ကျွန်ုပ်တို့သည် LLM သို့ CI မှတ်တမ်းများ terabytes ပေးခဲ့သည်။

သင်၏ CI ပိုက်လိုင်းတွင် ဝှက်ထားသော ရွှေတွင်း

အင်ဂျင်နီယာအဖွဲ့တိုင်းက ၎င်းတို့ကို ထုတ်ပေးသည်။ လိုင်းသန်းပေါင်းများစွာ၊ နေ့စဥ်တိုင်း — အချိန်တံဆိပ်တုံးများ၊ အစုလိုက်ခြေရာခံများ၊ မှီခိုမှုဖြေရှင်းချက်များ၊ စမ်းသပ်မှုရလဒ်များ၊ ဖန်တီးထားသောပစ္စည်းများ၊ နှင့် မည်သူမဆိုဖတ်နိုင်သည်ထက် ပိုမြန်သော လျှို့ဝှက်ချက်အမှားမက်ဆေ့ချ်များ။ CI မှတ်တမ်းများသည် ခေတ်မီဆော့ဖ်ဝဲလ်ဖွံ့ဖြိုးတိုးတက်မှု၏ ထွက်ပေါက်အငွေ့များဖြစ်ပြီး အဖွဲ့အစည်းအများစုအတွက် ၎င်းတို့ကို အိတ်ဇောကဲ့သို့ အတိအကျ သဘောထားသည်- သိုလှောင်မှုထဲသို့ လေဝင်စေပြီး မေ့သွားနိုင်သည်။ သို့သော် ယင်းမှတ်တမ်းများတွင် မအောင်မြင်မီ ကြိုတင်ခန့်မှန်းနိုင်သည့် ပုံစံများပါရှိပြီး၊ သင့်အဖွဲ့သည် လေးပုံတစ်ပုံလျှင် နာရီရာနှင့်ချီ ကုန်ကျမည့် ပိတ်ဆို့မှုများကို ဖော်ထုတ်ကာ အင်ဂျင်နီယာတစ်ဦးမှ မမြင်ဖူးသည့် စနစ်ကျသော ပြဿနာများကို ဖော်ထုတ်မည်ဆိုပါက အဘယ်နည်း။ ကျွန်ုပ်တို့သည် CI မှတ်တမ်းဒေတာကို ကြီးမားသောဘာသာစကားမော်ဒယ်တစ်ခုအဖြစ်သို့ ဖြည့်သွင်းခြင်းဖြင့် ရှာဖွေတွေ့ရှိရန် ဆုံးဖြတ်ခဲ့သည် — နှင့် ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည့်အရာသည် DevOps နှင့်ပတ်သက်၍ ကျွန်ုပ်တို့၏တွေးခေါ်ပုံကို လုံးဝပြောင်းလဲသွားစေခဲ့သည်။

အဘယ်ကြောင့် CI မှတ်တမ်းများသည် ဆော့ဖ်ဝဲလ်အင်ဂျင်နီယာတွင် အသုံးမ၀င်ဆုံး ဒေတာများဖြစ်သနည်း

ကျယ်ဝန်းသော ထုထည်ကို သုံးသပ်ကြည့်ပါ။ သိုလှောင်ရာနေရာအများအပြားတွင် တစ်ရက်လျှင် တည်ဆောက်မှု 200 ကို လုပ်ဆောင်နေသည့် အလယ်အလတ်အင်ဂျင်နီယာအဖွဲ့သည် နေ့စဉ် အကြမ်းဖျင်း မှတ်တမ်းဒေတာ 2-4 GB ထုတ်ပေးသည်။ တစ်နှစ်ကျော်၊ ၎င်းသည် စုစည်းမှုတိုင်း၊ စမ်းသပ်မှုစဥ်လုပ်ဆောင်မှုတိုင်း၊ အသုံးချမှုအဆင့်တိုင်းနှင့် သင့်စနစ်ကြုံတွေ့ခဲ့ရဖူးသည့် ပျက်ကွက်မှုမုဒ်အားလုံးကို ဖမ်းယူဖမ်းယူနိုင်သော ဖွဲ့စည်းတည်ဆောက်ပုံနှင့် တစ်ပိုင်းတစ်ပိုင်းဖွဲ့စည်းပုံဆိုင်ရာ စာသားတစ် terabyte ကျော်ရှိသည်။ ၎င်းသည် သင်၏ အင်ဂျင်နီယာအဖွဲ့အစည်း၏ ကုန်ထုတ်စွမ်းအားဆိုင်ရာ ပြီးပြည့်စုံသော ရှေးဟောင်းသုတေသန မှတ်တမ်းတစ်ခုဖြစ်သည် — နှင့် မည်သူမျှ မဖတ်ကြပေ။

ပြဿနာက ဒေတာတန်ဖိုးမရှိလို့ မဟုတ်ပါဘူး။ signal-to-noise အချိုးသည် ရက်စက်သည်။ ပုံမှန် CI လည်ပတ်မှုတစ်ခုသည် ထောင်ပေါင်းများစွာသော အထွက်လိုင်းများကို ထုတ်လုပ်ပေးကာ အဆိုပါလိုင်းများအနက် 3-5 ခုတွင် လုပ်ဆောင်နိုင်သော အချက်အလက်များပါရှိသည်။ အင်ဂျင်နီယာများသည် အနီရောင်စာသားကို စကင်န်ဖတ်ရန်၊ "FAILED" အတွက် grep ကို စကင်န်ဖတ်ရန် သင်ယူပြီး ရှေ့ဆက်ပါ။ သို့သော် အရေးအကြီးဆုံးသော ပုံစံများ — အင်္ဂါနေ့တိုင်း ကျရှုံးသည့် မမြဲသော စစ်ဆေးမှု၊ တည်ဆောက်မှုတိုင်းတွင် စက္ကန့် 40 တိုးပေးသော မှီခိုမှု၊ တိကျသော ဝန်ဆောင်မှုသုံးခုကို တစ်ပြိုင်နက် လုပ်ဆောင်သည့်အခါမှသာ ထွက်ပေါ်လာသည့် မှတ်ဉာဏ်ယိုစိမ့်မှု- ထိုပုံစံများသည် တစ်ဦးချင်းမှတ်တမ်းအဆင့်တွင် မမြင်နိုင်ပါ။ ၎င်းတို့သည် အတိုင်းအတာဖြင့်သာ ထွက်ပေါ်လာသည်။

