| 👀 خبر در یک نگاه:
ویکس با افزودن هوش مصنوعی به خطوط CI/CD، پایداری و تجربه توسعه‌دهنده را بهبود داده است. استفاده از عدم قطعیت کنترل‌شده در بخش‌های خاص، فرایند را قابل پیش‌بینی‌تر و کاربرپسندتر کرده و نظارت انسانی را حفظ کرده است. |
سرویس توسعه وب مبتنی بر کلاد ویکس (Wix) درباره رویکرد جدیدی برای ادغام هوش مصنوعی در سیستم‌های یکپارچه‌سازی و استقرار مداوم (CI/CD) نوشته است. در یک پست، ویکس نشان می‌دهد چگونه هوش مصنوعی احتمالاتی می‌تواند هم‌زمان با فرایندهای توسعه قطعی وجود داشته باشد و آشوب ایجاد کند بدون اینکه قابلیت اطمینان را کاهش دهد.
در این پست، تیم مهندسی انتشار موبایل ویکس توضیح می‌دهد چگونه ابزارهای هوش مصنوعی را در زیرساخت CI/CD خود با موفقیت پیاده‌سازی کردند تا از قابلیت یادگیری هوش مصنوعی استفاده کنند بدون اینکه پیش‌بینی‌پذیری لازم برای سیستم‌های CI/CD زیر سوال برود. آن‌ها تاکید می‌کنند که استفاده‌شان از هوش مصنوعی برای تقویت تصمیم‌گیری انسانی است، نه جایگزینی فرایندهای خودکار.
ایتای شوفتان (Itai Schuftan)، رهبر تیم انتشار فنی اپ موبایل، توضیح می‌دهد که نکته کلیدی درک این بود که همه بخش‌های CI/CD نیازی به قطعی بودن ندارند. در حالی که ساخت و استقرار باید کاملا مطمئن باقی بمانند، وظایفی مانند تفسیر لاگ‌ها، دسته‌بندی خطاها و پیشنهاد راه‌حل‌ها در حوزه‌های خاکستری قرار دارند که شناسایی الگو توسط هوش مصنوعی در آن‌ها برتری دارد.
«در مورد CI/CD، تقریبا هیچ‌کس به سراغ آن نمی‌رفت. شاید به این دلایل که این حوزه سخت و بی‌رحم است و حاشیه خطا بسیار کم است اما مدیر من واقعا معتقد بود این موضوع ارزش کاوش دارد. باید راهی برای ترکیب توانمندی‌های رو به رشد هوش مصنوعی با دنیای خطوط ساخت و ابزارهای موبایل وجود داشته باشد.»
ویکس با دقت مطمئن شد که مرزها رعایت شوند و هوش مصنوعی برای شروع استقرارها یا تصمیم‌گیری‌های حیاتی زیرساخت استفاده نشود. در عوض، هوش مصنوعی انسان‌هایی که این کارها را انجام می‌دهند را راهنمایی می‌کند تا کارآمدتر شوند و بار ذهنی مدیریت سیستم‌های ساخت پیچیده کاهش یابد.
یکی از موفق‌ترین پیاده‌سازی‌های هوش مصنوعی ویکس به تحلیل لاگ‌های ساخت می‌پردازد که نقطه درد مداوم تیم‌های DevOps است. لاگ‌های ساخت سنتی طولانی، پر سروصدا و ناسازگار بین پلتفرم‌ها هستند و اغلب اطلاعات خطای حیاتی را میان هشدارهای وابستگی و ردپاهای پیچیده پنهان می‌کنند.
ویکس دستیار هوش مصنوعی داخلی خود را برای تحلیل منظم این لاگ‌ها به‌کار گرفت تا خطاهای واقعی را شناسایی کند، نه فقط اولین خط مشکل‌دار را علامت بزند. این سیستم مشکلات کلیدی را برجسته کرده، سعی می‌کند آن‌ها را به زبان ساده توضیح دهد و راه‌حل‌های احتمالی پیشنهاد کند. گزارش شده که این روش هر هفته ساعت‌ها وقت گفت‌وگوی بی‌ثمر بین توسعه‌دهندگان و تیم‌های زیرساخت را صرفه‌جویی می‌کند.
این مورد همچنین به توسعه‌دهندگان اجازه داده مستقل‌تر کار کنند؛ زیرا قبلا بسیاری از خطاهای ساخت نیازمند تماس با مهندسان DevOps بود که باعث ایجاد گلوگاه و قطع کار می‌شد. تحلیل لاگ مبتنی بر هوش مصنوعی اغلب به توسعه‌دهندگان امکان می‌دهد مسائل را به‌تنهایی درک و رفع کنند.
رویکردهای مشابه در سراسر صنعت در حال اجرا هستند. برای مثال، قابلیت‌های نظارت مبتنی بر هوش مصنوعی Datadog لاگ‌ها را به‌صورت لحظه‌ای تفسیر می‌کند، خطاها را برجسته کرده و علت‌های اصلی را با توضیحات ساده تشخیص می‌دهد. سیستم آن‌ها همچنین تحلیل پیش‌بینی خطا دارد و می‌تواند به‌طور خودکار سرویس‌های خراب شده را راه‌اندازی مجدد یا به نسخه‌های پایدار بازگرداند که باعث کاهش زمان توقف در محیط‌های تولید می‌شود.
