La empresa Zhipu lanzó oficialmente Zread.ai, una herramienta de eficiencia de desarrollo basada en modelos grandes, con el objetivo de resolver de manera integral las problemáticas comunes que enfrentan los desarrolladores al tomar proyectos antiguos, redactar documentación y comprender proyectos de código abierto mediante tecnologías de inteligencia artificial. Las funciones principales de Zread.ai incluyen comprender el código con un solo clic, generar conocimiento y fomentar la colaboración, lo que puede mejorar significativamente la eficiencia del desarrollo.
Las funciones principales de Zread.ai se reflejan en tres aspectos: aprendizaje profundo de proyectos de código abierto, asumir rápidamente código histórico y construir sistemas de colaboración de conocimiento en equipos. Los desarrolladores pueden ingresar cualquier enlace a un repositorio de GitHub para que Zread genere un "Guide" que incluya análisis de arquitectura, descripciones de módulos y patrones de diseño. Además, admite comparación de múltiples repositorios, interpretación por capas y desglose lógico de proyectos Trending de GitHub. Además, Zread puede organizar automáticamente la estructura del proyecto y las dependencias de los módulos, generando documentos sistemáticos que ayudan a los desarrolladores a entrar rápidamente en acción, incluso ante códigos complejos. Zread también ofrece mapas de contribuyentes, resúmenes de comentarios de la comunidad, anotaciones interactivas y preguntas y respuestas, y admite la carga de proyectos privados, construyendo así un sistema de biblioteca de conocimiento y documentación técnica interna del equipo.
En el proceso de construcción de Zread.ai, la empresa Zhipu evaluó varios modelos de lenguaje grande y finalmente eligió GLM-4.5 como base principal para el análisis de código y la generación de documentación. GLM-4.5 destaca en su capacidad para entender código, en su baja tendencia a crear información falsa, en su soporte para Deep Research y en su adaptabilidad a capacidades de Agent. Es capaz de identificar con precisión las relaciones de llamada entre módulos de código, las jerarquías de arquitectura y las estructuras de dependencia, proporcionando una base sólida para generar documentos técnicos de alta calidad y guías de proyectos. En escenarios de código complejo, la estabilidad de la salida de GLM-4.5 es alta, reduciendo significativamente los casos de malentendidos sobre las intenciones del código o la invención de lógica. Es especialmente adecuado para tareas de interpretación de código y preguntas técnicas. Para grandes bases de código, GLM-4.5 puede realizar análisis profundos en múltiples iteraciones, combinando contexto y pistas semánticas para hacer preguntas y profundizar en diseños técnicos clave, ayudando a los desarrolladores a obtener respuestas con mayor perspicacia. En cuanto a la comprensión de contextos largos y la respuesta a preguntas técnicas, GLM-4.5 también muestra estabilidad, mejorando así la experiencia general de interacción.
El uso de Zread.ai es muy sencillo, basta con cuatro pasos para comenzar rápidamente. Primero, abra Zread.ai e ingrese el enlace a un repositorio de GitHub; el sistema identificará automáticamente la estructura del código y los componentes principales. Luego, el sistema generará automáticamente un "Guide" del proyecto, que incluye la descomposición de la arquitectura, las descripciones de los módulos y los patrones de diseño. A continuación, los desarrolladores pueden usar la función "Ask" para hacer preguntas sobre detalles técnicos, admitiendo preguntas profundas sobre el código y seguimiento entre módulos. Por último, suba proyectos privados para generar una biblioteca de conocimiento exclusiva del equipo y construir activos de documentación sostenibles para el proyecto.
Zhipu declaró que GLM-4.5 no solo es un proveedor de modelos, sino también el apoyo fundamental para que Zread.ai logre "leer código, generar conocimiento y servir a la colaboración". En el futuro, Zhipu continuará explorando aplicaciones profundas de GLM-4.5 en escenarios de integración de agentes inteligentes y colaboración de conocimiento en equipos, brindando a los desarrolladores herramientas más poderosas para mejorar la eficiencia del desarrollo.
