Kann Zencoder für eine meditative Developer Experience sorgen?DirkErcken | shutterstock.com Falls Sie zunehmend den Eindruck gewinnen, dass die Menge an Tools, die KI-gestützt Code generieren, langsam inflationäre Ausmaße annimmt, liegen Sie damit nicht falsch. Dabei kommen jedoch immer noch Produkte auf den Markt, die mit neuen, innovativen Ansätzen überzeugen wollen. In diese Kategorie fällt auch Zencoder. Was Zencoder abhebt Wie seine Konkurrenten (dazu später mehr) will auch Zencoder Entwickler dazu befähigen, bessere Softwareprodukte schneller auszuliefern. Das sollen in erster Linie zwei Features realisieren: Mit dem sogenannten Repo Grokking soll das Tool komplette Code Repositories lesen und „verstehen“ können. Das gewährleistet laut dem Anbieter ein „tiefes, kontextuales Verständnis“, das zu relevanteren und präziseren Code-Vorschlägen beitragen soll. KI-Agenten sollen bei Zencoder nicht nur Vorschläge liefern, sondern sind nahtlos in die Entwickler-Workflows integriert und auch dazu in der Lage, Code zu reparieren und Unit-Tests zu generieren. Zencoder steht für Visual Studio Code sowie JetBrains IDEs zum Download zur Verfügung. Weitere Integrationen sind derzeit in Arbeit. Davon abgesehen, unterstützt der KI-Codierungsassistent mittlerweile mehr als 70 Programmiersprachen. Darunter befinden sich auch: Python, Java, JavaScript, TypeScript, C#, und Kotlin. In Sachen Large Language Models (LLMs) dürfen Zencode-Benutzer zwischen Chat GPT, Claude und benutzerdefinierten Modellen wählen. Allerdings setzt Zencoder nicht nur auf ein LLM, um Code zu generieren und damit zusammenhängende Funktionen auszuführen, sondern auch auf eine Pipeline: Bei Zencoder wird der Code vorverarbeitet, um Kontext für das LLM bereitzustellen. Anschließend wird der Code analysiert und einer Parsing-Session unterzogen, um sicherzustellen, dass er korrekt ist und hohen Qualitätsansprüchen genügt.Zencoder Auf der linken Seite sehen Sie die von Zencoder gelieferte Erklärung für den Code auf der rechten Bildschirmhälfte – ohne vorherigen Repository-Scan.IDG Zencoder im Praxistest Wir haben uns die Schlüssel-Features von Zencoder im Test etwas näher angesehen. Repo Grokking Das Repo-Grokking-Feature funktioniert im Wesentlichen automatisch: Sobald Sie einen Workspace öffnen (der zum Beispiel über Git gemanagt wird), erkennt Zencoder diesen und erfasst den Code. In diesem Zuge erstellt das KI-Tool für Entwickler Embeddings, die in einer Cloud-basierten Vektordatenbank für RAG-Abfragen gespeichert werden. Darüber hinaus erstellt Zencoder auch ein Diagramm, das die Struktur der Codebasis repräsentiert. Aus Datenschutzgründen wird der Workspace dabei nicht kopiert. Wird das Repository aktualisiert, erhalten auch die Vektoren und besagtes Diagramm ein Update. Sobald das Tool die Codebasis „verstanden“ hat, kann es dieses Wissen einbringen, um Code zu generieren, zu vervollständigen und zu reparieren – oder auch für Chat-Anfragen nutzen. Links oben sehen Sie die Erklärung, die Zencoder nach der Analyse des gesamten Haystack Repository geliefert hat. Sie enthält auch Informationen, die nicht im entsprechenden README-File enthalten sind.IDG Agentic Repair Dass Zencoder in der Lage ist, Codebasen zu „verstehen“, kommt auch den integrierten KI-Agenten zugute – etwa, wenn es darum