كيف تتعلم من نظام uReview في أوبر: تقليل التكاليف ومنع الهلوسة باستخدام الوكلاء المتعددين
TuBrief 편집팀
2026년 9월 8일
0
Computing/Software원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
커뮤니티의 다른 글
댓글 (0)
Log in to leave a comment
아직 작성된 글이 없습니다
원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
Log in to leave a comment
아직 작성된 글이 없습니다
إذا قمت بإدخال اختلافات Git الخام ونسخة الكود بالكامل مباشرة في النظام المتجرك القديم (Monolith)، ستنفجر التكاليف. منصة uReview التي كشفت عنها أوبر في عام 2025 قامت بتحليل 90 بالمائة تلقائيًا من أصل 65,000 تغيير تأتي من 6 مستودعات ضخمة (Monorepos) كل أسبوع. ومع ذلك، إذا قمت بتمرير النماذج دون تنقية إلى قاعدة أكواد ذات حدود وحدات غير واضحة، ستتضاعف تكلفة الرموز (Tokens) بمقدار 6 أضعاف. النموذج الذي لا يفهم فئات المصنع العامة (Global Factory Classes) سيطلب التحقق من مؤشرات فارغة (Null Pointers) في غير محلها ويسبب هلوسة. بمجرد أن تتراكم التعليقات غير المفيدة، يقوم المطورون بإيقاف تشغيل الإشعارات والوقوع في حالة من عدم حساسيتهم للتحذيرات.
يجب عليك كتابة محرك المعالجة المسبقة الذي يستخدم وحدة ast القياسية في لغة بايثون لاستخراج توقيعات الدوال المعدلة فقط والمتغيرات المحلية المتأثرة. بعد تنقية البيانات الوصفية الثابتة، يتم التخلص من التعديلات غير الوظيفية غير المرتبطة بالتغييرات من خلال مقارنة التجزئة (Hash Comparison). بعد ذلك، يتم إعادة تحليل توقيع عقدة الدالة الأدنى التي تحتوي على سطر التغيير وبيانات التعديل الفعلي فقط لإنشاء حمولة JSON خفيفة الوزن.
عند تشغيل المعايير (Benchmarks) باستخدام 100 وحدة قديمة، يكون الفرق واضحًا. حقن الملف الخام يكلف 42,000 رمز و0.273 دولار لكل طلب دمج (PR). في المقابل، فإن استخدام ضغط JSON للمعالجة المسبقة بواسطة AST ينخفض إلى 6,100 رمز و0.068 دولار لكل طلب دمج. تنخفض تكاليف واجهة برمجة التطبيقات (API) بنسبة 47.3 بالمائة، كما ينخفض معدل الإيجابيات الكاذبة الناتجة عن الهلوسة إلى 9.4 بالمائة.
إذا قمت بربط وكيل الأمان ووكيل منطق الأعمال في دردشة جماعية تفاعلية، فسوف يتبادلان المخرجات ويدخلان في حلقة تبادل لا نهائية (Ping-Pong). سيستغرق تحليل طلب دمج واحد عشرات الدقائق وسترتفع تكاليف واجهة برمجة التطبيقات بشكل صاروخ. يجب ألا تسمح للوكلاء بالاتصال ببعضهم البعض مباشرة. يجب عليك بناء إطار عمل آالة الحالة المنتهية (Finite State Machine) باستخدام مخططات Pydantic وLangGraph.
يتلقى كل وكيل متخصّص حالة خط الأنابيب المركزي فقط، ويُرجع النتائج التي تم تقييمها وفقًا لقواعد مجاله بالشكل المموذج المحدد فقط. باستخدام Pydantic، يتم تحديد فئات البيانات التي تفرض المعرّف، مسار الملف، مستوى الخطورة، درجة الثقة لمخرجات الوكيل. يتم وضع حواف شرطية تقطع آالة الحالة قسريًا عندما يصل عدد التكرارات إلى 2 أو عندما تتقارب ثقة جميع التعليقات لتصبح 0.85 أو أعلى.
وفقًا لمعيار اتفاقية دلالات OpenTelemetry GenAI، يجب عليك تغليف تنفيذ كل وكيل بنطاق فريد (Span) وترك استخدام الرموز في الواجهة الخلفية للتتبع الموزع (Distributed Tracing). تطبيق هذا الهيكل يقلل من وقت تصحيح الأخطاء (Debugging) لقائد التقنية، والذي كان يُهدر في معالجة الأعطال الخاصة بالوكلاء، بأكثر من 6 ساعات أسبوعيًا.
وفقًا لبيانات تشغيل أداة التحليل الثابت الداخلي في جوجل (Tricord)، بغض النظر عن مدى دقة إشارة الأداة، فإن الشعور بالعداء يتزايد فقط إذا شعر المطور بأنها لا تستحق الإصلاح. الفاحص الذي تزيد نسبة الإيجابيات الكاذبة الصالحة فيه عن 5 بالمائة يتم طرده على الفور. لضمان قبول أكثر من 67 بالمائة من تعليقات المراجعة التلقائية، يجب عليك إجراء طرح تدريجي يبدأ من الوحدات ذات المخاطر المنخفضة وتوسيع نطاقها تدريجيًا.
قم بتشغيل وضع الظل (Shadow Mode) لمدة 3 أسابيع لإخفاء التعليقات عن طريق اختيار طبقة التحقق من DTO والطبقات البحتة التي ليس لها آثار جانبية (Pure Functions). بعد التأكد من دقة بنسبة 85 بالمائة، قم بإطلاق التعليقات المدمجة (Inline Comments) على كود الخلفية لفرق النطاقات الثلاثة وتتبع معدل القبول. قم بجمع سجلات التعليقات على أساس أسبوعي لتشغيل سكريبت حلقة التغذية الراجعة الذي يزيل تلقائيًا قواعد الإيجابيات الكاذبة العالية التي تقل عن معدل القبول البالغ 67 بالمائة من القائمة البيضاء ويلقي بها في قائمة العزل. من خلال تضمين سكريبت التحقق من القائمة البيضاء هذا في خط الأنابيب (Pipeline)، يتم تصفية القواعد التي لا فائدة منها والتي تزعج المطورين بسرعة، ويمكنك تحقيق معدل قبول لنظام المراجعة داخل الفريق بنسبة 70 بالمائة.