1. סקירה כללית
בשיעור ה-Lab הזה תלמדו להגדיר צינור עיבוד נתונים של CI/CD ולשלב אותו עם Gemini כדי להפוך את שלבי בדיקת הקוד לאוטומטיים.
מה תלמדו
בשיעור Lab זה תלמדו איך:
- איך מוסיפים שלבים לאוטומציה של בדיקת הקוד של GenAI ב-GitHub, ב-GitLab וב-CircleCI
- איך משתמשים בסוכני LangChain ReAct ובערכות הכלים שלהם כדי להפוך משימות לאוטומטיות, כמו הוספת תגובות לבעיות ב-GitLab ופתיחת כרטיסים ב-JIRA
דרישות מוקדמות
- ההנחה בשיעור ה-Lab הזה היא שיש לכם היכרות עם סביבות Cloud Console ו-Cloud Shell.
2. הגדרה ודרישות
הגדרת פרויקט ב-Cloud
- נכנסים למסוף Google Cloud ויוצרים פרויקט חדש או משתמשים מחדש בפרויקט קיים. אם עדיין אין לכם חשבון Gmail או חשבון Google Workspace, עליכם ליצור חשבון.
- שם הפרויקט הוא השם המוצג של המשתתפים בפרויקט. זוהי מחרוזת תווים שלא משמשת את Google APIs. תמיד אפשר לעדכן אותו.
- מזהה הפרויקט הוא ייחודי לכל הפרויקטים ב-Google Cloud ואי אפשר לשנות אותו אחרי שמגדירים אותו. מסוף Cloud יוצר מחרוזת ייחודית באופן אוטומטי. בדרך כלל לא משנה מה המחרוזת הזו. ברוב ה-codelabs תצטרכו להפנות למזהה הפרויקט (בדרך כלל מזהים אותו בתור
PROJECT_ID). אם המזהה שנוצר לא מוצא חן בעיניכם, תוכלו ליצור מזהה אקראי אחר. לחלופין, אפשר לנסות כתובת משלכם ולבדוק אם היא זמינה. לא ניתן לשנות את השם אחרי השלב הזה, והוא יישאר למשך כל פרק הזמן של הפרויקט. - לידיעתכם, יש ערך שלישי, מספר פרויקט, שחלק מממשקי ה-API משתמשים בו. מידע נוסף על כל שלושת הערכים האלה זמין במסמכי העזרה.
- בשלב הבא, כדי להשתמש במשאבים או ב-API של Cloud, תצטרכו להפעיל את החיוב במסוף Cloud. השלמת הקודלאב הזה לא תעלה הרבה, אם בכלל. כדי להשבית את המשאבים ולמנוע חיובים אחרי סיום המדריך, אפשר למחוק את המשאבים שיצרתם או למחוק את הפרויקט. משתמשים חדשים ב-Google Cloud זכאים להשתתף בתוכנית תקופת ניסיון בחינם בסך 300$.
הגדרת הסביבה
פותחים את Gemini Chat.
אפשר גם להקליד 'שאל Gemini' בסרגל החיפוש.
מפעילים את Cloud AI Companion API:
לוחצים על 'Start chatting' ופועלים לפי אחת מהשאלות לדוגמה או מקלידים הנחיה משלכם כדי לנסות את התכונה.
הנחיות שאפשר לנסות:
- הסבר על Cloud Run ב-5 נקודות עיקריות.
- אתם מנהלי מוצרים ב-Google Cloud Run, ואתם צריכים להסביר לתלמיד/ה על Cloud Run ב-5 נקודות עיקריות קצרות.
- אתם מנהלי מוצרים ב-Google Cloud Run, ואתם צריכים להסביר את Cloud Run למפתח Kubernetes מוסמך ב-5 נקודות עיקריות קצרות.
- אתם מנהלי מוצר של Google Cloud Run, ואתם צריכים להסביר למפתח בכיר מתי כדאי להשתמש ב-Cloud Run לעומת GKE, ב-5 נקודות מפתח קצרות.
במדריך להנחיות מוסבר איך לכתוב הנחיות טובות יותר.
איך Gemini for Google Cloud משתמש בנתונים שלכם
המחויבות של Google לפרטיות
Google הייתה אחת מהחברות הראשונות בתחום שפרסמתה מחויבות לפרטיות ב-AI/ML, שבה אנו מבטאים את האמונה שלנו שללקוחות צריכה להיות רמה הגבוהה ביותר של אבטחה ושליטה על הנתונים שלהם שמאוחסנים בענן.
נתונים שאתם שולחים ומקבלים
השאלות שאתם שואלים את Gemini, כולל כל מידע קלט או קוד שאתם שולחים ל-Gemini לצורך ניתוח או השלמה, נקראות הנחיות. התשובות או השלמות הקוד שאתם מקבלים מ-Gemini נקראות תגובות. Gemini לא משתמש בהנחיות או בתשובות שלו כנתונים לאימון המודלים שלו.