geht: Code zu reparieren, Unit-Tests zu erstellen, oder Probleme in Echtzeit zu lösen. Derzeit stehen zwei vordefinierte Agenten zur Verfügung – für Unit Tests und zu Coding-Zwecken. Darüber hinaus gibt es auch die Möglichkeit, benutzerdefinierte Agenten aufzusetzen. Das Zencoder-Interface, um benutzerdefinierte Agenten aufzusetzen.IDG Zencoder im Vergleich zur Konkurrenz Die Macher von Zencoder bieten auf ihrer Webseite zahlreiche Vergleiche mit Konkurrenzprodukten – darunter Github Copilot, Codeium und Tabnine. Allerdings sind die mit Vorsicht zu genießen, weil sie vor allem darauf ausgelegt scheinen, das eigene Produkt gut, respektive besser aussehen zu lassen. Zudem fehlen einige Konkurrenten gänzlich – etwa Solver (das unserer Meinung nach den direkten Vergleich mit Zencoder gewinnt). Ansonsten ist Zencoder in etwa auf Augenhöhe mit seiner Konkurrenz – je nachdem, welchen Bereich man in Augenschein nimmt. So können einige Produkte wie Solver oder auch Github Copilot noch mehr und erkennen auch komplexe Fehler auf Repository-Ebene – oder generieren neben Unit- auch noch Integrationstests. Auf der linken Seite sehen Sie die Erklärung von Zencoder zu einer C++-Sorting-Funktion. Auf der rechten Seite sehen Sie die Information, die Github Copilot zum gleichen Code liefert.IDG Das Preisgefüge von Zencoder Zencoder steht in einer kostenfreien Testversion zur Verfügung, die sämtliche Kernfunktionen in vollem Umfang enthält. Darüber hinaus steht das Tool auch in drei verschiedenen Preisplänen zur Verfügung: Free ist der kostenlose Plan, der unbegrenzte Code-Vervollständigungen und Chats für bis zu zehn Arbeitsplätze beinhaltet. Fortschrittliche Funktionen wie KI-Agenten sind hierbei Grenzen gesetzt, Repo Grokking nicht verfügbar. Der Business-Plan beinhaltet bis zu 200 „Seats“, fortschrittlichere KI-Anfragen und Repo Grokking sowie Early Access zu neuen Funktionen. Das kostet pro Benutzer und Monat 19 US-Dollar. Der Enterprise-Plan beinhaltet unbegrenzt viele Arbeitsplätze und bietet neben Priority Support auch Single-Sign On und benutzerdefiniertes Feintuning von Modellen. Das kostet pro User und Monat 39 US-Dollar. Zencoder-Testfazit: Ein ehrgeiziger Versuch Der Coding-Assistent Zencoder stellt einen ehrgeizigen Versuch dar, im Markt für KI-Codierungsassistenten Fuß zu fassen – ist aber noch reichlich grün hinter den Ohren. Eine Pipeline mit Fehlerkorrektur einzusetzen, um Halluzinationen zu vermeiden, ist zwar auf dem Papier ein vielversprechender Ansatz. In der Praxis funktioniert das aber nicht unbedingt besser als ein Modell, das direkt korrekten Code generiert und Halluzinationen „intern unterdrückt“. Mit Blick auf das Repo-Grokking-Feature ist zu sagen, dass dieses ohne Zweifel besseren Kontext erzeugt, als einfach die im Editor geöffneten Seiten zu analysieren. Allerdings verursacht die Analyse größerer Repositories erheblichen Zeitaufwand – und scheinbar führt Zencoder diesen Prozess bei jeder Repository-Aktualisierung von Grund auf neu durch. Aktuell ist Zencoder empfehlenswert, um zu testen und zu experimentieren. Ein Abonnement abzuschließen, rentiert sich hingegen (noch) nicht. Das könnte sich jedoch in Zukunft ändern, wenn das Tool entsprechend weiterentwickelt wird. (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!
Zencoder im Test
