എന്റെ പൈപ്പ്ലൈനിൽ AI ഏജന്റുമാർ: ശരിക്കും പ്രവർത്തിക്കുന്നതെന്താണ്

അകത്ത് AI എന്റെ DevOps ജോലി എടുക്കുമോ? ഞാൻ എഴുതിയിരുന്നത് AI വളരെ വേഗതയുള്ള ഒരു ജൂനിയർ എൻജിനീയർ പോലെയാണെന്ന്. ഒരിക്കലും മടുപ്പില്ലാത്ത, തെറ്റു പറ്റിയപ്പോൾ ഒരിക്കലും അറിയാത്ത. എന്റെ ജോലിയുടെ പുതിയ ഭാഗം AI ഏജന്റുമാര് ക്ക് വേണ്ടി ഗാര് ഡ് റീല് നിർമ്മിക്കുമെന്ന് ഞാന് പറഞ്ഞു.

ഈ പോസ്റ്റ് അതിന്റെ പ്രായോഗിക തുടര് ന്നുള്ളതാണ്. "ആൾട്ടിമേറ്റ് ഐ ഡിവോപ്സിനെ മാറ്റുമോ" എന്നതല്ല, ഇന്ന് ഏജന്റുമാരെ ഏൽപ്പിക്കാൻ കഴിയുന്ന ജോലികൾ, ഒരു പിഴവ് ചെറുതായിരിക്കട്ടെ എന്ന് എങ്ങനെ ക്രമീകരിക്കും?

എന്താണു മാറിയത്?

ഒരു രണ്ടു വർഷം മുമ്പ്, DevOps ലെ AI പ്രധാനമായും എഡിറ്ററിൽ ഓട്ടോമാറ്റിക് പൂരിപ്പിക്കൽ അല്ലെങ്കിൽ ഒരു ചാറ്റ് വിൻഡോയിൽ ഒരു പിശക് ഒട്ടിക്കൽ എന്നതായിരുന്നു. ഉപയോഗപ്രദമായി, പക്ഷെ നീ എപ്പോഴും ഡ്രൈവിംഗ് സീറ്റിൽ ആയിരുന്നു.

ഏജന്റുമാർ വ്യത്യസ്തരാണ്. ക്ലോഡ് കോഡ്, ഗിറ്റ്ഹബ് കോപിലോട്ടിലെ കോഡിംഗ് ഏജന്റ്, കർസറിന്റെ പശ്ചാത്തല ഏജന്റ്സ് തുടങ്ങിയവയ്ക്ക് ഒരു ടാസ്ക് എടുക്കാം, റിപ്പോസിറ്ററി വായിക്കാം, കമാൻഡുകൾ പ്രവർത്തിപ്പിക്കാം, ഫലങ്ങൾ പരിശോധിക്കാം, വീണ്ടും ശ്രമിക്കാം, ഒരു പിൻ അഭ്യർത്ഥന തുറക്കാം. അവ ഒരു ലൂപ്പിൽ പ്രവർത്തിക്കുന്നു, ഒരൊറ്റ ഉത്തരം അല്ല.

അത് അവരെ കൂടുതൽ ഉപയോഗപ്രദമാക്കുന്നു, നിയന്ത്രിക്കാന് വളരെ പ്രധാനമാണ്.

ഏജന്റുമാര് ക്ക് ഏല് പിക്കാന് എനിക്ക് സുഖമുള്ള ജോലികള്

ഈ മാതൃക വ്യക്തമാണ്, പരിശോധിക്കാൻ എളുപ്പമാണ്, ഉല്പാദനത്തിന് മുമ്പ് അവലോകനം ചെയ്യപ്പെടുന്നു.

ഒരു തകർന്ന കെട്ടിടം നന്നാക്കുന്നു. "ഈ പരീക്ഷണത്തിൽ പൈപ്പ്ലൈൻ പരാജയപ്പെട്ടു, അതിന് റെ കാരണം കണ്ടെത്തുക, പരിഹാരം നിർദ്ദേശിക്കുക". ഏജന്റ് ലോഗ് വായിക്കുകയും, പരാജയം പുനർനിർമ്മിക്കുകയും, ഒരു മാറ്റം നിർദ്ദേശിക്കുകയും ചെയ്യുന്നു. ഒരു മനുഷ്യന് ആ ക്ഷണം പരിശോധിക്കുന്നു.

കോഡ് മാറ്റം ആവശ്യമുള്ള ആശ്രിതത്വ അപ്ഗ്രേഡുകൾ. പുതുക്കൽ അപ്ഗ്രേഡ് തുറക്കുന്നു, ഒരു API മാറിയതുകൊണ്ട് ടെസ്റ്റുകൾ പരാജയപ്പെടുന്നു, ഏജന്റ് കോൾ സൈറ്റുകൾ അപ്ഡേറ്റ് ചെയ്യുന്നു.