הצפנה של הנחיות
כששולחים הנחיות ל-Gemini, הנתונים מוצפנים במעבר כקלט למודל הבסיסי ב-Gemini.
נתוני תוכנית שנוצרו מ-Gemini
Gemini מאומן על קוד של Google Cloud מצד ראשון, וגם על קוד נבחר של צד שלישי. אתם אחראים על האבטחה, הבדיקה והיעילות של הקוד שלכם, כולל כל השלמה, יצירה או ניתוח של קוד ש-Gemini מציעה לכם.
3. אפשרויות לבדיקה של הנחיות
אם אתם רוצים לשנות או להרחיב הנחיות קיימות של CLI של devai, יש כמה אפשרויות לעשות זאת.
Vertex AI Studio הוא חלק מפלטפורמת Vertex AI של Google Cloud, שמיועדת במיוחד לפשט ולהאיץ את הפיתוח והשימוש במודלים של AI גנרטיבי.
Google AI Studio הוא כלי מבוסס-אינטרנט ליצירת אב טיפוס ולניסויים בתכנון הנחיות וב-Gemini API. להרשמה ל-Gemini 1.5 Pro עם חלון הקשר של מיליון טוקנים או למידע נוסף
- אפליקציית Gemini בדפדפן (gemini.google.com)
אפליקציית האינטרנט של Google Gemini (gemini.google.com) היא כלי מבוסס-אינטרנט שמיועד לעזור לכם לגלות את מלוא הפוטנציאל של מודלי ה-AI של Gemini מבית Google ולהשתמש בו.
- אפליקציית Google Gemini לנייד ל-Android ו-אפליקציית Google ל-iOS
4. יצירת חשבון שירות
לוחצים על הסמל שמשמאל לסרגל החיפוש כדי להפעיל את Cloud Shell.
בטרמינל שנפתח, מפעילים את השירותים הנדרשים כדי להשתמש בממשקי ה-API של Vertex AI וב-Gemini Chat.
gcloud services enable \
aiplatform.googleapis.com \
cloudaicompanion.googleapis.com \
cloudresourcemanager.googleapis.com \
secretmanager.googleapis.com
אם מתבקשים לאשר, לוחצים על 'אישור' כדי להמשיך.
מריצים את הפקודות הבאות כדי ליצור חשבון שירות ומפתחות חדשים.
תשתמשו בחשבון השירות הזה כדי לבצע קריאות API ל-Vertex AI Gemini API מצינורות עיבוד נתונים של CICD.
PROJECT_ID=$(gcloud config get-value project)
SERVICE_ACCOUNT_NAME='vertex-client'
DISPLAY_NAME='Vertex Client'
KEY_FILE_NAME='vertex-client-key'
gcloud iam service-accounts create $SERVICE_ACCOUNT_NAME --display-name "$DISPLAY_NAME"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/aiplatform.admin" --condition None
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/secretmanager.secretAccessor" --condition None
gcloud iam service-accounts keys create $KEY_FILE_NAME.json --iam-account=$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com
5. איך יוצרים פורק ממאגר GitHub למאגר GitHub אישי
עוברים אל https://github.com/GoogleCloudPlatform/genai-for-developers/fork ובוחרים את מזהה המשתמש ב-GitHub בתור הבעלים.
מבטלים את הסימון של האפשרות להעתקת ההסתעפות 'main' בלבד.
לוחצים על 'Create fork'.
6. הפעלת תהליכי עבודה של GitHub Actions
פותחים את המאגר המחובר ב-GitHub בדפדפן ומעברים לכרטיסייה Actions כדי להפעיל את תהליכי העבודה.
7. הוספת סודות למאגר
יוצרים סוד במאגר בקטע 'Settings / Secrets and variables / Actions' במאגר המחובר ב-GitHub.
מוסיפים סוד למאגר בשם GOOGLE_API_CREDENTIALS.
עוברים לחלון או לכרטיסייה של Google Cloud Shell ומריצים את הפקודה הבאה בטרמינל של Cloud Shell.
cat ~/vertex-client-key.json
מעתיקים את תוכן הקובץ ומדביקים אותו כערך של הסוד.
מוסיפים את הסוד PROJECT_ID עם מזהה הפרויקט ב-Qwiklabs כערך 
8. הפעלת תהליך עבודה של GitHub Actions
עוברים למאגר ב-GitHub בדפדפן ומפעילים את תהליך העבודה.
תהליך העבודה מוגדר לפעול בהעברת קוד או בהפעלה ידנית.
בוחרים באפשרות GenAI For Developers בקטע All workflows (כל תהליכי העבודה) ולוחצים על Run workflow באמצעות ההסתעפות main.
בדיקת התוצאות:
תוצאות הפקודה של בדיקת הכיסוי:
devai review testcoverage -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
התוצאות של פקודת בדיקת הקוד:
devai review code -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
התוצאות של הפקודה לבדיקת הביצועים:
devai review performance -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
התוצאות של הפקודה לבדיקה האבטחה:
devai review security -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
הגורמים החוסמים בודקים את תוצאות הפקודה:
devai review blockers -c ${{ github.workspace }}/sample-app/pom.xml
9. שכפול המאגר
חוזרים לטרמינל של Cloud Shell ומשכפלים את המאגר.