Kann Zencoder für eine meditative Developer Experience sorgen?DirkErcken | shutterstock.com Falls Sie zunehmend den Eindruck gewinnen, dass die Menge an Tools, die KI-gestützt Code generieren, langsam inflationäre Ausmaße annimmt, liegen Sie damit nicht falsch. Dabei kommen jedoch immer noch Produkte auf den Markt, die mit neuen, innovativen Ansätzen überzeugen wollen. In diese Kategorie fällt auch Zencoder. Was Zencoder abhebt Wie seine Konkurrenten (dazu später mehr) will auch Zencoder Entwickler dazu befähigen, bessere Softwareprodukte schneller auszuliefern. Das sollen in erster Linie zwei Features realisieren: Mit dem sogenannten Repo Grokking soll das Tool komplette Code Repositories lesen und „verstehen“ können. Das gewährleistet laut dem Anbieter ein „tiefes, kontextuales Verständnis“, das zu relevanteren und präziseren Code-Vorschlägen beitragen soll. KI-Agenten sollen bei Zencoder nicht nur Vorschläge liefern, sondern sind nahtlos in die Entwickler-Workflows integriert und auch dazu in der Lage, Code zu reparieren und Unit-Tests zu generieren. Zencoder steht für Visual Studio Code sowie JetBrains IDEs zum Download zur Verfügung. Weitere Integrationen sind derzeit in Arbeit. Davon abgesehen, unterstützt der KI-Codierungsassistent mittlerweile mehr als 70 Programmiersprachen. Darunter befinden sich auch: Python, Java, JavaScript, TypeScript, C#, und Kotlin. In Sachen Large Language Models (LLMs) dürfen Zencode-Benutzer zwischen Chat GPT, Claude und benutzerdefinierten Modellen wählen. Allerdings setzt Zencoder nicht nur auf ein LLM, um Code zu generieren und damit zusammenhängende Funktionen auszuführen, sondern auch auf eine Pipeline: Bei Zencoder wird der Code vorverarbeitet, um Kontext für das LLM bereitzustellen. Anschließend wird der Code analysiert und einer Parsing-Session unterzogen, um sicherzustellen, dass er korrekt ist und hohen Qualitätsansprüchen genügt.Zencoder Auf der linken Seite sehen Sie die von Zencoder gelieferte Erklärung für den Code auf der rechten Bildschirmhälfte – ohne vorherigen Repository-Scan.IDG Zencoder im Praxistest Wir haben uns die Schlüssel-Features von Zencoder im Test etwas näher angesehen. Repo Grokking Das Repo-Grokking-Feature funktioniert im Wesentlichen automatisch: Sobald Sie einen Workspace öffnen (der zum Beispiel über Git gemanagt wird), erkennt Zencoder diesen und erfasst den Code. In diesem Zuge erstellt das KI-Tool für Entwickler Embeddings, die in einer Cloud-basierten Vektordatenbank für RAG-Abfragen gespeichert werden. Darüber hinaus erstellt Zencoder auch ein Diagramm, das die Struktur der Codebasis repräsentiert. Aus Datenschutzgründen wird der Workspace dabei nicht kopiert. Wird das Repository aktualisiert, erhalten auch die Vektoren und besagtes Diagramm ein Update. Sobald das Tool die Codebasis „verstanden“ hat, kann es dieses Wissen einbringen, um Code zu generieren, zu vervollständigen und zu reparieren – oder auch für Chat-Anfragen nutzen. Links oben sehen Sie die Erklärung, die Zencoder nach der Analyse des gesamten Haystack Repository geliefert hat. Sie enthält auch Informationen, die nicht im entsprechenden README-File enthalten sind.IDG Agentic Repair Dass Zencoder in der Lage ist, Codebasen zu „verstehen“, kommt auch den integrierten KI-Agenten zugute – etwa, wenn es