تدقيق فشل CI لتعلّم الآلة بـ Gemini على Eigent

اعثر على السبب الجذري لحالات فشل CI الخاصة بتعلّم الآلة في دقائق باستخدام Gemini 3.5 Flash

إن تصحيح خطأ في خط أنابيب تدريب تعلّم الآلة مهمة بطيئة ومجهدة. تقوم بجلب السجلات من تشغيلين مختلفين في CI، وتقارنها بالقيم الذهبية، وتغوص في سجل commits للعثور على التراجع، ثم تكتب تقريرًا يشرح ما حدث وما السبب, بينما ينتظر فريقك. تقوم هذه الحالة الاستخدامية بأتمتة التحقيق بالكامل.

من خلال الجمع بين مهارة ml-failure-audit ونموذج Gemini 3.5 Flash من Google وواجهة Gemini Agent API بوصفها محرك استدلال عن بُعد، يمكن لقوة العمل متعددة الوكلاء في Eigent تدقيق فشل CI من البداية إلى النهاية: جلب السجلات، واستخراج القيم المرجعية، وتتبع الأدلة، وتفويض التحليل الثقيل، وإنتاج مخرجات منظمة, وكل ذلك من خلال prompt واحد.

1اختر Gemini 3.5 Flash كنموذجك

انتقل إلى الإعدادات → Agents → Model واختر Gemini 3.5 Flash من قائمة النماذج السحابية. إذا كنت تفضّل استخدام بيانات اعتماد API الخاصة بك، فأضف مفتاح Gemini الخاص بك عبر الإعدادات → Agents → API Keys → Gemini.

تم تحسين Gemini 3.5 Flash للاستدلال السريع وبتكلفة فعّالة في المهام ذات السياق الطويل, وهو بالضبط ما يتطلبه تحليل سجلات CI.

2فعّل Gemini Agent API بوصفه وكيلًا فرعيًا عن بُعد

انتقل إلى الإعدادات → Agents → Remote Agents وفعّل Gemini Agent API. سيؤدي ذلك إلى تسجيل Gemini Agent بوصفه وكيلًا فرعيًا قابلًا للاستدعاء داخل قوة العمل في Eigent.

بمجرد التفعيل، يمكن لـ Developer Agent أن يسلّم مهام الاستدلال المكثفة حسابيًا, مثل تحليل السبب الجذري عبر مئات أسطر السجل, مباشرة إلى Gemini Agent، بدلًا من معالجة كل شيء في استدعاء نموذج واحد. يمنحك ذلك إعدادًا ثنائي المستويات: تتولى وكلاء Eigent المحليون التنسيق واستخدام الأدوات، بينما يتولى Gemini Agent الاستدلال العميق.

3ارفع مهارة ml-failure-audit

انتقل إلى الإعدادات → Agents → Skills وارفع حزمة المهارة ml-failure-audit. يمكنك أيضًا تصفح Skill Hub: ml-failure-audit للاطلاع على تفاصيل المهارة وخطوات التثبيت. تحدد هذه المهارة كيف ينبغي لـ Eigent التعامل مع تدقيق حالات فشل CI: ما الأصول التي يجب جمعها، وما المقارنات التي يجب تشغيلها، وما الأدلة التي يجب استخراجها، وكيفية هيكلة التقرير النهائي.

بعد الرفع، يمكن لأي وكيل في قوة العمل استدعاء هذه المهارة عند التعامل مع مهام تدقيق ML.

4أرسل مهمتك إلى Eigent

بعد إعداد كل شيء، اكتب prompt المهمة في دردشة Eigent:

ثبّت مهارة ml-failure-audit قبل تشغيل هذا prompt.

أحضر مدخلاتك الخاصة: استبدل <your-commit-sha> بالـ commit الذي تريد تدقيقه، وافتح ذلك الإصدار في مساحة العمل، وأرفق أصول CI الخاصة بك (على سبيل المثال، سجلات تشغيل ناجحة مقابل فاشلة، أو captures لـ stderr، أو مخرجات مهمة CI المصدّرة). يمكنك تكييف مثال Megatron-LM مع أي مستودع وأي فشل تتحقق منه.

5يخطط Coordinator Agent للمهمة ويوزعها

يقرأ Coordinator Agent في Eigent prompt ويجزّئه إلى خطة تدقيق منظمة. يحدد المراحل الأساسية, جلب السجلات، واستخراج البيانات، وتتبع الأدلة، وتوليد التقرير, ويُسنِد التحقيق الكامل إلى Developer Agent.

لا يكتفي Coordinator بالتفويض الأعمى: بل يمرر مرجع المهارة، وسياق المستودع، وملفات سجلات CI حتى يبدأ Developer Agent بكل ما يحتاج إليه.

6يحمّل Developer Agent المهارة ويجلب السجلات

تتمثل أول خطوة يقوم بها Developer Agent في تحميل مهارة ml-failure-audit، وقراءة تعليماتها لفهم منهجية التدقيق.

ثم يشغّل 4 أوامر بالتوازي لجلب بيانات سجلات CI, مع سحب سجلي الفشل والبيانات الوصفية ذات الصلة في الوقت نفسه. يعني تنفيذ الأدوات بالتوازي أن مرحلة جمع البيانات تكتمل في جزء صغير من الوقت الذي ستستغرقه بشكل تسلسلي.