יוצרים תיקייה למאגר ב-GitHub.
mkdir github
cd github
לפני שמריצים את הפקודות, צריך לשנות את YOUR-GITHUB-USERID למזהה המשתמש ב-GitHub.
מגדירים את שם המשתמש ואת כתובת האימייל ב-Git במסוף.
מעדכנים את הערכים לפני שמריצים את הפקודות.
git config --global user.name "Your Name"
git config --global user.email "your_email@example.com"
git clone https://github.com/YOUR-GITHUB-USERID/genai-for-developers.git
שינוי התיקייה ופתיחת קובץ תהליך העבודה ב-Cloud Shell Editor.
cd genai-for-developers
cloudshell edit .github/workflows/devai-review.yml
ממתינים עד שקובץ התצורה יוצג בסביבת הפיתוח המשולבת.
10. הפעלת Gemini Code Assist
לוחצים על הסמל Gemini בפינה השמאלית התחתונה 
,
לוחצים על 'Login to Google Cloud' ו'Select a Google Cloud Project'.
בחלון הקופץ, בוחרים את הפרויקט ב-Qwiklabs.
11. הסבר על קוד באמצעות Gemini Code Assist
לוחצים לחיצה ימנית במקום כלשהו בקובץ devai-review.yml ובוחרים באפשרות Gemini Code Assist > Explain.
הסבר על הבדיקה:
12. הפעלת DEVAI CLI באופן מקומי
חוזרים ל-Cloud Shell Editor ופותחים טרמינל חדש.
חוזרים לטרמינל של Cloud Shell ומריצים את הפקודות הבאות כדי להתקין את devai באופן מקומי.
pip3 install devai-cli
ה-CLI הותקן אבל הוא לא נמצא ב-PATH.
WARNING: The script devai is installed in '/home/student_00_478dfeb8df15/.local/bin' which is not on PATH. Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.
מריצים את הפקודה הבאה כדי לעדכן את משתנה הסביבה PATH. מחליפים את השם בשם של תיקיית הבית של המשתמש. לדוגמה: student_00_478dfeb8df15
export PATH=$PATH:/home/YOUR-USER-HOME-FOLDER/.local/bin
מריצים את הפקודה devai cli כדי לבצע בדיקת קוד באופן מקומי. בודקים את הפלט של CLI.
export PROJECT_ID=$(gcloud config get-value project)
export LOCATION=us-central1
cd ~/github/genai-for-developers
devai review code -c ./sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
פותחים את סקריפט הבדיקה על ידי הפעלת הפקודה הבאה:
cloudshell edit devai-cli/src/devai/commands/review.py
לוחצים לחיצה ימנית במקום כלשהו בקובץ review.py ובוחרים באפשרות Gemini Code Assist > Explain.
קוראים את ההסבר.
13. פיתוח CLI של DevAI
בקטע הזה תבצעו שינויים ב-devai cli.
כדי להתחיל, מגדירים את python virtualenv, מתקינים את הדרישות ומריצים את הפקודה לדוגמה.
cd ~/github/genai-for-developers/devai-cli
python3 -m venv venv
. venv/bin/activate
pip3 install -r src/requirements.txt
pip3 install --editable ./src
devai echo
מריצים את הפקודה לבדיקה של כיסוי הבדיקה כדי לוודא שהכול פועל כמו שצריך:
devai review testcoverage -c ~/github/genai-for-developers/sample-app/src
בודקים את התוצאות באמצעות תצוגה מקדימה של Markdown ב-Cloud Shell Editor.
יוצרים קובץ חדש ומדביקים את התשובה של Gemini.
לאחר מכן משתמשים בלוח הפקודות ובוחרים באפשרות Markdown: Open Preview.
14. פקודות CLI של devai
הפקודה לבדיקה של קוד
devai review code -c ~/github/genai-for-developers/sample-app/src/main/java
פקודה לבדיקת ביצועים
devai review performance -c ~/github/genai-for-developers/sample-app/src/main/java
פקודת בדיקת האבטחה
devai review security -c ~/github/genai-for-developers/sample-app/src/main/java
הפקודה לבדיקה של כיסוי הבדיקה
devai review testcoverage -c ~/github/genai-for-developers/sample-app/src
פקודות לבדיקה של גורמים שחוסמים את הגישה
devai review blockers -c ~/github/genai-for-developers/sample-app/pom.xml
devai review blockers -c ~/github/genai-for-developers/sample-app/setup.md
בדיקה וסיכום של תמונות/תרשימים:
תרשים קלט[~/github/genai-for-developers/images/extension-diagram.png]:
בודקים את הפקודה:
devai review image \
-f ~/github/genai-for-developers/images/extension-diagram.png \
-p "Review and summarize this diagram"
פלט:
The diagram outlines a process for conducting local code reviews using a VS Code extension or CLI, leveraging Google Cloud's Vertex AI (Gemini Pro) for generating review prompts.