darum geht: Code zu reparieren, Unit-Tests zu erstellen, oder Probleme in Echtzeit zu lösen. Derzeit stehen zwei vordefinierte Agenten zur Verfügung – für Unit Tests und zu Coding-Zwecken. Darüber hinaus gibt es auch die Möglichkeit, benutzerdefinierte Agenten aufzusetzen. Das Zencoder-Interface, um benutzerdefinierte Agenten aufzusetzen.IDG Zencoder im Vergleich zur Konkurrenz Die Macher von Zencoder bieten auf ihrer Webseite zahlreiche Vergleiche mit Konkurrenzprodukten – darunter Github Copilot, Codeium und Tabnine. Allerdings sind die mit Vorsicht zu genießen, weil sie vor allem darauf ausgelegt scheinen, das eigene Produkt gut, respektive besser aussehen zu lassen. Zudem fehlen einige Konkurrenten gänzlich – etwa Solver (das unserer Meinung nach den direkten Vergleich mit Zencoder gewinnt). Ansonsten ist Zencoder in etwa auf Augenhöhe mit seiner Konkurrenz – je nachdem, welchen Bereich man in Augenschein nimmt. So können einige Produkte wie Solver oder auch Github Copilot noch mehr und erkennen auch komplexe Fehler auf Repository-Ebene – oder generieren neben Unit- auch noch Integrationstests. Auf der linken Seite sehen Sie die Erklärung von Zencoder zu einer C++-Sorting-Funktion. Auf der rechten Seite sehen Sie die Information, die Github Copilot zum gleichen Code liefert.IDG Das Preisgefüge von Zencoder Zencoder steht in einer kostenfreien Testversion zur Verfügung, die sämtliche Kernfunktionen in vollem Umfang enthält. Darüber hinaus steht das Tool auch in drei verschiedenen Preisplänen zur Verfügung: Free ist der kostenlose Plan, der unbegrenzte Code-Vervollständigungen und Chats für bis zu zehn Arbeitsplätze beinhaltet. Fortschrittliche Funktionen wie KI-Agenten sind hierbei Grenzen gesetzt, Repo Grokking nicht verfügbar. Der Business-Plan beinhaltet bis zu 200 „Seats“, fortschrittlichere KI-Anfragen und Repo Grokking sowie Early Access zu neuen Funktionen. Das kostet pro Benutzer und Monat 19 US-Dollar. Der Enterprise-Plan beinhaltet unbegrenzt viele Arbeitsplätze und bietet neben Priority Support auch Single-Sign On und benutzerdefiniertes Feintuning von Modellen. Das kostet pro User und Monat 39 US-Dollar. Zencoder-Testfazit: Ein ehrgeiziger Versuch Der Coding-Assistent Zencoder stellt einen ehrgeizigen Versuch dar, im Markt für KI-Codierungsassistenten Fuß zu fassen – ist aber noch reichlich grün hinter den Ohren. Eine Pipeline mit Fehlerkorrektur einzusetzen, um Halluzinationen zu vermeiden, ist zwar auf dem Papier ein vielversprechender Ansatz. In der Praxis funktioniert das aber nicht unbedingt besser als ein Modell, das direkt korrekten Code generiert und Halluzinationen „intern unterdrückt“. Mit Blick auf das Repo-Grokking-Feature ist zu sagen, dass dieses ohne Zweifel besseren Kontext erzeugt, als einfach die im Editor geöffneten Seiten zu analysieren. Allerdings verursacht die Analyse größerer Repositories erheblichen Zeitaufwand – und scheinbar führt Zencoder diesen Prozess bei jeder Repository-Aktualisierung von Grund auf neu durch. Aktuell ist Zencoder empfehlenswert, um zu testen und zu experimentieren. Ein Abonnement abzuschließen, rentiert sich hingegen (noch) nicht. Das könnte sich jedoch in Zukunft ändern, wenn das Tool entsprechend weiterentwickelt wird. (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!