ELK stacks နှင့် Datadog ကဲ့သို့သော သမားရိုးကျ မှတ်တမ်းခွဲခြမ်းစိတ်ဖြာမှု ကိရိယာများသည် မက်ထရစ်များ နှင့် မျက်နှာပြင်သော့ချက်စာလုံးများကို ပေါင်းစပ်နိုင်သော်လည်း ၎င်းတို့သည် CI အထွက်၏ အဓိပ္ပါယ်ရှုပ်ထွေးမှုနှင့် ရုန်းကန်နေရပါသည်။ ပို့တ် 5432 တွင် "ချိတ်ဆက်မှုကို ငြင်းဆိုထားသည့် တည်ဆောက်မှု ချို့ယွင်းချက်" နှင့် "FATAL- အသုံးပြုသူ 'deploy'" အတွက် စကားဝှက်အထောက်အထားစိစစ်ခြင်း မအောင်မြင်ပါ နှစ်ခုလုံးသည် ဒေတာဘေ့စ်နှင့်ပတ်သက်သည့် ချို့ယွင်းချက် နှစ်ခုလုံးဖြစ်သည်၊ သို့သော် ၎င်းတို့တွင် အမြစ်အကြောင်းတရားနှင့် ဖြေရှင်းနည်းများ လုံးဝကွဲပြားပါသည်။ ခြားနားမှုကို နားလည်ခြင်းသည် မကြာသေးမီအထိ လူသားများသာ ပေးနိုင်သည့် ဆက်စပ်ဆင်ခြင်မှုမျိုး လိုအပ်ပါသည်။

စမ်းသပ်ချက်- LLM တစ်ခုသို့ Build History ၏ 3.2 Terabytes ကျွေးခြင်း

သတ်မှတ်မှုမှာ ရိုးရှင်းပြီး အကောင်အထည်ဖော်ရာတွင် အိပ်မက်ဆိုးတစ်ခုဖြစ်သည်။ ကျွန်ုပ်တို့သည် သုံးစွဲသူ 138,000 ကျော်ကို ဝန်ဆောင်မှုပေးသည့် ပလပ်ဖောင်းတစ်ခုမှ 14 လကြာ CI မှတ်တမ်းများကို စုဆောင်းခဲ့သည် — ဝန်ဆောင်မှုများစွာ၊ ပတ်ဝန်းကျင်နှင့် အသုံးချမှုပစ်မှတ်များတစ်လျှောက် တည်ဆောက်မှုများကို လွှမ်းခြုံထားသည်။ အကြမ်းထည်ဒေတာအတွဲသည် 3.2 terabytes သို့ရောက်လာသည်- ခန့်မှန်းခြေအားဖြင့် 847 သန်း CI ပိုက်လိုင်းသွယ်တန်းမှု 1.6 သန်းအထိ ဖြတ်သန်းသော တစ်ဦးချင်းစီ မှတ်တမ်းလိုင်းများ။ ကျွန်ုပ်တို့သည် ဤဒေတာကို အပိုင်းပိုင်းခွဲ၊ မြှုပ်နှံပြီး အညွှန်းပြုကာ၊ ထို့နောက် ကျွန်ုပ်တို့၏တည်ဆောက်မှုသမိုင်းနှင့်ပတ်သက်သည့် သဘာဝဘာသာစကားမေးခွန်းများကိုဖြေဆိုနိုင်သည့် retrieval-augmented generation (RAG) ပိုက်လိုင်းကို တည်ဆောက်ခဲ့ပါသည်။

ပထမစိန်ခေါ်မှုမှာ ကြိုတင်လုပ်ဆောင်နေပါသည်။ CI မှတ်တမ်းများသည် စာသားမသန့်ရှင်းပါ။ ၎င်းတို့တွင် ANSI အရောင်ကုဒ်များ၊ ၎င်းတို့ကို ထပ်ရေးသည့် တိုးတက်မှုဘားများ၊ binary artifact checksums နှင့် ၎င်းတို့ကို ထုတ်လုပ်သည့် tool ပေါ်မူတည်၍ အနည်းဆုံး မတူညီသော ပုံစံလေးမျိုးဖြင့် အချိန်တံဆိပ်များ ပါရှိပါသည်။ ကျွန်ုပ်တို့သည် ပုံမှန်ပြန်လည်ပြင်ဆင်ခြင်းအတွက် သုံးပတ်ကြာခဲ့သည် — ဆူညံသံများကို ဖယ်ထုတ်ခြင်း၊ စံချိန်စံညွှန်းသတ်မှတ်ခြင်း အချိန်တံဆိပ်တုံးများနှင့် ၎င်းနှင့်သက်ဆိုင်သည့် ပိုက်လိုင်းအဆင့်၊ သိုလှောင်ခန်း၊ ဌာနခွဲနှင့် ပတ်ဝန်းကျင်တို့အကြောင်း မက်တာဒေတာဖြင့် မှတ်တမ်းအပိုင်းတစ်ခုစီကို တဂ်လုပ်ခြင်း။