**Process Flow:**
1. **Code Style Check:** Developers initiate the process by checking their code for adherence to pre-defined style guidelines.
2. **Prompt Generation:** The VS Code extension/CLI sends the code to Vertex AI (Gemini Pro) on Google Cloud.
3. **Vertex AI Review:** Vertex AI analyzes the code and generates relevant review prompts.
4. **Local Review:** The prompts are sent back to the developer's IDE for their consideration.
5. **Optional Actions:** Developers can optionally:
- Create new JIRA issues directly from the IDE based on the review prompts.
- Generate new issues in a GitLab repository.
**Key Components:**
* **VS Code Extension/CLI:** Tools facilitating the interaction with Vertex AI and potential integrations with JIRA and GitLab.
* **Vertex AI (Gemini Pro):** Google Cloud's generative AI service responsible for understanding the code and generating meaningful review prompts.
* **Google Cloud Secret Manager:** Securely stores API keys and access tokens required to authenticate and interact with Google Cloud services.
* **JIRA/GitLab (Optional):** Issue tracking and project management tools that can be integrated for a streamlined workflow.
**Benefits:**
* **Automated Review Assistance:** Leveraging AI to generate review prompts saves time and improves the consistency and quality of code reviews.
* **Local Development:** The process empowers developers to conduct reviews locally within their familiar IDE.
* **Integration Options:** The flexibility to integrate with project management tools like JIRA and GitLab streamlines workflow and issue tracking.
ניתוח ההבדלים בין תמונות:
devai review imgdiff \
-c ~/github/genai-for-developers/images/devai-api.png \
-t ~/github/genai-for-developers/images/devai-api-slack.png
פלט:
The following UI elements are missing in the "AFTER UPGRADE STATE" image compared to the "BEFORE UPGRADE STATE" image: 1. **Slack:** The entire Slack element, including the icon, "Team channel" label, and the arrow indicating interaction, is absent in the AFTER UPGRADE image. 2. **Storage Bucket:** The "Storage Bucket" element with its icon and "PDFs" label is missing in the AFTER UPGRADE image. 3. **"GenAI Agents" label in Vertex AI block:** The BEFORE UPGRADE image has "Vertex AI Agents" and "GenAI Agent" labels within the Vertex AI block, while the AFTER UPGRADE image only has "Vertex AI." 4. **"Open JIRA Issue" and "Team Project" labels:** In the BEFORE UPGRADE image, these labels are connected to the JIRA block with an arrow. These are missing in the AFTER UPGRADE image. **Decision Explanation:** The analysis is based on a direct visual comparison of the two provided images, noting the presence and absence of specific UI elements and their associated labels. The elements listed above are present in the BEFORE UPGRADE image but absent in the AFTER UPGRADE image.
הפקודה ליצירת מסמכי תיעוד:
devai document readme -c ~/github/genai-for-developers/sample-app/src/main/
פלט:
# Bank of Anthos - Balance Reader Service ## Table of Contents - [Description](#description) - [Features](#features) - [Technologies Used](#technologies-used) - [Installation](#installation) - [Configuration](#configuration) - [Usage](#usage) - [Health Checks](#health-checks) - [Metrics and Tracing](#metrics-and-tracing) - [Contributing](#contributing) - [License](#license) ## Description The Balance Reader service is a component of the Bank of Anthos sample application. It provides a REST endpoint for retrieving the current balance of a user account. This service demonstrates key concepts for building microservices with Spring Boot and deploying them to a Kubernetes cluster. ## Features - Securely retrieves account balances using JWT authentication. - Leverages a local cache for fast balance retrieval. - Asynchronously processes transactions from a central ledger. - Provides health check endpoints for Kubernetes liveness and readiness probes. - Exposes metrics to Stackdriver for monitoring and observability. - Supports distributed tracing with Zipkin. ## Technologies Used - Java - Spring Boot - Spring Data JPA - Hibernate - Google Cloud SQL (PostgreSQL) - JWT (JSON Web Token) - Guava Cache - Micrometer - Stackdriver - Zipkin ## Installation 1. **Prerequisites:** - Java 17 or later - Maven 3.5 or later - Docker (for containerization) - Kubernetes cluster (for deployment) - Google Cloud account (for Stackdriver and other GCP services)
אפשר לעיין בפקודות הזמינות של devai cli ב-Cloud Shell Editor:
cloudshell edit ~/github/genai-for-developers/devai-cli/README.md
לחלופין, אפשר לעיין בקובץ README.md במאגר ב-GitHub.
15. מעקב אחר כל משתני הסביבה בקובץ
יוצרים קובץ חדש כדי לעקוב אחרי כל משתני הסביבה (למשל, מפתחות API, אסימוני API וכו') שתיצרו.
במהלך השיעור תשתמשו בהם במערכות שונות, ולכן יהיה קל יותר להפנות אליהן במקום אחד.