Zencoder im Test Kann Zencoder für eine meditative Developer Experience sorgen?DirkErcken | shutterstock.com Falls Sie zunehmend den Eindruck gewinnen, dass die Menge an Tools, die KI-gestützt Code generieren, langsam inflationäre Ausmaße annimmt, liegen Sie damit nicht falsch. Dabei kommen jedoch immer noch Produkte auf den Markt, die mit neuen, innovativen Ansätzen überzeugen wollen. In diese Kategorie fällt auch Zencoder. Was Zencoder abhebt Wie seine Konkurrenten (dazu später mehr) will auch Zencoder Entwickler dazu befähigen, bessere Softwareprodukte schneller auszuliefern. Das sollen in erster Linie zwei Features realisieren: Mit dem sogenannten Repo Grokking soll das Tool komplette Code Repositories lesen und „verstehen“ können. Das gewährleistet laut dem Anbieter ein „tiefes, kontextuales Verständnis“, das zu relevanteren und präziseren Code-Vorschlägen beitragen soll. KI-Agenten sollen bei Zencoder nicht nur Vorschläge liefern, sondern sind nahtlos in die Entwickler-Workflows integriert und auch dazu in der Lage, Code zu reparieren und Unit-Tests zu generieren. Zencoder steht für Visual Studio Code sowie JetBrains IDEs zum Download zur Verfügung. Weitere Integrationen sind derzeit in Arbeit. Davon abgesehen, unterstützt der KI-Codierungsassistent mittlerweile mehr als 70 Programmiersprachen. Darunter befinden sich auch: Python, Java, JavaScript, TypeScript, C#, und Kotlin. In Sachen Large Language Models (LLMs) dürfen Zencode-Benutzer zwischen Chat GPT, Claude und benutzerdefinierten Modellen wählen. Allerdings setzt Zencoder nicht nur auf ein LLM, um Code zu generieren und damit zusammenhängende Funktionen auszuführen, sondern auch auf eine Pipeline: Bei Zencoder wird der Code vorverarbeitet, um Kontext für das LLM bereitzustellen. Anschließend wird der Code analysiert und einer Parsing-Session unterzogen, um sicherzustellen, dass er korrekt ist und hohen Qualitätsansprüchen genügt.Zencoder Auf der linken Seite sehen Sie die von Zencoder gelieferte Erklärung für den Code auf der rechten Bildschirmhälfte – ohne vorherigen Repository-Scan.IDG Zencoder im Praxistest Wir haben uns die Schlüssel-Features von Zencoder im Test etwas näher angesehen. Repo Grokking Das Repo-Grokking-Feature funktioniert im Wesentlichen automatisch: Sobald Sie einen Workspace öffnen (der zum Beispiel über Git gemanagt wird), erkennt Zencoder diesen und erfasst den Code. In diesem Zuge erstellt das KI-Tool für Entwickler Embeddings, die in einer Cloud-basierten Vektordatenbank für RAG-Abfragen gespeichert werden. Darüber hinaus erstellt Zencoder auch ein Diagramm, das die Struktur der Codebasis repräsentiert. Aus Datenschutzgründen wird der Workspace dabei nicht kopiert. Wird das Repository aktualisiert, erhalten auch die Vektoren und besagtes Diagramm ein Update. Sobald das Tool die Codebasis „verstanden“ hat, kann es dieses Wissen einbringen, um Code zu generieren, zu vervollständigen und zu reparieren – oder auch für Chat-Anfragen nutzen. Links oben sehen Sie die Erklärung, die Zencoder nach der Analyse des gesamten Haystack Repository geliefert hat. Sie enthält auch Informationen, die nicht im entsprechenden README-File enthalten sind.IDG Agentic Repair Dass Zencoder in der Lage ist, Codebasen zu „verstehen“, kommt auch den integrierten KI-Agenten zugute – etwa, wenn