ဒုတိယစိန်ခေါ်မှုမှာ ကုန်ကျစရိတ်ဖြစ်သည်။ ပြင်းထန်သော အတုံးလိုက်အခဲလိုက်နှင့် ပြန်လည်ရယူခြင်းတို့ကို ပိုမိုကောင်းမွန်အောင် လုပ်ဆောင်ခြင်းဖြင့်ပင် စာသား၏ terabytes များပေါ်တွင် ကောက်ချက်ချခြင်းသည် စျေးပေါသည်မဟုတ်ပါ။ ကျွန်ုပ်တို့သည် ပထမလတစ်လတည်းတွင် သိသာထင်ရှားသော တွက်ချက်မှုခရက်ဒစ်များကို လောင်ကျွမ်းစေခဲ့သည်၊ အများစုမှာ ကျွန်ုပ်တို့၏ကနဦးချဉ်းကပ်မှုမှာ နုံအလွန်းသောကြောင့်ဖြစ်သည် — စုံစမ်းမှုတစ်ခုလျှင် အကြောင်းအရာများစွာကို ပေးပို့ပြီး မည်သည့်မှတ်တမ်းအပိုင်းများနှင့် သက်ဆိုင်သည်ကို လုံလောက်စွာရွေးချယ်နိုင်ခြင်း မရှိသောကြောင့်ဖြစ်သည်။ ဒုတိယလအကုန်တွင်၊ ပိုမိုကောင်းမွန်သော မြှုပ်သွင်းနည်းဗျူဟာများနှင့် အရွယ်အစားသေးငယ်သော မော်ဒယ်ကို မပို့မီ စစ်ထုတ်ရန်အတွက် ကြိုတင်စစ်ထုတ်သည့်စနစ်ကို အသုံးပြုသည့် ပိုမိုကောင်းမွန်သော မြှုပ်နှံမှုဆိုင်ရာ မဟာဗျူဟာများမှတဆင့် 87% လျှော့ချလိုက်ပါသည်။

လူသားတွေ ဘယ်တော့မှမဖြစ်နိုင်တဲ့ LLM ပုံစံငါးခု

မေးမြန်းမှုများလုပ်ဆောင်ပြီး ပထမပတ်အတွင်းတွင်၊ စနစ်သည် လူသားအကဲခတ်သူအား ကိုယ်တိုင်ရှာဖွေတွေ့ရှိရန် လပေါင်းများစွာကြာမည့် ထိုးထွင်းအမြင်များကို ထွက်ပေါ်လာခဲ့သည်။ ၎င်းတို့သည် လွန်ကဲသော ကိစ္စများ သို့မဟုတ် စူးစမ်းလိုစိတ်များမဟုတ်ပါ — ၎င်းတို့သည် စစ်မှန်သော အင်ဂျင်နီယာနာရီများကို သွေးထွက်စေသော စနစ်ကျသော ပြဿနာများဖြစ်သည်။

1. phantom dependency cascade။ မတိုင်မီ 9 လက တစ်ခုတည်းသော npm ပက်ကေ့ခ်ျအပ်ဒိတ်သည် JavaScript တည်ဆောက်မှုတိုင်းအတွက် 22 စက္ကန့်နှောင့်နှေးမှုကို မိတ်ဆက်ပေးခဲ့သည်။ အလုံးစုံကိုပိုမိုမြန်ဆန်စွာတည်ဆောက်နိုင်စေသည့် CI အခြေခံအဆောက်အအုံအဆင့်မြှင့်တင်မှုနှင့် တိုက်ဆိုင်နေသောကြောင့် နှောင့်နှေးမှုကို ဖုံးကွယ်ထားသည်။ Net-net၊ တည်ဆောက်မှုများ ပိုမြန်သော်လည်း ၎င်းတို့သည် 22 စက္ကန့် ပိုမြန်နေနိုင်သည်။ တစ်ရက်လျှင် JS တည်ဆောက်မှု 400+ တွင်၊ ၎င်းသည် နေ့စဉ် 2.4 နာရီ အလဟဿ တွက်ချက်မှု ဖြစ်သည်။
2. Timezone flake။ စမ်းသပ်မှုအစုံတွင် 4.7% ကျရှုံးနှုန်းရှိသည် — စိတ်အနှောက်အယှက်ဖြစ်စေလောက်အောင် မြင့်မားရုံမျှမက၊ ၎င်းကို မည်သူမှ ဦးစားပေးမပြင်ဆင်နိုင်လောက်အောင် နည်းပါးပါသည်။ နေ့စွဲ-နှိုင်းယှဉ်မှုလုပ်ဆောင်ချက်သည် တစ်ရက်နယ်နိမိတ်ကိုဖြတ်ကျော်လာသောအခါ 23:00 နှင့် 01:00 UTC အကြား အစပျိုးခဲ့သော တည်ဆောက်မှုများနှင့် လုံးလုံးနီးပါးဆက်စပ်နေသည့် မအောင်မြင်မှုများကို LLM မှ ဖော်ထုတ်ခဲ့သည်။ လိုင်းနှစ်ကြောင်း ပြုပြင်ခြင်းသည် အဖုအပိန့်များကို လုံးလုံးလျားလျား ဖယ်ရှားပေးပါသည်။
3. အသံတိတ်ပြန်လှည့်မှုပုံစံ။ အဆင့်သတ်မှတ်ခြင်းအတွက် ဖြန့်ကျက်မှုများသည် အချိန်၏ 99.2% အောင်မြင်ခဲ့သော်လည်း LLM မှ "အောင်မြင်သည်" အဆင့်သတ်မှတ်ထားသော 31% သည် 45 မိနစ်အတွင်း တူညီသောဝန်ဆောင်မှုကို နောက်တစ်ကြိမ်ထပ်မံဖြန့်ကျက်လိုက်သည် — စစ်ဆေးမှုအားလုံးကို ကျော်ဖြတ်ခဲ့သော်လည်း လုပ်ဆောင်မှုပျက်သွားသည်ဟု LLM မှ သတိပြုမိသည်။ ၎င်းသည် ပုံစံတူဝန်ဆောင်မှုမှ ကက်ရှ်လုပ်ထားသော တုံ့ပြန်မှုများကြောင့် ပေါင်းစပ်စစ်ဆေးမှုတစ်ခု အောင်မြင်သွားကြောင်း ရှာဖွေတွေ့ရှိခဲ့သည်။
4. တနင်္လာနေ့နံနက်တွင် ပိတ်ဆို့မှုများ။ တန်းစီစောင့်ဆိုင်းချိန်များသည် ဒေသစံတော်ချိန် နံနက် 9:00 မှ 10:30 နာရီအတွင်း တနင်္လာနေ့တိုင်းတွင် 340% တိုးသွားသည်၊ အကြောင်းမှာ သီတင်းပတ်ကုန်တွင် အလုပ်လုပ်သော developer များအားလုံးသည် standup မတိုင်မီ ၎င်းတို့၏ပြောင်းလဲမှုများကို တွန်းအားပေးသောကြောင့်ဖြစ်သည်။ ပြုပြင်မှုသည် နည်းပညာပိုင်းမဟုတ်ပါ — ၎င်းသည် လည်ပတ်လုပ်ဆောင်နိုင်သည်- တနင်္လာနေ့တွင် မြင့်တက်လာမှုများကို ကြိုတင်မျှော်လင့်နိုင်ရန် CI အပြေးသမားရေကူးကန်ကို အတိုင်းအတာအချိန်ဇယားကို တုန်လှုပ်စေပါသည်။
5. ဘယ်သူမှမသတ်မှတ်ထားတဲ့ compiler အလံ။ C++ တည်ဆောက်မှုများ၏ 67% သည် တိုးမြင့်စုစည်းမှုကို ဖွင့်ထားခြင်းမရှိဘဲ လုပ်ဆောင်နေပြီး တည်ဆောက်မှုတစ်ခုလျှင် ပျမ်းမျှ 3.8 မိနစ်ကို ပေါင်းထည့်ထားသည်။ အလံအား စတင်အသုံးပြုခြင်းလမ်းညွှန်တွင် မှတ်တမ်းတင်ထားသော်လည်း မျှဝေထားသော CI ဖွဲ့စည်းမှုပုံစံပုံစံသို့ ဘယ်သောအခါမှ ထည့်မထားပါ။

