Potpie AI sikrer 2,2 millioner dollar for å bringe smartere AI til komplekse ingeniørsystemer

Programvareutvikling utvikler seg raskt, men miljøene utviklerne jobber i har ikke alltid holdt pace. I dag annonserte Potpie AI — et startup som fokuserer på å gjøre AI-agenter virkelig nyttige i virkelige ingeniørsystemer — at de har samlet inn 2,2 millioner dollar i for-seed-finansiering. Runden ble ledet av Emergent Ventures med deltakelse fra All In Capital, DeVC og Point One Capital. Kapitalen vil støtte tidlige bedriftsleveranser, utvide ingeniørteamet og videreutvikle Potpies kjernkontekst og agent-infrastruktur.

Løsning av kontekstproblemet i ingeniørsystemer

Generative AI-verktøy har gjort imponerende fremskritt i å produsere arbeidskode, men de sliter ofte i komplekse, gjensidig avhengige systemer hvor kontekst er kritisk. Store språkmodeller kan generere kode, men uten dyp innsikt i systemnivåets arkitektur, verktøyshistorier og tverr-tjenestedependenser, er deres effektivitet i produksjonsmiljøer begrenset.

Tradisjonelt holder senioringeniører mye av denne kontekstuelle kunnskapen sammen. Når systemer skalerer inn i titalls millioner linjer med kode, blir denne modellen skjør. Potpie ble designet for å løse denne gapen ved å bygge en grunnleggende kontekstlag som samler informasjon fra kildekode, billetter, logger, dokumentasjon og anmeldelser. Ved å koble disse elementene til en strukturert representasjon av kodebasen, muliggjør plattformen at AI-agenter kan granske systemer på en mer helhetlig måte.

Fra spesifikasjoner til utførelse med større tillit

En grunnleggende prinsipp bak Potpie er å behandle spesifikasjonen — ikke den eksisterende koden — som kilde for sannheten. Før generering av noen kode, oversetter agenter krav til en tydelig implementeringsplan, kartlegger avhengigheter og kanter, og justerer test- og rullemåter.

I stedet for å fungere som en annen kodehjelper som fokuserer på autocomplete, konstruerer Potpie en grafisk modell av programvaresystemet. Det antar atferd over moduler og produserer strukturerte artefakter som guide hvordan agenter opererer. Dette inkluderer generering av Agent.md-filer for å definere agent-atferd i en kodebase, samt bygging av søkbare indekser over API-er, tjenester, databaser og komponenter for å redusere tvetydighet og forbedre pålitelighet.

Plattformen utvikler seg også sammen med systemet. Når pull-forespørsler opprettes, kan den oppdatere dokumentasjon og billetter. Når billetter åpnes, kan den generere systemdesign. Når utgivelser sendes, kan den produsere utgivelsesnotater automatisk. Målet er å kontinuerlig kuratere og vedlikeholde kontekst i stedet for å la den fragmentere over tid.

Bygget for bedrifts-skala kodebasen

Grunnlagt av Aditi Kothari og Dhiren Mathur, oppstod Potpie under den tidlige bølgen av generativ AI-tilpasning i slutten av 2023. Mens mye av industrien fokuserte på AI for kunnskapsarbeidere, identifiserte grunnleggerne en distinkt utfordring som utviklere møtte: kodebasen er ikke-lineær, dyp sammenhengende og distribuert over flere verktøy og lag.

Selskapet brukte nesten to år på å utvikle sin ontologi-først arkitektur og kunnskapsgraf før det ble lansert offentlig i januar 2025. Plattformen er designet for bedriftsmiljøer, fra kodebasen på omtrent en million linjer og skalerer til hundre millioner.

Tidlige resultater reflekterer omfanget av problemet

Innledende leveranser understreker kompleksiteten Potpie sikter på å håndtere. I ett tilfelle, reduserte en kunde med over 40 millioner linjer kode årsaken til produksjonsproblemer fra nesten en uke til rundt 30 minutter, med ingeniører som skiftet til anmelder-roller i stedet for etterforskere. En annen bedrift som vedlikeholdt tiår gamle, maskin-integerte systemer, brukte plattformen til å generere og oppdatere sluttpunktstester i bakgrunnen, og komprimerte arbeid som tidligere spente over flere sprinter til en betydelig kortere syklus.

Potpie samarbeider for tiden med Fortune 500- og børsnoterte selskaper i regulerte bransjer, inkludert helse og insurtech. Deres åpne prosjekter har oversteget 5 000 stjerner på GitHub, og bidrar til bedriftsinteresse.

En endring i hvordan AI passer inn i ingeniørvirksomheten

Etter hvert som AI-drevet kodegenerering blir mer tilgjengelig, er den vanskeligere utfordringen å muliggjøre AI å granske hele systemer trygt. Potpies strukturerte, kontekst-først tilnærming reflekterer en bredere endring i utvikler-verktøy-landskapet — en som betoner systemnivå-forståelse i stedet for overflate-nivå automatisering.

Selskapets siste finansieringsrunde signaliserer økende investeringsoppmerksomhet mot infrastruktur som gjør AI-agenter praktiske i virkelige ingeniørmiljøer. Hvis det lykkes, kan kontekst — ikke bare generering — vise seg å være det avgjørende laget som lar AI gå fra assistent til integrert deltager i komplekse programvare-økosystemer.