16. הגדרת המעקב של LangSmith LLM
יוצרים חשבון LangSmith ויוצרים מפתח Service API בקטע 'הגדרות'. https://docs.smith.langchain.com/
מגדירים את משתני הסביבה הנדרשים לשילוב עם LangSmith. מחליפים את מפתח ה-API של השירות לפני שמריצים את הפקודות.
export LANGCHAIN_API_KEY=langsmith-service-api-key
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_ENDPOINT="https://api.smith.langchain.com"
כדי להימנע מחשיפת מידע רגיש במסוף, מומלץ להשתמש ב-read -s. זוהי דרך מאובטחת להגדיר משתני סביבה בלי שהערך יופיע בהיסטוריית הפקודות של המסוף. אחרי ההרצה, צריך להדביק את הערך וללחוץ על Enter.
17. הגדרת פקודות ב-JIRA
יוצרים חשבון JIRA, אם אין לכם חשבון כזה.
יוצרים אסימון API של JIRA לפרויקט. https://id.atlassian.com/manage-profile/security/api-tokens
מגדירים את משתני הסביבה הנדרשים לשילוב עם JIRA (מחליפים את הערכים לפני שמריצים את הפקודות).
export JIRA_API_TOKEN=your-token-value
export JIRA_USERNAME="email that you used to register with JIRA"
export JIRA_INSTANCE_URL="https://YOUR-PROJECT.atlassian.net"
export JIRA_PROJECT_KEY="JIRA project key"
export JIRA_CLOUD=true
פותחים את הקובץ review.py:
cloudshell edit ~/github/genai-for-developers/devai-cli/src/devai/commands/review.py
בודקים את הקובץ review.py:
source=source.format(format_files_as_string(context))
code_chat_model = GenerativeModel(model_name)
code_chat = code_chat_model.start_chat()
code_chat.send_message(qry)
response = code_chat.send_message(source)
...
else:
click.echo(response.text)
מחפשים את השורה שמתחת לשורה הזו ומבטלים את ההערה שלה:
# Uncomment after configuring JIRA and GitLab env variables - see README.md for details
ייבוא הפקודה של JIRA בחלק העליון של הקובץ
# from devai.commands.jira import create_jira_issue
שיטה ליצירת בעיה ב-JIRA בשיטה code
#create_jira_issue("Code Review Results", response.text)
מריצים מחדש את הפקודה לבדיקה של הקוד ובודקים את הפלט של הסוכן:
export PROJECT_ID=$(gcloud config get-value project)
export LOCATION=us-central1
devai review code -c ~/github/genai-for-developers/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
פלט לדוגמה:
(venv) student_00_19a997c157f8@cloudshell:~/genai-for-developers/devai-cli (qwiklabs-gcp-02-71a9948ae110)$ devai review code -c ../sample-app/src/main/java/anthos/samples/bankofanthos/balancereader /home/student_00_19a997c157f8/genai-for-developers/devai-cli/venv/lib/python3.9/site-packages/langchain_core/_api/deprecation.py:117: LangChainDeprecationWarning: The function `initialize_agent` was deprecated in LangChain 0.1.0 and will be removed in 0.2.0. Use new agent constructor methods like create_react_agent, create_json_agent, create_structured_chat_agent, etc. instead. warn_deprecated( Response from Model: ```java // Class: TransactionRepository // Method: findBalance // Efficiency - Consider using a native SQL query to improve performance for complex database operations. - Use prepared statements to avoid SQL injection vulnerabilities. // Best Practices - Return a Optional<Long> instead of null to handle the case when no balance is found for the given account.
/home/student_00_19a997c157f8/genai-for-developers/devai-cli/venv/lib/python3.9/site-packages/langchain_core/_api/deprecation.py:117: LangChainDeprecationWarning: The function __call__ was deprecated in LangChain 0.1.0 and will be removed in 0.2.0. במקום זאת, צריך להשתמש ב-invoke. warn_deprecated(
נכנסים לרשת AgentExecutor החדשה... מחשבה: התיאור מופיע בשאלה, כך שאין מה לחשוב עליו. פעולה:
{
"action": "create_issue",
"action_input": {
"description": "Class: TransactionRepository\nMethod: findBalance\n\nEfficiency\n- Consider using a native SQL query to improve performance for complex database operations.\n- Use prepared statements to avoid SQL injection vulnerabilities.\n\nBest Practices\n- Return a Optional<Long> instead of null to handle the case when no balance is found for the given account."
}
}
נוצרה בעיה חדשה עם המפתח: CYMEATS-117
Observation: New issue created with key: CYMEATS-117 Thought:Final Answer: CYMEATS-117
שרשרת הסיום.
Open your JIRA project in the browser and review the created issue.
Sample JIRA issue view.
<img src="img/9a93a958c30f0b51.png" alt="9a93a958c30f0b51.png" width="624.00" />
Open [LangSmith portal](https://smith.langchain.com/) and review LLM trace for JIRA issue creation call.
Sample LangSmith LLM trace.