"စျေးအကြီးဆုံး bugs များသည် သင့်လျှောက်လွှာကို ပျက်စီးစေသော အရာများမဟုတ်ပါ။ ၎င်းတို့သည် တည်ဆောက်မှုတိုင်းမှ စက္ကန့် 30၊ နေ့တိုင်း၊ နှစ်ပေါင်းများစွာ တိတ်တဆိတ်ခိုးယူသွားသော အရာများဖြစ်သည် — တစ်စုံတစ်ဦးမှ မှန်ကန်သောဒေတာအတွဲ၏ မှန်ကန်သောမေးခွန်းကို နောက်ဆုံးတွင်မမေးမချင်း။"

လက်တွေ့ CI Intelligence Layer တည်ဆောက်ခြင်း

စမ်းသပ်ချက်သည် LLM စွမ်းအင်သုံး မှတ်တမ်းခွဲခြမ်းစိတ်ဖြာမှုမှာ အသစ်အဆန်းမဟုတ်ပေ — ၎င်းသည် စစ်မှန်သော လည်ပတ်နိုင်မှုစွမ်းရည်တစ်ခုဖြစ်ကြောင်း ကျွန်ုပ်တို့ကို ယုံကြည်စေခဲ့သည်။ ဒါပေမယ့် လက်တွေ့ကျကျ တွေးခေါ်တတ်ဖို့တော့ လိုအပ်တယ်။ သင်သည် အကြမ်းမှတ်တမ်းများကို ချတ်အင်တာဖေ့စ်သို့ ပိုက်ထည့်ရုံသာမက အသုံးဝင်သောအဖြေများကို မျှော်လင့်၍မရပါ။ စနစ်သည် ဖွဲ့စည်းပုံ လိုအပ်ပြီး ၎င်းကို အသုံးပြုပြီးသား အလုပ်အသွားအလာ အင်ဂျင်နီယာများ နှင့် ပေါင်းစပ်ရန် လိုအပ်သည်။

ကျွန်ုပ်တို့သည် သုံးဆင့်ချဉ်းကပ်မှုအပေါ် အခြေချခဲ့သည်။ ပထမအဆင့်မှာ automated triage ဖြစ်သည်- မအောင်မြင်သောတည်ဆောက်မှုတိုင်းသည် ယုံကြည်စိတ်ချရသောရမှတ်ဖြင့် အခြေခံအကြောင်းရင်းအမျိုးအစား (အခြေခံအဆောက်အဦ၊ မှီခိုမှု၊ စမ်းသပ်မှုယုတ္တိ၊ ဖွဲ့စည်းမှု သို့မဟုတ် flake) ကို အလိုအလျောက် အမျိုးအစားခွဲသည်။ အင်ဂျင်နီယာများသည် မည်သည့်နေရာတွင် စတင်ရှာဖွေရမည်ကို တွက်ဆရန် 10 မိနစ်စာဖတ်ခြင်းမှတ်တမ်းများကို မဖြုန်းနိုင်သောကြောင့် တည်ဆောက်မှုမအောင်မြင်မှုအတွက် ပျမ်းမျှအားဖြင့် ပြုပြင်ရန်အချိန်ကို 34% လျှော့ချပေးခဲ့သည်။ ဒုတိယအဆင့်မှာ လမ်းကြောင်းရှာဖွေတွေ့ရှိခြင်း- ပေါ်ပေါက်လာသောပုံစံများကိုဖော်ပြသည့် အပတ်စဉ်အခြေအတင်ဖြစ်သည့် — ကျရှုံးမှုနှုန်းများတိုးလာခြင်း၊ တည်ဆောက်ချိန်များတိုးလာခြင်း၊ အမှားအယွင်းများသောလက်မှတ်အသစ်များ — မစိုးရိမ်ရမီ။ တတိယအဆင့်မှာ အပြန်အလှန်စုံစမ်းစစ်ဆေးခြင်းဖြစ်သည်- "မတ်လထုတ်ပြီးနောက် ဝန်ဆောင်မှု X အဘယ်ကြောင့် ပို၍မကြာခဏ ပျက်ကွက်ခဲ့ရသနည်း" ကဲ့သို့သော တည်ဆောက်မှုသမိုင်းဆိုင်ရာ အင်ဂျင်နီယာများသည် သဘာဝဘာသာစကားမေးခွန်းများကို မေးမြန်းနိုင်သည့် အင်တာဖေ့စ်တစ်ခုဖြစ်သည်။ သို့မဟုတ် "ငွေပေးချေမှုပိုက်လိုင်းတွင် အချိန်ကုန်သွားသည့် အမှားအယွင်းများဖြစ်ရသည့် အဖြစ်များဆုံးအကြောင်းရင်းကား အဘယ်နည်း။"

