CodeRabbit huy động được 60 triệu đô la trong vòng Series B để định nghĩa lại việc xem xét mã code bằng AI trong kỷ nguyên mã hóa Vibe

CodeRabbit, nền tảng định nghĩa thể loại cho việc xem xét mã code được thúc đẩy bởi AI, đã huy động được 60 triệu đô la trong vòng tài trợ Series B do Scale Venture Partners dẫn đầu, với sự hỗ trợ thêm từ NVentures: NVIDIA Venture Capital (NVDA ), CRV, Harmony Partners, Flex Capital, Engineering Capital, và Pelion Venture Partners. Vòng tài trợ mới này đưa tổng số tiền tài trợ cho CodeRabbit lên 88 triệu đô la và nhấn mạnh sự cần thiết cấp bách của các lớp quản lý trong phát triển hỗ trợ bởi AI.

Khoản đầu tư này đến vào thời điểm “mã hóa Vibe” – việc tạo ra một lượng lớn mã code với sự hỗ trợ của các tác nhân AI – đang buộc các đội phát triển phần mềm phải suy nghĩ lại các quy trình xem xét truyền thống. Trong khi các công cụ AI như GitHub Copilot, Cursor và Claude Code cho phép các nhà phát triển di chuyển nhanh hơn, chúng thường tạo ra các nút thắt ở hạ lưu, nơi việc xem xét mã code của con người không thể theo kịp. CodeRabbit đã nổi lên như một giải pháp hàng đầu cho thách thức này, xây dựng một động cơ xem xét AI nhận thức được ngữ cảnh hoạt động như một lớp tin cậy giữa việc tạo ra mã code và sản xuất.

Xử lý Nút thắt Xem xét Mã code

Phiên bản mới nhất của CodeRabbit mở rộng dấu ấn của mình trên chu kỳ phát triển bằng cách nhúng các xem xét AI vào giao diện dòng lệnh (CLI) cùng với các tích hợp với các IDE như VS Code, Cursor và Windsurf, và các nền tảng Git như GitHub, GitLab , Azure DevOps và Bitbucket. Điều này cho phép các nhà phát triển tạo ra, kiểm tra và hợp nhất mã code trong một vòng lặp liên tục mà không phá vỡ trạng thái dòng chảy.

Các tính năng sản phẩm mới bao gồm:

• Truy cập CLI — giải pháp xem xét mã code AI duy nhất chạy mượt mà trên CLI, IDE và nền tảng Git.
• Kiểm tra trước khi hợp nhất — tạo tự động các bài kiểm tra đơn vị và rào cản tùy chỉnh để tăng phạm vi kiểm tra trước khi các yêu cầu kéo được hợp nhất.
• MCP Client — một mô-đun sắp tới để lấy ngữ cảnh dự án sâu hơn từ các tài liệu yêu cầu, tài liệu thiết kế, và vé trong Jira hoặc Linear.

Shyamal Anadkat, Người đứng đầu Áp dụng Evals tại OpenAI, lưu ý rằng CodeRabbit là một trong những công ty đầu tiên áp dụng GPT-5, sử dụng khả năng suy luận tiên tiến của nó để cung cấp các đánh giá AIbenchmark.

“Khi các đội phát triển phần mềm tạo ra nhiều mã code hơn bao giờ hết, các giải pháp xem xét mã code như CodeRabbit là rất quan trọng để duy trì tốc độ xuất mã code.”

Bên trong Động cơ Ngữ cảnh của CodeRabbit

Ở trung tâm của CodeRabbit là hệ thống kỹ sư ngữ cảnh của nó, một khuôn khổ được thiết kế để đảm bảo rằng các xem xét AI không hoạt động trong chân không. Thay vì phân tích mã code trong sự cô lập, nền tảng này thu thập thông tin từ mọi góc độ của quá trình phát triển — từ đồ thị mã code và các yêu cầu kéo lịch sử đến vé Jira hoặc Linear, tài liệu kiến trúc và thậm chí cả hướng dẫn xem xét tùy chỉnh hoặc hướng dẫn tác nhân mã hóa.