<img src="img/6222ee1653a5ea54.png" alt="6222ee1653a5ea54.png" width="624.00" />
## Import GitHub repo to GitLab repo
Go to [https://gitlab.com/projects/new](https://gitlab.com/projects/new) and select "`Import project`" / "`Repository by URL`" option:
Git repository url:
https://github.com/GoogleCloudPlatform/genai-for-developers.git
Or
Your personal GitHub project that you created earlier in this lab.
Under Project URL - select your GitLab userid
Set Visibility to `Public`.
Click - "`Create Project`" to start the import process.
If you see an error about invalid GitHub Repository URL, [create a new GitHub token](https://github.com/settings/tokens)(fine-grained) with Public repositories read-only access, and retry import again providing your GitHub userid and token.
## Clone GitLab repo and setup SSH key
Return to Google Cloud Shell terminal and set up a new SSH key.
Update your email before running the commands. Hit enter multiple times to accept defaults.
ssh-keygen -t ed25519 -C "your-email-address"
eval "$(ssh-agent -s)" ssh-add ~/.ssh/id_ed25519
cat ~/.ssh/id_ed25519.pub
Add a public key to your GitLab account.
Open [https://gitlab.com/-/profile/keys](https://gitlab.com/-/profile/keys) and click "Add new key".
For the key value copy/paste the output of the last command.
Go back to the terminal and clone the repository.
cd ~ mkdir gitlab cd gitlab
Replace with your GitLab userid and repository url that was just created.
```console
git clone git@gitlab.com:YOUR_GITLAB_USERID/genai-for-developers.git
משנים את הספרייה ופותחים את הקובץ .gitlab-ci.yml.
cd genai-for-developers
cloudshell edit .gitlab-ci.yml
אם עדיין לא עשיתם זאת, מפעילים את Gemini בעורך Cloud Shell.
לוחצים לחיצה ימנית במקום כלשהו בקובץ .gitlab-ci.yml ובוחרים באפשרות Gemini Code Assist > Explain this".
18. הגדרת פקודות GitLab
פותחים את GitLab ויוצרים אסימון גישה לפרויקט בקטע Settings / Access Tokens במאגר GitLab שנוצר בשלבים הקודמים.
מעתיקים ומאחסנים את הערך של אסימון הגישה לשימוש בשלבים הבאים.
יש להשתמש בפרטים הבאים:
- שם הטוקן:
devai-cli-qwiklabs - תפקיד:
Maintainer - היקף:
api
מגדירים את משתני הסביבה הנדרשים לשילוב עם GitLab.
כדי להשתמש בפקודה הזו, צריך לעדכן את אסימון הגישה ל-GitLab.
export GITLAB_PERSONAL_ACCESS_TOKEN=gitlab-access-token
כדי להשתמש בפקודה הזו, צריך לעדכן את מזהה המשתמש ואת שם המאגר ב-GitLab.
export GITLAB_REPOSITORY="USERID/REPOSITORY"
מגדירים את שאר משתני הסביבה:
export GITLAB_URL="https://gitlab.com"
export GITLAB_BRANCH="devai"
export GITLAB_BASE_BRANCH="main"
פותחים את האתר של GitLab ויוצרים בקשת תמיכה חדשה ב-GitLab בפרויקט עם השם CICD AI Insights.
אפשרות אחרת היא להשתמש בפקודה הבאה של curl. תצטרכו מזהה פרויקט ב-GitLab. אפשר למצוא אותו בקטע Settings / General.
export GITLAB_PROJECT_ID=56390153 # replace
curl --request POST \
--header "PRIVATE-TOKEN: $GITLAB_PERSONAL_ACCESS_TOKEN" \
--header "Content-Type: application/json" \
--data '{"title":"CICD AI Insights"}' \
https://gitlab.com/api/v4/projects/$GITLAB_PROJECT_ID/issues
חוזרים ל-Cloud Shell ופותחים את הקובץ review.py:
cloudshell edit ~/gitlab/genai-for-developers/devai-cli/src/devai/commands/review.py
מוצאים את הקוד שלמטה ומבטלים את ההערה שלו
שורה לייבוא פקודת GitLab
# from devai.commands.gitlab import create_gitlab_issue_comment
איך מגיבים לבעיה ב-GitLab
# create_gitlab_issue_comment(response.text)
19. פיתוח CLI של DevAI
מאז עברתם למאגר/הספרייה של GitLab. תצטרכו להריץ מחדש את שלבי ההגדרה שמפורטים בהמשך.
בטרמינל, מגדירים את python virtualenv, מתקינים את הדרישות ומריצים את פקודת הדוגמה.
export PROJECT_ID=$(gcloud config get-value project)
export LOCATION=us-central1
cd ~/gitlab/genai-for-developers/devai-cli
python3 -m venv venv
. venv/bin/activate
pip3 install -r src/requirements.txt
pip3 install --editable ./src
devai echo
אפשר לאמת את המיקום של cli – הפעם הוא אמור להיות בתיקיית GitLab.
which devai
מריצים מחדש את הפקודה לבדיקה של הקוד בטרמינל:
devai review code -c ~/gitlab/genai-for-developers/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
פלט לדוגמה – עם קיצור של חלק מהקטעים:
(venv) student_00_19a997c157f8@cloudshell:~/genai-for-developers/devai-cli (qwiklabs-gcp-02-71a9948ae110)$ devai review code -c ../sample-app/src/main/java/anthos/samples/bankofanthos/balancereader
.