ရှုပ်ထွေးသောလုပ်ငန်းဆောင်တာများကိုလုပ်ဆောင်နေသည့်အဖွဲ့များအတွက် — အထူးသဖြင့် CRM၊ ငွေတောင်းခံမှု၊ လုပ်ခလစာနှင့် ခွဲခြမ်းစိတ်ဖြာမှုကဲ့သို့သော လုပ်ငန်းအများအပြားကို စီမံခန့်ခွဲသည့်အဖွဲ့များအတွက် Mewayz ကဲ့သို့သော ပလပ်ဖောင်းများမှတစ်ဆင့် 207 ပေါင်းစပ် module များကို စုစည်းပေးသည့် — ဤကြည့်ရှုနိုင်မှုမျိုးသည် ပို၍အရေးကြီးပါသည်။ တစ်ခုတည်းသော ဖြန့်ကျက်မှုတစ်ခုသည် ဖောက်သည်ရင်ဆိုင်နေရသော အလုပ်အသွားအလာများ၊ ငွေပေးချေမှုဆိုင်ရာ ယုတ္တိဗေဒနှင့် HR စနစ်များကို တစ်ပြိုင်နက်တည်း ထိသောအခါ၊ သင်၏ CI ပိုက်လိုင်းရှိ အပြန်အလှန်မှီခိုမှုကို နားလည်ခြင်းသည် ရွေးချယ်ခွင့်မရှိပါ။ အသုံးပြုသူ 138,000+ ပေါ်တွင် မှီခိုနေရသော ယုံကြည်စိတ်ချရမှုကို ထိန်းသိမ်းထားရန်အတွက် အရေးကြီးပါသည်။

ဘာမှ အလုပ်မလုပ်သေးပါဘူး (ဒါတောင်)

ရိုးသားမှုသည် ဖောင်းပွခြင်းထက် ပိုအရေးကြီးသည်။ ဤချဉ်းကပ်မှုတွင် ရှင်းရှင်းလင်းလင်း ကန့်သတ်ချက်များ ရှိကြောင်း ထည့်သွင်းစဉ်းစားသူတိုင်း နားလည်သင့်သည်။ LLM များသည် အာရုံမစူးစိုက်နိုင်ဘဲ CI မှတ်တမ်းများအကြောင်းကို ယောင်ယောင်ထင်ယောင်ထင်မှားဖြစ်စေသောအခါ ရလဒ်များသည် ယုံကြည်စိတ်ချစွာ မှားယွင်းသွားနိုင်သည်။ တီထွင်ထားသော ဗားရှင်းနံပါတ်များဖြင့် ပြီးပြည့်စုံသော တည်ရှိမှု မရှိသော မှီခိုမှုပဋိပက္ခအတွက် တည်ဆောက်မှု ပျက်ကွက်မှုကို စိတ်ချယုံကြည်စွာ သတ်မှတ်ကြောင်း စနစ်က ကျွန်ုပ်တို့ မြင်တွေ့ခဲ့ရသည်။ RAG ပိုက်လိုင်းသည် ၎င်းကို သိသိသာသာ လျှော့ချပေးသော်လည်း ၎င်းကို မဖယ်ရှားပါ။ စနစ်မှထုတ်လုပ်သော ထိုးထွင်းသိမြင်မှုတိုင်းသည် လုပ်ဆောင်မှုမပြုမီ လူသား၏အတည်ပြုချက်ကို လိုအပ်နေသေးသည်။

စကေးသည် စိန်ခေါ်မှုတစ်ခုအဖြစ် ရှိနေသေးသည်။ ပြန်လည်ရယူသည့်စနစ်သည် မေးခွန်းများကို ထိရောက်စွာ ကိုင်တွယ်ဖြေရှင်းနိုင်သော်လည်း၊ မှတ်တမ်းအသစ်များကို ကနဦးထည့်သွင်းခြင်းနှင့် ထည့်သွင်းခြင်းသည် တွက်ချက်မှုအရ စျေးကြီးပါသည်။ ကျွန်ုပ်တို့သည် နေ့စဉ် မှတ်တမ်းလိုင်းအသစ် 800,000 ခန့်ကို စီမံဆောင်ရွက်ပြီး အညွှန်းကိန်းကို ဆန်းသစ်အောင်ထိန်းထားရန် အထူးအခြေခံအဆောက်အဦ လိုအပ်ပါသည်။ အဖွဲ့ငယ်များအတွက် ကုန်ကျစရိတ်-အကျိုးအမြတ်တွက်ချက်မှုသည် ဤချဉ်းကပ်မှုကို နှစ်သက်မည်မဟုတ်ပေ — အနည်းဆုံးတော့ မဖြစ်သေးပါ။ မော်ဒယ်ကုန်ကျစရိတ်များ ဆက်လက်ကျဆင်းလာသည်နှင့်အမျှ (ညီမျှသောစွမ်းရည်အတွက် လွန်ခဲ့သည့် 18 လအတွင်း ၎င်းတို့သည် အကြမ်းဖျင်း 90% ကျဆင်းသွားသည်)၊ စီးပွားရေးသည် ပြောင်းလဲသွားပါမည်။