മടുപ്പിക്കുന്ന അടിസ്ഥാന സൌകര്യ മാറ്റങ്ങൾ. പുതിയ പരിസ്ഥിതി വേരിയബിളുകൾ സേവനങ്ങളില് ചേര് ത്തു, ഹെല് മിലെ റിസോഴ്സ് അഭ്യർത്ഥനകൾ അപ്ഡേറ്റ് ചെയ്തു, എല്ലായിടത്തും ഒരു ലേബലിന് പേര് മാറ്റുന്നു.

ആദ്യ ഡ്രാഫ്റ്റുകൾ എഴുതുന്നു. പുതിയ പൈപ്പ്ലൈൻ, ഡോക്കർ ഫയൽ, ടെറാഫോർം മോഡുളിന്റെ സ്കെയിൽ, ഒരു സംഭവത്തിന്റെ സമയരേഖയുടെ ഒരു റൺബുക്ക്.

വിശദീകരിക്കുകയും രേഖപ്പെടുത്തുകയും ചെയ്യുന്നു. "ഈ പഴയ സ്ക്രിപ്റ്റ് എന്ത് ചെയ്യുന്നു?" ഒരു README ആയി മാറി.

ഞാൻ അവർക്ക് നൽകുന്ന അനുമതികൾ (അല്ലെങ്കിൽ അനുവദിക്കാത്തവ)

ഇത് ഏറ്റവും പ്രധാനപ്പെട്ട ഭാഗമാണ്. എന്റെ നിയമങ്ങൾ:

• ഏജന്റുമാർ ബ്രാഞ്ചുകളില് ജോലി ചെയ്യുന്നു, ഒരിക്കലും പ്രധാനവകുപ്പില് അല്ല. എല്ലാ മാറ്റങ്ങളും ഒരു പിൻവലിക്കൽ അഭ്യർത്ഥനയിലൂടെയും സാധാരണ അവലോകനത്തിലൂടെയും പോകുന്നു.
• പ്രൊഡക്ഷൻ ക്രെഡൻഷ്യലുകളില്ല. ഒരിക്കലും. ഏജന്റുമാർ CI- യിലോ ഒരു സാൻഡ്ബോക്സിലോ പ്രവർത്തിക്കുന്നു, അവയ്ക്ക് റിപ്പോസിറ്ററിയിലേക്കും ടെസ്റ്റ് പരിതസ്ഥിതികളിലേക്കും മാത്രമേ പ്രവേശനമുള്ളൂ.
• ഹ്രസ്വകാല, ഇടുങ്ങിയ ടോക്കണുകൾ. ഒരു ഗിറ്റ്ഹബ് ടോക്കൺ, അത് ശാഖകളിലേക്ക് നീക്കി, പിൻ അഭ്യർത്ഥനകൾ തുറക്കും, റിപ്പോസിറ്ററി ക്രമീകരണങ്ങൾ മാറ്റാനോ സ്വന്തം PR അംഗീകരിക്കാനോ കഴിയാത്ത ഒന്ന്.
• ബ്രാഞ്ച് പ്രൊട്ടക്ഷൻ ആണ് നിയമം നടപ്പാക്കുന്നത്. ആവശ്യമായ പരിശോധനകളും പരിശോധനകളും മനുഷ്യരെ പോലെ തന്നെ ഏജന്റുമാരെ ബാധിക്കുന്നു.
• സാധ്യമായിടത്ത് നെറ്റ് വർക്ക് പരിമിതികൾ. ഒരു യൂണിറ്റ് ടെസ്റ്റ് ശരിയാക്കുന്ന ഒരു ഏജന് റ് ഇന്റർനെറ്റിലെങ്ങും എത്തേണ്ട ആവശ്യമില്ല.
• എല്ലാം രേഖപ്പെടുത്തിയിട്ടുണ്ട്. ഏജന്റു നടത്തിയതും, അത് മാറ്റിമറിച്ചതും, ആരാണ് അത് തുടങ്ങിയത്.

ഒരു AI ഏജന്റിനെ അവരുടെ ആദ്യ ദിവസം ഒരു പുതിയ കരാറുകാരനെ പോലെ പരിഗണിക്കുക: സഹായകരവും, ഉത്സാഹമുള്ളതും, ചുമതലയ്ക്ക് ആവശ്യമായ ആക്സസ് ഉള്ളതും, കൂടുതലൊന്നും.

അവിടെ ഇപ്പോഴും പരാജയപ്പെടുന്നു

ഏജന്റുമാർ ആകർഷകരാണ്, പക്ഷെ ഞാന് ഒരേ പരാജയരീതി വീണ്ടും വീണ്ടും കാണുന്നു:

• ബഗ് ശരിയാക്കുന്നതിനു പകരം ടെസ്റ്റ് പാസാക്കുന്നു. ചിലപ്പോള് "പരിഹാരം" പരീക്ഷയുടെ പ്രതീക്ഷ മാറ്റുകയാണ്. വ്യത്യാസം ശ്രദ്ധാപൂർവ്വം വായിക്കുക.
• സന്ദര് ശനം നഷ്ടപ്പെട്ടു. ഏജന് റ്ക്ക് ആ ക്രമീകരണം അറിയില്ല. കാരണം മൂന്ന് വര് ഷം മുമ്പുള്ള ഒരു തകരാറ്. "അത് ശുദ്ധീകരിക്കും".
• അനുമതികൾ വളരെ വിശാലമാണ് സൃഷ്ടിച്ച ഐ. എ. എം. നയങ്ങളിലോ കുബർനെറ്റസ് ആർ. ബി. എ. സി. യിലോ. * എപ്പോഴും പ്രലോഭനമാണ്.
• പെട്ടെന്ന് കുത്തിവയ്ക്കാം. ഒരു ഏജന്റ് പ്രശ്നങ്ങൾ, ലോഗുകൾ അല്ലെങ്കിൽ വെബ് പേജുകൾ വായിക്കുന്നു അത് കൈകാര്യം ചെയ്യാൻ എഴുതിയ ടെക്സ്റ്റ് വഴി വഞ്ചിക്കപ്പെടാം. വിശ്വസനീയമല്ലാത്ത ഇൻപുട്ട് വായിക്കുന്ന ഒരു ഏജന്റിന് ഒരിക്കലും മാറ്റാനാവാത്ത എന്തെങ്കിലും ചെയ്യാനുള്ള അധികാരം കൊടുക്കരുത്.
• ആത്മവിശ്വാസം. അത് എപ്പോഴും ഉറപ്പായിട്ടാണ് കേൾക്കുന്നത്. അത് ശരിയാണെന്നതിന് തുല്യമല്ല.

എന്റെ ക്രമീകരണം, പടിപടിയായി

നിങ്ങളുടെ ടീമിൽ ഇത് പരീക്ഷിക്കണമെങ്കിൽ, ഇതാ ഒരു സുരക്ഷിത ആരംഭ പോയിന്റ്:

1. നല്ല ടെസ്റ്റ് കവറേജ് ഉള്ള ഒരു റിപ്പോസിറ്ററി തിരഞ്ഞെടുക്കുക.
2. ബ്രാഞ്ച് മാത്രം പുഷ് അവകാശങ്ങളുള്ള ഒരു ബോട്ട് ഐഡന്റിറ്റി സൃഷ്ടിക്കുക.
3. ഒരു ലേബൽ അല്ലെങ്കിൽ അഭിപ്രായം പ്രേരിപ്പിക്കുന്ന CI (അല്ലെങ്കിൽ ഒരു കണ്ടെയ്നർ) ൽ ഏജന്റ് പ്രവർത്തിപ്പിക്കുക, ഉദാഹരണത്തിന് ചേർക്കുന്നത് agent:fix ഒരു പരാജയപ്പെട്ട പിആര് സംരംഭത്തിന് .
4. റെപ്പോയില് വ്യക്തമായ ഒരു നിർദ്ദേശ ഫയല് കൊടുക്കുക: എങ്ങനെ നിർമ്മിക്കണം, എങ്ങനെ പരീക്ഷിക്കണം, എന്ത് തൊടരുത്.
5. ഓരോ പിൻവലിക്കൽ അഭ്യർത്ഥനയും മനുഷ്യ പരിശോധന ആവശ്യപ്പെടുന്നു.
6. ഒരു മാസത്തെ ഫലങ്ങൾ ട്രാക്കുചെയ്യുക: എത്ര പിആർ സംയോജിപ്പിച്ചു, എത്ര പുനർനിർമ്മാണം ആവശ്യമാണ്, എത്ര തെറ്റായിരുന്നു.

ഒരു മാസത്തിനു ശേഷം നിങ്ങളുടെ ടീമിന് സമയം ലാഭിക്കാൻ സാധിക്കുന്നതെവിടെയാണെന്ന് നിങ്ങൾക്ക് അറിയാം, അത് ഏതെങ്കിലും വിതരണക്കാരന്റെ ബെഞ്ച്മാർക്കിനെ മറികടക്കുന്നു.

അത് വിലപ്പെട്ടതാണോ?

അതെ, ശരിയായ ജോലികൾക്കായി. ഏജന്റുമാർ ചെറിയതും അലസവുമായ ജോലികൾ ഒഴിവാക്കുന്നു, അവ പെട്ടെന്ന് മെച്ചപ്പെടുന്നു. പക്ഷെ അതിന്റെ വില മുഴുവന് അവയുടെ ചുറ്റുമുള്ള കാവല് ക്കോപ്പുകളില് ആശ്രയിച്ചിരിക്കുന്നു. നല്ല ടെസ്റ്റുകളും നല്ല അവലോകനങ്ങളും ചെറിയ അനുമതികളും ഒരു ഏജന്റിനെ അപകടകാരിയാക്കുന്നതിൽ നിന്നും വളരെ ഉൽപ്പാദനക്ഷമനായ ഒരു ടീം കാമുകനായി മാറ്റുന്നു.

എന്റെ അഭിപ്രായം: ഏജന്റുമാർക്ക് വിവാഹാലോചന നടത്താം, പൈപ്പ്ലൈന് പരിശോധിക്കാം, മനുഷ്യര് തീരുമാനിക്കുക. മുമ്പത്തെ നിയമം തന്നെ, ഇപ്പോൾ യഥാർഥ ഉപകരണങ്ങളുമായി.

ഡെസ്ലി