.
Response from Model: **Class: Transaction**
**Method: toString**
**Maintainability:**
* The formatting of the string representation could be more clear and concise. Consider using a dedicated method for formatting the amount, e.g., `formatAmount()`.
.
.
> Entering new AgentExecutor chain...
Thought: I need to first get the issue ID using the Get Issues tool, then I can comment on the issue using the Comment on Issue tool.
Action: Get Issues
Action Input:
Observation: Found 1 issues:
[{'title': 'CICD AI Insights', 'number': 1}]
Thought:Thought: I found the issue ID, so now I can add the comment to the issue.
Action: Comment on Issue
Action Input: 1
Action: Get Issue
Action Input: 1
Observation: {"title": "CICD AI Insights", "body": "", "comments": "[{'body': '**Transaction.java**\\n\\n\\n**Class:** Transaction\\n\\n\\n* **Security:** Consider using a custom date format like \\\\\"yyyy-MM-dd HH:mm:ss.SSS\\\\\" to handle timestamps more robustly.\\n\\n\\n**JWTVerifierGenerator.java**\\n\\n\\n* .
.
Thought:Now I can use the Comment on Issue tool to add the comment to the issue.
Action: Comment on Issue
Action Input:
1
**Class: Transaction**
**Method: toString**
**Maintainability:**
.
.
.
Observation: Commented on issue 1
Thought:I have now completed the necessary actions and added the comment to the issue 'CICD AI Insights'.
Final Answer: Comment added to issue 'CICD AI Insights'
> Finished chain.
פותחים את האתר GitLab ובודקים את הבעיה המעודכנת.
בודקים את המעקב אחר LLM ב-LangSmith.
נתיב LLM לדוגמה.
20. דחיפת שינויים למאגר GitLab
חוזרים ל-Google Cloud Shell Editor.
עוברים לכרטיסייה Source Control.
מעבירים את השינויים שבוצעו לשלב ההמתנה, שומרים אותם ומעבירים אותם (push) כדי לעדכן את הקובץ review.py.
21. הגדרת CICD ב-GitLab
בשלב הבא תפעילו את צינור עיבוד הנתונים של GitLab CICD כדי להריץ בדיקת קוד כשדוחפים שינויים למאגר.
פותחים את האתר של GitLab ועוברים לקטע Settings / CICD".
מרחיבים את הקטע Variables ולוחצים על Add variable.
חשוב לבטל את הסימון של כל תיבות הסימון כשמוסיפים את המשתנים. דוגמה:
בעזרת ההערות שבהן שמרתם את כל משתני הסביבה, מוסיפים משתני סביבה ל-JIRA, ל-GitLab ול-LangSmith.
PROJECT_ID=qwiklabs-project-id LOCATION=us-central1 GOOGLE_CLOUD_CREDENTIALS - cat ~/vertex-client-key.json LANGCHAIN_TRACING_V2=true LANGCHAIN_ENDPOINT="https://api.smith.langchain.com" LANGCHAIN_API_KEY=your-service-api-key JIRA_API_TOKEN=your-token JIRA_USERNAME="email that you used to register with JIRA" JIRA_INSTANCE_URL="https://YOUR-PROJECT.atlassian.net" JIRA_PROJECT_KEY="JIRA project key" JIRA_CLOUD=true GITLAB_PERSONAL_ACCESS_TOKEN=your-gitlab-token GITLAB_URL="https://gitlab.com" GITLAB_REPOSITORY="USERID/REPOSITORY" GITLAB_BRANCH="devai" GITLAB_BASE_BRANCH="main"
בערך המשתנה GOOGLE_CLOUD_CREDENTIALS, משתמשים במפתח של חשבון השירות שנוצר בקטע שלמעלה.
cat ~/vertex-client-key.json
תצוגת המשתנים של CI/CD:
22. הפעלת צינור עיבוד נתונים של GitLab CICD
פותחים את Build / Pipelines בממשק המשתמש של GitLab ולוחצים על Run Pipeline.
23. בדיקת הפלט של צינור עיבוד הנתונים של GitLab
פותחים את 'Build / Jobs' בממשק המשתמש של GitLab ובודקים את הפלט של צינור עיבוד הנתונים.
פותחים את האתר של GitLab ובודקים את התגובות המעודכנות בבעיה CICD Insights.
השבתה של ביצוע תהליך העבודה ב-GitLab
חוזרים ל-Google Cloud Shell Editor. מסירים את ההערות מהשורות כדי להשבית את ההפעלה של תהליך העבודה ב-GitLab באירועי דחיפת קוד. עדיין אפשר להריץ את תהליך העבודה מהממשק המשתמש על פי דרישה.