လုံခြုံရေးအတွက် မေးစရာလည်း ရှိတယ်။ CI မှတ်တမ်းများတွင် လျှို့ဝှက်ချက်များ— API သော့များ၊ ချိတ်ဆက်မှုစာကြောင်းများ၊ အတွင်းပိုင်း URL များ — ၎င်းတို့ကို ပွတ်တိုက်ရန် အကောင်းဆုံးကြိုးစားနေသော်လည်း ပါဝင်နိုင်သည်။ ဤဒေတာကို ပြင်ပ LLM API များသို့ ပေးပို့ခြင်းသည် အန္တရာယ်ကို မိတ်ဆက်ပေးသည်။ ကျွန်ုပ်တို့သည် ၎င်းကို ဒေသတွင်း ပွတ်တိုက်မှုပိုက်လိုင်းဖြင့် လျော့ပါးစေပြီး အရေးကြီးသော သိုလှောင်ရာနေရာများအတွက် ကိုယ်တိုင်လက်ခံထားသော မော်ဒယ်များကို ကောက်ချက်ချကာ လုပ်ဆောင်ခြင်းဖြင့်၊ သို့သော် ၎င်းသည် ရှုပ်ထွေးမှုနှင့် ကုန်ကျစရိတ်ကို ထပ်လောင်းပေးပါသည်။ အဖွဲ့များသည် အလားတူမည်သည့်အရာကိုမဆို အကောင်အထည်မဖော်မီ ၎င်းတို့၏ခြိမ်းခြောက်မှုပုံစံကို ဂရုတစိုက်အကဲဖြတ်သင့်သည်။

Terabytes မပါဘဲ စတင်ခြင်း

သင်၏ CI မှတ်တမ်းများမှ တန်ဖိုးကို စတင်ထုတ်ယူရန်အတွက် ကြီးမားသောဒေတာအတွဲ သို့မဟုတ် သီးသန့် ML အင်ဂျင်နီယာအဖွဲ့တစ်ခု မလိုအပ်ပါ။ ဤသည်မှာ တစ်ပတ်လျှင် တည်ဆောက်မှု ရာဂဏန်းရှိသော မည်သည့်အဖွဲ့မဆို လက်တွေ့ကျကျ အကောင်အထည် ဖော်နိုင်သည့် လက်တွေ့ကျသော အစအချက်ဖြစ်သည်-

• မအောင်မြင်သော အမျိုးအစားခွဲခြားမှုဖြင့် စတင်ပါ။ သင်၏နောက်ဆုံးရက် 90 မအောင်မြင်သော တည်ဆောက်မှုမှတ်တမ်းများကို ထုတ်ယူပါ။ ကျရှုံးမှုတစ်ခုစီကို အမျိုးအစားများခွဲခြားရန် မည်သည့် LLM API ကိုသုံးပါ။ ရိုးရှင်းသော အမျိုးအစားခွဲခြားသတ်မှတ်မှုတစ်ခုပင် (အင်ဖရာ နှင့် ကုဒ် နှင့် ကုဒ် နှင့် ဖွဲ့စည်းမှု နှင့် အပေါက်များ ) သည်ပင် ဦးစားပေးသတ်မှတ်ခြင်းအတွက် ချက်ချင်းတန်ဖိုး ပေးပါသည်။
• လမ်းကြောင်းတည်ဆောက်မှု ကြာချိန်လမ်းကြောင်းများ။ ပိုက်လိုင်းအဆင့်တစ်ခုစီတွင် တည်ဆောက်ချိန်ကြာချိန်များကို ဖန်တီးရန်အတွက် သင့်မှတ်တမ်းများမှ အချိန်များကို ခွဲခြမ်းစိတ်ဖြာပါ။ ပတ်ဝန်းကျင်မှတ်တမ်းအကြောင်းအရာပါရှိသော ကွဲလွဲချက်များကို LLM အား ကျွေးမွေးပြီး အရင်းခံအကြောင်းအရင်း တွေးခေါ်ချက်များကို တောင်းဆိုပါ။
• "သိသာထင်ရှားသော" မေးခွန်းများကို အလိုအလျောက်ပြုလုပ်ပါ။ မအောင်မြင်သောတည်ဆောက်မှု၏နောက်ဆုံးစာကြောင်း 500 ကို LLM သို့ပေးပို့သည့်အမှာစာဖြင့် - "ဤ CI ပျက်ကွက်မှုကို စာကြောင်းတစ်ကြောင်းတွင် အကျဉ်းချုပ်ပြီး ဖြစ်နိုင်ခြေအရှိဆုံးပြင်ဆင်ချက်အား အကြံပြုပါ။" ၎င်းသည် အဖွဲ့တစ်ဖွဲ့ရှိ အင်ဂျင်နီယာတိုင်းအတွက် ပျက်ကွက်မှုတစ်ခုလျှင် 5-10 မိနစ်အထိ သက်သာစေပါသည်။
• ရှာဖွေနိုင်သော မှတ်တမ်းတစ်ခုကို တည်ဆောက်ပါ။ သင့်မှတ်တမ်းမှတ်တမ်းကို သဘာဝဘာသာစကားဖြင့် မေးမြန်းနိုင်စေရန် မြှုပ်နှံမှုများကို အသုံးပြုပါ။ LangChain နှင့် LlamaIndex ကဲ့သို့သော ကိရိယာများသည် ML အတွေ့အကြုံမရှိသော အသင်းများအတွက်ပင် ၎င်းကို အံ့အားသင့်ဖွယ်အသုံးပြုနိုင်စေသည်။