Bằng cách kết hợp tất cả thông tin này, AI của CodeRabbit có được nhận thức về tình huống cần thiết để phát hiện các vấn đề mà các công cụ linting truyền thống bỏ qua, cho dù đó là một lỗi tinh vi, một điểm yếu bảo mật tiềm ẩn, hoặc một cải tiến kiến trúc có thể tăng cường sự ổn định lâu dài. Đồng thời, hệ thống này thích nghi với phong cách và tiêu chuẩn của từng đội kỹ sư, cung cấp phản hồi chính xác và có thể hành động mà không làm cho các nhà phát triển bị quá tải với tiếng ồn không liên quan.

Groupon, một trong những người dùng sớm của CodeRabbit, đã thấy những kết quả đáng kể. “Thời gian xem xét mã code trung bình của chúng tôi đã giảm từ 86 giờ xuống chỉ 39 phút, giúp tăng tốc đáng kể chu kỳ phát hành của chúng tôi,” theo Tomas Zaruba, Quản lý Kỹ thuật tại Groupon.

CodeRabbit Khác biệt như thế nào trong Phong cảnh Mã hóa Vibe

Một làn sóng các công ty khởi nghiệp đã xuất hiện xung quanh mã hóa Vibe, bao gồm Cursor, Replit, Windsurf và Claude Code. Những nền tảng này tập trung chủ yếu vào việc tăng tốc tạo mã code — cung cấp cho các nhà phát triển các công cụ tạo mã nhanh hơn, tự động hoàn thành và thậm chí cả luồng mã hóa tự động dựa trên tác nhân.

CodeRabbit, ngược lại, giải quyết nửa còn lại của phương trình: chất lượng và quản lý. Trong khi các nền tảng mã hóa Vibe giúp các đội tạo ra nhiều dòng mã code hơn, CodeRabbit đảm bảo rằng đầu ra là an toàn, đáng tin cậy và phù hợp với các tiêu chuẩn của tổ chức. Sự tích hợp sâu của nó trên cả các lớp tạo mã (qua các tác nhân mã hóa AI) và xem xét có nghĩa là các đội không cần phải trao đổi tốc độ lấy tin cậy.

Trên thực tế, các nền tảng mã hóa Vibe là về số lượng mã code, trong khi CodeRabbit đảm bảo chất lượng của mã code. Sự khác biệt này là lý do tại sao công ty đã thu hút được 8.000+ khách hàng trả phí, bao gồm các doanh nghiệp như John Deere, Life360, Mercury và Groupon, và đã trở thành ứng dụng AI số 1 trên GitHub Marketplace.

Tương lai của Mã hóa Vibe và Tại sao CodeRabbit lại Quan trọng

Sự phát triển của mã hóa Vibe đang thay đổi ngành công nghiệp phần mềm. Các đội có thể hiện tại có thể tạo ra các ứng dụng, tính năng hoặc nguyên mẫu trong vài giờ thay vì vài tuần. Nhưng tốc độ alone là nguy hiểm: không có các cổng chất lượng mạnh, các tổ chức rủi ro giới thiệu các lỗi, điểm yếu và nợ kỹ thuật ở quy mô chưa từng có.

Đây là nơi vai trò của CodeRabbit trở nên quan trọng. Bằng cách nhúng các hệ thống xem xét AI có khả năng mở rộng cùng với việc tạo mã code AI, công ty đang thiết lập một tiêu chuẩn mới cho chu kỳ phát triển phần mềm có tác nhân. Trong mô hình này, các tác nhân AI tạo mã code, các reviewer AI thực thi chất lượng, và các nhà phát triển điều phối quá trình — cho phép phát triển phần mềm nhanh hơn và an toàn hơn.

“Mã code được tạo ra bởi AI ở đây để ở, nhưng tốc độ mà không có một cơ sở kiến thức tập trung và một lớp quản lý độc lập là một công thức cho thảm họa. Xem xét mã code là cổng chất lượng quan trọng nhất trong chu kỳ phát triển phần mềm có tác nhân.” theo Harjot Gill, đồng sáng lập và CEO tại CodeRabbit.

Nhìn về phía trước, cách tiếp cận của CodeRabbit gợi ý rằng tương lai của mã hóa Vibe sẽ không phải là về việc chọn giữa sự giám sát của con người và tự chủ của AI. Thay vào đó, nó sẽ là về việc xây dựng các hệ thống lai nơi tốc độ tạo ra bởi AI được cân bằng bởi sự tin cậy được thực thi bởi AI. Đối với thập kỷ phần mềm tiếp theo, điều đó có thể chứng minh là sự khác biệt giữa gia tốc hỗn loạn và đổi mới bền vững.