini API hat Optimal AI sein Angebot erheblich erweitert:

• Bessere Geschwindigkeit und Genauigkeit bei der Codeüberprüfung: Optibot, unterstützt von der Gemini API, prüft automatisch Pull-Anfragen auf Sicherheitslücken, Compliance-Risiken und Codierungsmuster. So erhalten Sie umsetzbares Feedback und die Überprüfungszeit wird drastisch verkürzt.
• Umsetzbare Informationen für Entwickler: Die Gemini-Modelle analysieren Daten aus GitHub und Jira, um Engpässe zu identifizieren und die Entwicklerleistung zu verstehen. Dabei wird effektiv zwischen produktiven Aktivitäten und Code-Änderungen unterschieden.
• Ausgewogene Geschwindigkeit und Raffinesse: Optimale KI nutzt Gemini 2.5 Pro für komplexe Analysen und ein detailliertes Codeverständnis, während Gemini 2.0 Flash die erforderliche Geschwindigkeit für Aufgaben mit geringer Latenz wie schnelle Zusammenfassungen bietet.

Die Implementierung von Optimal AI zeigt die Flexibilität der Gemini API:

• Verwendete Modelle:
  • Gemini 2.5 Pro: Für eine umfassende Codeanalyse, Sicherheitsprüfungen, kontextbezogenes Feedback zu Pull-Requests und die Identifizierung komplexer Entwicklungsmuster für Leistungsstatistiken.
  • Gemini 2.0 Flash: Für Aufgaben mit niedriger Latenz wie das Scannen von Dateibäumen und das Erstellen kurzer Zusammenfassungen.
• Wichtige Funktionen und Implementierung::
  • Kontextbezogenes Verständnis: Das große Kontextfenster der Gemini-Modelle ist entscheidend, um komplexe Codeänderungen zu interpretieren und allgemeinere Entwicklungsmuster zu verstehen.
  • Mehrsprachige Unterstützung: Die verbesserte Fähigkeit der Gemini-Modelle, mehrere Programmiersprachen und Frameworks zu verarbeiten, war ein wichtiger Gewinn für Optimal AI.
  • Google AI Studio: Das Team nutzt Google AI Studio intensiv für den schnellen Test von Prompts, die Modellbewertung und die Iteration. „Die Möglichkeit, neben dem Implementierungscode auch die Ausgabe zu sehen, hat es unseren Entwicklern viel einfacher gemacht, zu experimentieren“, erklärt Ahmed.

Die Integration von Gemini hat für Optimal AI und seine Kunden erhebliche Auswirkungen gehabt. Zu den wichtigsten Ergebnissen gehören:

• 50% kürzere Zykluszeiten für Pull-Requests: Entwickler müssen weniger Zeit auf die Überprüfung warten und können mehr Zeit für das Programmieren aufwenden.
• Schnelle Kundenakzeptanz und -ausweitung: Unternehmen wie MongoDB haben die Nutzung von Optimal AI nach der Erfahrung mit den Vorteilen erheblich gesteigert und von 5 auf über 40 Ingenieure erhöht.
• Erfolgreiche Pre-Seed-Finanzierungsrunde in Höhe von 2,25 Millionen $: Dieser Erfolg wurde in der privaten Betaphase erzielt, vor allem aufgrund der Akzeptanz und der Ergebnisse, die mit den Funktionen der Gemini API erzielt wurden.

„Teams lieben es, dass Optibot die Zeit für die PR-Überprüfung halbiert. So können Entwickler mehr Zeit für das Programmieren aufwenden, anstatt auf Genehmigungen zu warten“, sagt Ahmed.

Optimal AI konzentriert sich darauf, seine KI-Agenten zu erweitern, um noch mehr wiederkehrende Aufgaben zu automatisieren. Das Unternehmen entwickelt derzeit „Code Radar“, einen Agenten, der Codebases autonom überwachen, korrigieren und sichern soll. Syed Ahmed hat seine Erfahrungen mit der Gemini API in folgenden Ratschlägen für andere Entwickler zusammengefasst:

„Gehen Sie direkt zu Google AI Studio. Dort finden Sie bessere Tools, eine bessere Dokumentation und die Möglichkeit, viel effizienter zu experimentieren.“ Außerdem betont er: „Nutzen Sie das Kontextfenster des Gemini-Modells optimal. Die Modelle so viel relevanten Kontext wie möglich zur Verfügung stellen. Je mehr Kontext wir zur Verfügung gestellt haben, desto besser wurde die Argumentation der KI.“

Der Erfolg von Optimal AI zeigt, wie die Gemini API die Softwareentwicklung revolutionieren kann und Teams so in die Lage versetzt, schneller bessere Software zu entwickeln.

Sind Sie bereit? Lesen Sie die Gemini API-Dokumentation und beginnen Sie noch heute mit Google AI Studio.