သော့ချက်မှာ အသေးအမွှားစတင်ရန်၊ ထိုးထွင်းသိမြင်မှုမှန်ကန်ကြောင်း အတည်ပြုရန်နှင့် တဖြည်းဖြည်းချဲ့ထွင်ရန်ဖြစ်သည်။ ဤကဲ့သို့သော ခွဲခြမ်းစိတ်ဖြာမှုအတွက် ကိရိယာတန်ဆာပလာ ဂေဟစနစ်သည် လျင်မြန်စွာ ကြီးထွားလာနေပြီး လွန်ခဲ့သည့်တစ်နှစ်က လိုအပ်သည့် စိတ်ကြိုက်အခြေခံအဆောက်အအုံကို စင်ပြင်ပတွင် အစိတ်အပိုင်းများအဖြစ် ပိုမိုရရှိနိုင်သည်။

အနာဂတ်သည် စစ်ဆင်ရေးဆိုင်ရာ ထောက်လှမ်းရေးဖြစ်သည်

ကျွန်ုပ်တို့ အမှန်တကယ်ပြောနေသည့်အရာသည် မှတ်တမ်းခွဲခြမ်းစိတ်ဖြာရုံမျှမက — ၎င်းသည် လုပ်ငန်းဆောင်ရွက်မှုဆိုင်ရာထောက်လှမ်းရေးဆီသို့ အခြေခံကျသော အပြောင်းအလဲတစ်ခုဖြစ်သည်။ CI မှတ်တမ်းများအတွက် လုပ်ဆောင်သည့် တူညီသောချဉ်းကပ်နည်းသည် ဖောက်သည်ပံ့ပိုးမှုလက်မှတ်များ၊ အရောင်းပိုက်လိုင်းဒေတာ၊ ငွေကြေးလွှဲပြောင်းမှုများနှင့် လုပ်ငန်းလည်ပတ်မှုလုပ်ငန်းစဉ်များနှင့် သက်ဆိုင်ပါသည်။ တူညီသောအကြောင်းအရာမှာ အဖွဲ့အစည်းများသည် လုပ်ဆောင်နိုင်သော ပုံစံများပါရှိသော တစ်ပိုင်းဖွဲ့စည်းပုံဆိုင်ရာ စာသားဒေတာ အများအပြားကို ထုတ်ပေးပြီး LLM များသည် ထိုပုံစံများကို ရှာဖွေရန်အတွက် ထူးထူးခြားခြား သင့်လျော်ပါသည်။

ထို့ကြောင့် လုပ်ငန်းလည်ပတ်မှုများကို ဗဟိုချုပ်ကိုင်သော ပလပ်ဖောင်းများသည် ဖွဲ့စည်းပုံဆိုင်ရာ အားသာချက်များ ရှိသည် ။ သင်၏ CRM ဒေတာ၊ ပရောဂျက်စီမံခန့်ခွဲမှု၊ ငွေတောင်းခံလွှာ၊ HR မှတ်တမ်းများနှင့် ခွဲခြမ်းစိတ်ဖြာမှုအားလုံးသည် Mewayz ၏ ပေါင်းစပ်ထားသော မော်ဂျူးဗိသုကာကို အသုံးပြုသည့် အဖွဲ့များအတွက် လုပ်ဆောင်သကဲ့သို့ - ဒိုမိန်းဖြတ်ကျော်ထောက်လှမ်းရေး အကြိမ်ရေအတွက် အလားအလာ။ သင်၏ CI မှတ်တမ်းများတွင် ပုံစံတစ်ခုသည် သုံးစွဲသူ၏လှည့်စားမှုနှင့် ဆက်စပ်နေနိုင်သည်။ ထောက်ပံ့ရေးလက်မှတ်များ တိုးလာခြင်းသည် ဖြန့်ကျက်မှု မအောင်မြင်မှုကို ခန့်မှန်းနိုင်သည်။ သီးခြား silos များထက် ဒေတာများသည် ချိတ်ဆက်ထားသော စနစ်များတွင် နေထိုင်သည့်အခါမှသာ ဤချိတ်ဆက်မှုများကို မြင်နိုင်မည်ဖြစ်သည်။

လာမည့်ဆယ်စုနှစ်အတွင်း ကြီးထွားလာမည့်အသင်းများသည် အင်ဂျင်နီယာအများဆုံး သို့မဟုတ် ဘတ်ဂျက်အများဆုံးရှိသည့်အသင်းများ မဟုတ်ပေ။ ၎င်းတို့သည် ၎င်းတို့၏ ဒေတာများကို နားထောင်ရန် သင်ယူသူများဖြစ်သည် — ၎င်းတို့သည် ၎င်းတို့စွန့်ပစ်လိုက်သော terabytes များ အပါအဝင်ဖြစ်သည်။ သင်၏ CI မှတ်တမ်းများသည် စကားပြောနေပါသည်။ မေးစရာက သူတို့ပြောတာကို နားထောင်ဖို့ အဆင်သင့်ဖြစ်ပြီလား။

အမေးများသောမေးခွန်းများ

LLM များသည် CI မှတ်တမ်းများတွင် အမှန်တကယ် အသုံးဝင်သော ပုံစံများကို ရှာတွေ့နိုင်ပါသလား။

လုံးဝ။ ကြီးမားသောဖွဲ့စည်းပုံမထားသော စာသားများတစ်လျှောက် ထပ်တလဲလဲ ပုံစံများကို ဖော်ထုတ်ရာတွင် ကြီးမားသော ဘာသာစကားမော်ဒယ်များသည် ထူးချွန်သည်။ CI မှတ်တမ်းများ၏ terabytes များကို ညွှန်ပြသောအခါ၊ ၎င်းတို့သည် ချို့ယွင်းချက်ဆိုင်ရာ ဆက်နွယ်မှုများ၊ မမြဲသော စစ်ဆေးမှု လက်မှတ်များနှင့် လူသားအင်ဂျင်နီယာများ ကိုယ်တိုင် ဘယ်တော့မှ မဖမ်းမိနိုင်သော မှီခိုမှုဆိုင်ရာ ပဋိပက္ခများကို ပေါ်လွင်စေနိုင်သည်။ အဓိကအချက်မှာ စားသုံးမိသော ပိုက်လိုင်းကို မှန်ကန်စွာ ဖွဲ့စည်းတည်ဆောက်ခြင်းဖြစ်ပြီး မော်ဒယ်သည် ဆူညံသံမဟုတ်ပဲ ကျိုးကြောင်းဆီလျော်စွာ အတုံးလိုက်အခဲလိုက်ရရှိကာ အခြေအနေအရ ပြည့်စုံသော မှတ်တမ်းအပိုင်းများကို ရရှိမည်ဖြစ်သည်။