7استخرج القيم الذهبية وتتبع commit الإصلاح

بعد الحصول على السجلات، يشغّل Developer Agent script Python لاستخراج القيم المرجعية الذهبية, مقاييس التدريب المتوقعة، أو منحنيات الخسارة، أو أرقام benchmark التي ينبغي أن ينتجها تشغيل CI ناجح. ثم يقارنها بالقيم المسجلة في سجلات الفشل لتحديد أين وبأي مقدار انحرفت الأمور.

بعد ذلك، يبحث Developer Agent في سجل commits الخاص بـ Megatron-LM للعثور على commit الإصلاح, تغيير الشفرة المحدد الذي يُحتمل أنه مسؤول عن التراجع. يعمل هذا الـ commit كدليل ملموس في تقرير التدقيق، إذ يمنح المراجعين رابطًا مباشرًا بين الفشل الملحوظ والتغيير البرمجي الأساسي.

8فوّض الاستدلال العميق إلى Gemini Agent

بمجرد تجميع الأدلة الخام, فروق السجلات، ومقارنات القيم الذهبية، والـ commit المتعقب, يستدعي Developer Agent Gemini Agent لتنفيذ خطوة الاستدلال الثقيلة.

يحلل Gemini Agent السياق الكامل: ما الذي تغير في الشفرة، وكيف أثّر ذلك التغيير على سلوك التدريب، وما هو السبب الجذري الأكثر احتمالًا. وبعد دقائق، يعيد تقرير تدقيق كاملًا ومنظمًا يغطي تشخيص الفشل، والعوامل المساهمة، والإصلاح الموصى به.

9يكتب Developer Agent تقارير التدقيق النهائية

يأخذ Developer Agent تحليل Gemini Agent ويكتب مخرجين في مساحة العمل:

• answer.json: سجل تدقيق قابل للقراءة آليًا مع حقول منظمة لنوع الفشل، والسبب الجذري، والمقاييس المتأثرة، وcommit الأدلة، والحل الموصى به. مفيد لخطوط الأنابيب المؤتمتة، أو أنظمة التذاكر، أو لوحات تحكم CI.

• answer.md: ملخص تدقيق موجز وسهل القراءة يغطي ما فشل، ولماذا فشل، وما الأدلة، وما الخطوة التالية. جاهز للصق في تعليق PR أو سلسلة Slack أو تقرير حادث.

يُكتب كلا الملفين مباشرة إلى مجلد مساحة العمل ويكونان متاحين فورًا.

10لماذا تهم هذه العملية

من المعروف أن حالات فشل CI الخاصة بتعلّم الآلة صعبة التصحيح لأن الإشارة تكون مدفونة في مخرجات سجلات كثيفة، وغالبًا ما يعيش السبب الجذري في commits سابقة بعدة خطوات من العرض الظاهر. تعالج هذه العملية ذلك بثلاث قدرات تعمل معًا:

• استرجاع السجلات بالتوازي يزيل الاختناق التسلسلي المتمثل في جلب الأصول واحدًا تلو الآخر.
• استخراج القيم الذهبية باستخدام Python يطبق مقارنة رقمية دقيقة بدلًا من الاعتماد على مطابقة الأنماط أو الفحص اليدوي.
• Gemini Agent بوصفه وكيلًا فرعيًا للاستدلال يرفع خطوة الاستدلال الأكثر تعقيدًا إلى نموذج مُحسن لها، مع إبقاء التنسيق خفيفًا والتحليل عميقًا.

النتيجة هي تدقيق للسبب الجذري كان سيستغرق من المهندس 30–60 دقيقة من العمل المركز، ويُنجز في بضع دقائق، مع أثر منظم للأصول.

11ما الذي تختبره بعد ذلك

بمجرد اكتمال أول تدقيق لك، وسّع سير العمل مع prompts متابعة مثل:

12نصائح للحصول على نتائج أفضل

• أرفق أصول CI الخاصة بك بشكل صريح. تعمل مهارة ml-failure-audit بأفضل صورة عندما توفر checkout للـ commit بالإضافة إلى السجلات أو exports التي تريد مقارنتها (على سبيل المثال، تشغيل ناجح وتشغيل فاشل).
• أدرج رابط المستودع. يستخدمه Developer Agent للبحث في سجل commits عن commit الإصلاح. يوفّر الرابط المباشر إلى المستودع خطوة بحث.
• حدّد ملفات الإخراج. إن طلب answer.json وanswer.md معًا يخبر Developer Agent بإنتاج الصيغتين, وهو أمر مفيد إذا كنت تحتاج إلى مخرجات قابلة للقراءة آليًا لخط أنابيب CI ومخرجات قابلة للقراءة البشرية لفريقك.
• استخدم Gemini Agent للمهام الثقيلة في الاستدلال. يعمل نمط الوكيل الفرعي عن بُعد بأفضل صورة عندما تتولى الوكلاء المحليون جمع البيانات ويتولى Gemini Agent التركيب. تجنّب استدعاءه لعمليات البحث البسيطة التي يمكن لاستخدام الأدوات المحلي إنجازها أسرع.