Potpie AI sikrer 2,2 mio. dollars til at bringe smartere AI til komplekse ingeniørsystemer

Softwareudvikling udvikler sig hurtigt, men de miljøer, udviklerne arbejder i, har ikke altid holdt trit. I dag annoncerede Potpie AI — en startup, der fokuserer på at gøre AI-agenter virkelig nyttige inden for rigtige ingeniørsystemer —, at de har samlet 2,2 millioner dollars i for-seed-finansiering. Runden blev ledt af Emergent Ventures med deltagelse fra All In Capital, DeVC og Point One Capital. Kapitalen vil støtte tidlige virksomhedsudrulninger, udvide ingeniørteamet og yderligere udvikle Potpies kernekontekst og agentinfrastruktur.

Løsning af kontekstproblemet i ingeniørsystemer

Generative AI-værktøjer har gjort imponerende fremskridt i produktion af arbejdende kode, men de kæmper ofte inden for komplekse, interafhængige systemer, hvor kontekst er afgørende. Store sprogmodeller kan generere kode, men uden dyb indsigt i systemniveauets arkitektur, værktøjs historie og tværservicemæssige afhængigheder, er deres effektivitet i produktionsmiljøer begrænset.

Traditionelt set holder senioringeniører meget af denne kontekstuelle viden sammen. Når systemer skalerer til ti millioner linjer kode, bliver denne model skrøbelig. Potpie blev designet til at løse denne åbning ved at opbygge en grundlæggende kontekstlag, der samler informationer på tværs af kildekode, billetter, logfiler, dokumentation og anmeldelser. Ved at sammenkæde disse elementer i en struktureret repræsentation af kodebasen, giver platformen AI-agenter mulighed for at forstå systemer på en mere holistisk måde.

Fra specifikation til udførelse med større tillid

En kerneprincip bag Potpie er at behandle specifikationen — og ikke den eksisterende kode — som sandheden. Før generering af kode oversætter agenter krav til en klar implementeringsplan, kortlægger afhængigheder og kanter, og harmoniserer test- og udrolningsstrategier.

I stedet for at fungere som endnu en kodestøtte, der fokuserer på autocomplete, opbygger Potpie en grafisk model af software-systemet. Det slutninger adfærd på tværs af moduler og producerer strukturerede artefakter, der vejleder, hvordan agenter opererer. Dette inkluderer generering af Agent.md-filer til at definere agentadfærd inden for en kodebase, samt opbygning af søgbare indeks på tværs af API’er, tjenester, databaser og komponenter for at reducere tvetydighed og forbedre pålidelighed.

Platformen udvikler sig også sammen med systemet. Når pull-forespørgsler oprettes, kan den opdatere dokumentation og billetter. Når billetter åbnes, kan den generere systemdesign. Når udgivelser sendes, kan den producere udgivelsesnoter automatisk. Målet er at kontinuerligt kuraterer og vedligeholde kontekst i stedet for at lade den fragmentere over tid.

Bygget til virksomhedsskala kodebaser

Potpie blev grundlagt af Aditi Kothari og Dhiren Mathur under den tidlige bølge af generativ AI-adopteringsmuligheder i slutningen af 2023. Mens meget af industrien fokuserede på AI til videnarbejdere, identificerede grundlæggerne en distinkt udfordring for udviklere: kodebaser er ikke-lineære, dybt forbundne og fordelt på tværs af multiple værktøjer og hold.

Selskabet brugte næsten to år på at udvikle sin ontologi-først arkitektur og viden graf før offentliggørelse i januar 2025. Platformen er designet til virksomheds miljøer, startende med kodebaser på omkring en million linjer og skalerer til hundredvis af millioner.

Tidlige resultater afspejler problemets omfang

De første udrulninger understreger kompleksiteten, som Potpie sigter mod at styre. I ét tilfælde reducerede en kunde med over 40 millioner linjer kode rodårsagsanalyse for produktionsproblemer fra næsten en uge til omkring 30 minutter, med ingeniører, der skiftede til anmelderroller i stedet for efterforskere. En anden virksomhed, der vedligeholdt årtier gamle, hardware-integrerede systemer, brugte platformen til at generere og opdatere slut til slut-test i baggrunden, hvilket komprimerede arbejde, der tidligere strakte sig over flere sprint, til en betydeligt kortere cyklus.

Potpie arbejder i øjeblikket med Fortune 500- og børsnoterede virksomheder i regulerede brancher, herunder sundheds- og forsikringssektoren. Dets open-source-projekter har overgået 5.000 stjerner på GitHub, hvilket bidrager til virksomhedsinteressen.

En skift i, hvordan AI passer ind i ingeniørvirksomhed

Da AI-dreven kodegenerering bliver mere tilgængelig, er den større udfordring at aktivere AI til at forstå på tværs af hele systemer sikkert. Potpies strukturerede, kontekst-først-tilgang afspejler en bredere skift i udviklerværktøjslandskabet — en, der fremhæver systemniveau-forståelse i stedet for overflade-niveau-automatisering.

Selskabets seneste finansieringsrunde signalerer voksende investeringsfokus på infrastruktur, der gør AI-agenter praktiske i rigtige ingeniørmiljøer. Hvis det er succesfuldt, kan kontekst — og ikke kun generering — vise sig at være den afgørende lag, der giver AI mulighed for at gå fra hjælper til integreret deltager i komplekse software-økosystemer.