မှတ်တမ်းခွဲခြမ်းစိတ်ဖြာမှုဖြင့် မည်သည့် CI ပျက်ကွက်မှုများကို ခန့်မှန်းနိုင်သနည်း။

LLM-driven မှတ်တမ်းခွဲခြမ်းစိတ်ဖြာမှုတွင် အခြေခံအဆောက်အအုံဆိုင်ရာ အချိန်ကုန်ခြင်း၊ ထပ်တလဲလဲ မှီခိုမှုဖြေရှင်းမှု ချို့ယွင်းမှုများ၊ မှတ်ဉာဏ်ဘောင်အတွင်း တည်ဆောက်ထားသော ပျက်စီးမှုများနှင့် တိကျသောကုဒ်လမ်းကြောင်းများမှ အစပြုသော မမြဲသောစမ်းသပ်မှုများကို ခန့်မှန်းနိုင်သည်။ ၎င်းသည် ရက်သတ္တပတ်များအတွင်း တည်ဆောက်ချိန်များ တဖြည်းဖြည်းတိုးလာရာ နှေးကွေးစွာ ဆုတ်ယုတ်လာမှုကိုလည်း ဖော်ထုတ်ပေးပါသည်။ ဤချဉ်းကပ်မှုကို အသုံးပြုသော အသင်းများသည် ပုံမှန်အားဖြင့် ထုတ်လုပ်မှု ဖြန့်ကျက်မှုများတွင် အဖြစ်အပျက်များကို ပိတ်ဆို့ခြင်းမဖြစ်စေမီ နှစ်ရက်မှ သုံးကြိမ်အထိ ပြေးလွှားမှုပုံစံများကို ဖမ်းယူကြသည်။

ခွဲခြမ်းစိတ်ဖြာမှုတန်ဖိုးမဖြစ်လာမီ CI မှတ်တမ်းဒေတာမည်မျှလိုအပ်သနည်း။

အကိုင်းအခက်များစွာကိုဖြတ်ပြီး ရက်ပေါင်း 30 မှ 90 အထိ ဆက်တိုက်ပိုက်လိုင်းမှတ်တမ်းကို ခွဲခြမ်းစိတ်ဖြာပြီးနောက် အဓိပ္ပာယ်ပြည့်ဝသောပုံစံများ ထွက်ပေါ်လာပါသည်။ သေးငယ်သော ဒေတာအတွဲများသည် မျက်နှာပြင်အဆင့် ထိုးထွင်းသိမြင်နိုင်စွမ်းကို ပေးစွမ်းနိုင်သော်လည်း တကယ့်တန်ဖိုးသည် ထောင်ပေါင်းများစွာသော တည်ဆောက်မှုအစီအစဥ်များကို အပြန်အလှန်ကိုးကားခြင်းမှ လာပါသည်။ ၎င်းတို့၏ CI ပိုက်လိုင်းများနှင့်အတူ ရှုပ်ထွေးသော အလုပ်အသွားအလာများကို စီမံခန့်ခွဲသည့်အဖွဲ့များအတွက်၊ Mewayz ကဲ့သို့သော ပလပ်ဖောင်းများသည် လုပ်ငန်းလည်ပတ်မှုဒေတာကို ဗဟိုချုပ်ကိုင်ရန် app.mewayz.com

တွင် 207 ဒေါ်လာဖြင့် ပေါင်းစပ်ထားသော module များကို ပေးဆောင်ပါသည်။

CI မှတ်တမ်းများကို LLM သို့ ကျွေးခြင်းသည် လုံခြုံရေးအန္တရာယ်ဖြစ်ပါသလား။

ပေါ့ပေါ့ဆဆ ကိုင်တွယ်ရင် ဖြစ်နိုင်ပါတယ်။ CI မှတ်တမ်းများတွင် ပတ်ဝန်းကျင် ပြောင်းလဲနိုင်သော၊ API သော့များ၊ အတွင်းပိုင်း URL များနှင့် အခြေခံအဆောက်အအုံအသေးစိတ်များ ပါဝင်လေ့ရှိသည်။ မည်သည့် LLM မှ မှတ်တမ်းများကို မလုပ်ဆောင်မီ၊ သင်သည် လျှို့ဝှက်ချက်များ၊ အထောက်အထားများနှင့် ပုဂ္ဂိုလ်ရေးအရ ခွဲခြားသိမြင်နိုင်သော အချက်အလက်များကို ဖယ်ရှားပေးသည့် ခိုင်ခံ့သော redaction ပိုက်လိုင်းများကို အကောင်အထည်ဖေါ်ရပါမည်။ ကိုယ်တိုင်လက်ခံကျင်းပသည့် သို့မဟုတ် အကျဉ်းချုံးတွင် စံနမူနာထားရှိမှုများသည် ပြင်ပအဖွဲ့အစည်း cloud-based စုံစုံစုံစုံမှတ်စုများသို့ မှတ်တမ်းစိမ်းများပေးပို့ခြင်းနှင့် နှိုင်းယှဉ်ပါက ထိတွေ့မှုကို သိသိသာသာလျော့နည်းစေသည်။

ထံသို့ အကြမ်းမှတ်တမ်းများ ပေးပို့ခြင်းနှင့် နှိုင်းယှဉ်ပါက ထိတွေ့မှုကို သိသိသာသာ လျော့နည်းစေသည်။