# workflow: # rules: # - if: $CI_PIPELINE_SOURCE == "web"
פותחים את הקובץ .gitlab-ci.yml ברמה הבסיסית של הפרויקט ומבטלים את ההערות של השורות הבאות:
cloudshell edit ~/gitlab/genai-for-developers/.gitlab-ci.yml
עוברים לכרטיסייה Source Control – מעבירים את השינוי לשלב, מבצעים השמה ומעבירים אותו.
24. שילוב עם CircleCI
מהו CircleCI?
CircleCI היא פלטפורמת CI/CD מבוססת-ענן שמאפשרת לצוותים להפוך את תהליכי הפיתוח והפריסה של התוכנות שלהם לאוטומטיים. הוא משתלב עם מערכות לניהול גרסאות כמו GitHub, Bitbucket ו-GitLab, ומאפשר לצוותים לאמת שינויים בקוד בזמן אמת על ידי הפעלת בדיקות ו-builds אוטומטיים. כדי לספק גרסאות תוכנה באופן רציף, אפשר להשתמש ב-CircleCI כדי לבצע פריסה אוטומטית של תוכנות בסביבות ענן שונות, כמו AWS, Google Cloud ו-Azure.
הגדרה
פותחים את האתר של CircleCI ויוצרים פרויקט חדש. בוחרים באפשרות 'GitLab' או 'Cloud' למאגר.
מעניקים ל-CircleCI גישה לחשבון GitLab.
בקטע Fastest (המהירה ביותר), בוחרים את ההסתעפות main. יכול להיות שמערכת CircleCI תזהה קובץ תצורה קיים ותדלג על השלב הזה.
אחרי יצירת הפרויקט, לוחצים על הקטע Project Settings או Environment Variables.
מוסיפים את כל משתני הסביבה שבהם השתמשתם עד עכשיו.
הנה רשימה לדוגמה של משתני סביבה שאפשר להוסיף.
PROJECT_ID=qwiklabs-project-id LOCATION=us-central1 GOOGLE_CLOUD_CREDENTIALS - cat ~/vertex-client-key.json LANGCHAIN_TRACING_V2=true LANGCHAIN_ENDPOINT="https://api.smith.langchain.com" LANGCHAIN_API_KEY=your-service-api-key JIRA_API_TOKEN=your-token JIRA_USERNAME="email that you used to register with JIRA" JIRA_INSTANCE_URL="https://YOUR-PROJECT.atlassian.net" JIRA_PROJECT_KEY="JIRA project key" JIRA_CLOUD=true GITLAB_PERSONAL_ACCESS_TOKEN=your-gitlab-token GITLAB_URL="https://gitlab.com" GITLAB_REPOSITORY="USERID/REPOSITORY" GITLAB_BRANCH="devai" GITLAB_BASE_BRANCH="main"
25. הפעלת שיטות של JIRA ו-GitLab
פותחים את Google Cloud Shell Editor ועורכים את הקובץ review.py.
מחפשים את השורות הבאות ומבטלים את ההערה שלהן.
# from devai.commands.jira import create_jira_issue
create_jira_issue("Performance Review Results", response.text)
create_gitlab_issue_comment(response.text)
.
.
.
create_jira_issue("Security Review Results", response.text)
create_gitlab_issue_comment(response.text)
עוברים לכרטיסייה Source Control – מעבירים את השינוי לשלב, מבצעים השמה ומעבירים אותו.
פותחים את האתר של GitLab ועוברים אל 'Build' / 'Pipelines'.
אפשר ללחוץ על הקישור ל-CircleCI כדי לעיין בתהליך העבודה.
בודקים את התגובות בבעיה ב-GitLab במאגר שלכם.
לבדוק את הבעיות החדשות שנוצרו בפרויקט JIRA.
26. מעולה!
כל הכבוד, סיימת את שיעור ה-Lab!
הנושאים שעסקנו בהם:
- הוספת שלבים לאוטומציה של בדיקת הקוד של GenAI ב-GitHub, ב-GitLab וב-CircleCI.
- סוכני LangChain ReAct להפיכת משימות לאוטומטיות, כמו פרסום תגובות בבעיה ב-GitLab ופתיחת כרטיסים ב-JIRA.
השלב הבא:
- בקרוב נוסיף עוד סשנים מעשיים.
הסרת המשאבים
כדי להימנע מחיובים בחשבון Google Cloud בגלל השימוש במשאבים שנעשה במסגרת המדריך הזה, אפשר למחוק את הפרויקט שמכיל את המשאבים, או להשאיר את הפרויקט ולמחוק את המשאבים הנפרדים.
מחיקת הפרויקט
הדרך הקלה ביותר לבטל את החיוב היא למחוק את הפרויקט שיצרתם בשביל המדריך.
©2024 Google LLC כל הזכויות שמורות. Google והלוגו של Google הם סימנים מסחריים רשומים של Google LLC. שמות של חברות ומוצרים אחרים עשויים להיות סימנים מסחריים של החברות, בהתאמה, שאליהן הם משויכים.