es darum geht: Code zu reparieren, Unit-Tests zu erstellen, oder Probleme in Echtzeit zu lösen. Derzeit stehen zwei vordefinierte Agenten zur Verfügung – für Unit Tests und zu Coding-Zwecken. Darüber hinaus gibt es auch die Möglichkeit, benutzerdefinierte Agenten aufzusetzen. Das Zencoder-Interface, um benutzerdefinierte Agenten aufzusetzen.IDG Zencoder im Vergleich zur Konkurrenz Die Macher von Zencoder bieten auf ihrer Webseite zahlreiche Vergleiche mit Konkurrenzprodukten – darunter Github Copilot, Codeium und Tabnine. Allerdings sind die mit Vorsicht zu genießen, weil sie vor allem darauf ausgelegt scheinen, das eigene Produkt gut, respektive besser aussehen zu lassen. Zudem fehlen einige Konkurrenten gänzlich – etwa Solver (das unserer Meinung nach den direkten Vergleich mit Zencoder gewinnt). Ansonsten ist Zencoder in etwa auf Augenhöhe mit seiner Konkurrenz – je nachdem, welchen Bereich man in Augenschein nimmt. So können einige Produkte wie Solver oder auch Github Copilot noch mehr und erkennen auch komplexe Fehler auf Repository-Ebene – oder generieren neben Unit- auch noch Integrationstests. Auf der linken Seite sehen Sie die Erklärung von Zencoder zu einer C++-Sorting-Funktion. Auf der rechten Seite sehen Sie die Information, die Github Copilot zum gleichen Code liefert.IDG Das Preisgefüge von Zencoder Zencoder steht in einer kostenfreien Testversion zur Verfügung, die sämtliche Kernfunktionen in vollem Umfang enthält. Darüber hinaus steht das Tool auch in drei verschiedenen Preisplänen zur Verfügung: Free ist der kostenlose Plan, der unbegrenzte Code-Vervollständigungen und Chats für bis zu zehn Arbeitsplätze beinhaltet. Fortschrittliche Funktionen wie KI-Agenten sind hierbei Grenzen gesetzt, Repo Grokking nicht verfügbar. Der Business-Plan beinhaltet bis zu 200 „Seats“, fortschrittlichere KI-Anfragen und Repo Grokking sowie Early Access zu neuen Funktionen. Das kostet pro Benutzer und Monat 19 US-Dollar. Der Enterprise-Plan beinhaltet unbegrenzt viele Arbeitsplätze und bietet neben Priority Support auch Single-Sign On und benutzerdefiniertes Feintuning von Modellen. Das kostet pro User und Monat 39 US-Dollar. Zencoder-Testfazit: Ein ehrgeiziger Versuch Der Coding-Assistent Zencoder stellt einen ehrgeizigen Versuch dar, im Markt für KI-Codierungsassistenten Fuß zu fassen – ist aber noch reichlich grün hinter den Ohren. Eine Pipeline mit Fehlerkorrektur einzusetzen, um Halluzinationen zu vermeiden, ist zwar auf dem Papier ein vielversprechender Ansatz. In der Praxis funktioniert das aber nicht unbedingt besser als ein Modell, das direkt korrekten Code generiert und Halluzinationen „intern unterdrückt“. Mit Blick auf das Repo-Grokking-Feature ist zu sagen, dass dieses ohne Zweifel besseren Kontext erzeugt, als einfach die im Editor geöffneten Seiten zu analysieren. Allerdings verursacht die Analyse größerer Repositories erheblichen Zeitaufwand – und scheinbar führt Zencoder diesen Prozess bei jeder Repository-Aktualisierung von Grund auf neu durch. Aktuell ist Zencoder empfehlenswert, um zu testen und zu experimentieren. Ein Abonnement abzuschließen, rentiert sich hingegen (noch) nicht. Das könnte sich jedoch in Zukunft ändern, wenn das Tool entsprechend weiterentwickelt wird. (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!