ویکس پروتکل مدل کانتکست (MCP) را پیاده‌سازی کرده است، مشخصاتی که قبل از پردازش پرسش‌ها به مدل‌های زبان بزرگ زمینه ساختارمند می‌دهد. سرور MCP با ارائه لاگ‌های ساخت، متادیتای ماژول و مستندات مرتبط، به هوش مصنوعی زمینه می‌دهد. اتصال هوش مصنوعی به سرور MCP باعث می‌شود سیستم بتواند خطاها را محدود کند، محل وقوع آن‌ها را پیدا کند و اغلب ماژول آسیب‌دیده را به‌درستی شناسایی کند. مزایای آن خلاصه‌های دقیق‌تر، تشخیص بهتر علت اصلی و گام‌های عملی بعدی است.
ارتقای هوش مصنوعی با افزودن کمک MCP برای درک زمینه حوزه، به ویکس اجازه داده است میزان کلمات لازم برای پرامپت دادن به هوش مصنوعی و نیاز به راهنمایی در روش‌های هوش مصنوعی عمومی‌تر را کاهش دهد.
ایتای شوفتان همچنین اضافه کرد:
«MCP ما را از «دستیار هوش مصنوعی» به «هم‌تیمی هوش مصنوعی» تبدیل کرد. دیگر نیازی به راهنمایی یا پرامپت‌های طولانی ندارد و موضوع را فورا درک می‌کند.»
ویکس همچنین یک سیستم مهاجرت خودکار توسعه داده که به کاهش کیفیت کد در برنامه‌های موبایل پیچیده‌اش می‌پردازد، که شامل ده‌ها زیرپروژه است. این سیستم از تحلیل ایستا، هیوریستیک‌ها و قابلیت‌های مدل زبان بزرگ برای شناسایی و به‌روزرسانی کد ماژول مرتبط استفاده می‌کند و پیشنهادات اصلاحی شخصی‌سازی شده ارائه می‌دهد. چارچوب مهاجرت زمینه‌های خاص ماژول از جمله وابستگی‌ها، سبک کد و تنظیمات پروژه را می‌فهمد و از به‌روزرسانی‌های کلی خودداری می‌کند. این سیستم درخواست‌های pull با مهاجرت‌های پیشنهادی و توضیحات تغییرات تولید می‌کند که مالکان مهاجرت می‌توانند آن‌ها را تایید، تغییر یا رد کنند.
این سیستم به‌طور چشمگیری زمان مهاجرت را بهبود بخشیده است. ویکس گزارش می‌دهد که مهاجرت‌هایی که قبلا تا سه ماه طول می‌کشید، اکنون می‌توانند برای ۱۰۰ ماژول طی ۲۴ تا ۴۸ ساعت انجام شوند، در حالی که کیفیت کد با نظارت انسانی حفظ می‌شود.
این موفقیت نشان‌دهنده پذیرش گسترده‌تر ابزارهای مهاجرت مبتنی بر هوش مصنوعی در صنعت است. هوش کد Sourcegraph مهاجرت‌های خودکار را برای سازمان‌هایی مانند Reddit و FactSet هدایت می‌کند و گزارش شده که سرعت مهاجرت را افزایش و خطاها را تا ۶۰درصد کاهش داده است. گوگل نیز از استراتژی‌های مشابه در جریان‌های کاری تولیدی هوش مصنوعی برای مهاجرت‌های خودکار کد استفاده می‌کند که به هوش مصنوعی اجازه می‌دهد تغییرات کد تاییدشده‌ای تولید کند که تست‌های واحد را پاس می‌کنند، در حالی که مهندسان انسانی کنترل تایید را حفظ می‌کنند. همچنین گوگل گزارش کرده با استفاده از این فناوری، جریان‌های مهاجرت را تسریع و زمان کل مهاجرت را تا ۵۰درصد کاهش داده و هم‌زمان ثبات و قابلیت بررسی کد را با نظارت انسانی حفظ می‌کند.
افزودن هوش مصنوعی به‌صورت دقیق و حساب‌شده به خطوط CI/CD ویکس، به بهبود قابل اندازه‌گیری در پایداری سیستم و تجربه توسعه‌دهنده منجر شده است. با وارد کردن عدم قطعیت کنترل‌شده در بخش‌های مناسب، فرایند CI/CD پایدارتر، مقابل پیش‌بینی‌تر و کاربرپسندتر شده است. ویکس این موفقیت را به تعیین دقیق مرزها و حفظ نظارت انسانی در نقاط ضروری نسبت می‌دهد. این روش در صنعت فناوری در حال گسترش است. پلتفرم‌های حوزه سلامت مانند Epic و Meditech از عامل‌های هوش مصنوعی قطعی در خطوط CI/CD برای جریان‌های کاری معتبرسازی و استقرار امن و قابل توضیح استفاده می‌کنند که اولویت آن‌ها قابلیت تکرار و رعایت مقررات است.
شوفتان (Schuftan) در پایان پست بلاگ اشاره می‌کند که آن‌ها همچنان در حال بهبود تدریجی با استفاده از ابزارهای جدید مجهز به هوش مصنوعی هستند و از این ابزارها برای شناسایی و رفع گلوگاه‌ها و کارهای تکراری بهره می‌برند.
«طنز ماجرا این است که با وارد کردن کمی عدم قطعیت کنترل‌شده در نقاط درست، فرایند CI/CD ما پایدارتر، قابل پیش‌بینی‌تر و بسیار انسانی‌تر شده است.»
منبع: infoq.com
دیدگاهتان را بنویسید