GitHub – automatyzacja sprawdzania kodu za pomocą GenAI

1. Omówienie

W tym laboratorium skonfigurujesz przepływ pracy GitHub Actions i zintegrujesz go z Gemini, aby zautomatyzować weryfikację kodu.

2bab73f63b927f93.png

Czego się nauczysz

Z tego modułu dowiesz się, jak:

  • Jak dodać kroki automatyzacji sprawdzania kodu za pomocą GenAI w GitHubie
  • Jak uruchomić devai na komputerze lokalnym, aby zautomatyzować sprawdzanie kodu

Wymagania wstępne

  • Ten moduł zakłada, że znasz środowiska Cloud Console i Cloud Shell.

2. Konfiguracja i wymagania

Konfiguracja projektu Cloud

  1. Zaloguj się w konsoli Google Cloud i utwórz nowy projekt lub użyj istniejącego. Jeśli nie masz jeszcze konta Gmail ani Google Workspace, musisz je utworzyć.

fbef9caa1602edd0.png

a99b7ace416376c4.png

5e3ff691252acf41.png

  • Nazwa projektu to wyświetlana nazwa uczestników tego projektu. Jest to ciąg znaków, którego nie używają interfejsy API Google. Zawsze możesz ją zaktualizować.
  • Identyfikator projektu jest niepowtarzalny w ramach wszystkich projektów Google Cloud i nie można go zmienić (po ustawieniu). Konsola Cloud automatycznie generuje unikalny ciąg znaków. Zwykle nie ma znaczenia, jaki to ciąg. W większości laboratoriów z kodem trzeba podać identyfikator projektu (zwykle oznaczony jako PROJECT_ID). Jeśli nie podoba Ci się wygenerowany identyfikator, możesz wygenerować inny losowy. Możesz też spróbować użyć własnego adresu e-mail, aby sprawdzić, czy jest on dostępny. Nie można go zmienić po wykonaniu tego kroku. Pozostanie on na stałe w ramach projektu.
  • Informacyjnie: istnieje jeszcze 3 wartość, numer projektu, której używają niektóre interfejsy API. Więcej informacji o wszystkich 3 wartościach znajdziesz w dokumentacji.
  1. Następnie musisz włączyć rozliczenia w konsoli Cloud, aby korzystać z zasobów i interfejsów API Cloud. Przejście przez ten samouczek nie będzie kosztowne, a być może nawet bezpłatne. Aby wyłączyć zasoby i uniknąć obciążenia opłatami po zakończeniu samouczka, możesz usunąć utworzone zasoby lub usunąć projekt. Nowi użytkownicy Google Cloud mogą skorzystać z bezpłatnego okresu próbnego, w którym mają do dyspozycji środki w wysokości 300 USD.

Konfiguracja środowiska

Otwórz czat Gemini.

bc3c899ac8bcf488.png

Możesz też wpisać „Zapytaj Gemini” na pasku wyszukiwania.

e1e9ad314691368a.png

Włącz interfejs Cloud AI Companion API:

66cb6e561e384bbf.png

Kliknij „Start chatting” i użyj jednego z przykładowych pytań lub wpisz własne prompty, aby je wypróbować.

5482c153eef23126.png

Prompty do wypróbowania:

  • Wyjaśnij Cloud Run w 5 kluczowych punktach.
  • Jesteś menedżerem produktu Google Cloud Run. Wyjaśnij studentowi, na czym polega Cloud Run, w 5 krótkich punktach.
  • Jesteś menedżerem produktu Cloud Run w Google i chcesz wyjaśnić Cloud Run certyfikowanemu deweloperowi Kubernetes w 5 krótkich punktach.
  • Jesteś menedżerem produktu Cloud Run w Google i chcesz wyjaśnić starszemu programiście, kiedy należy używać Cloud Run, a kiedy GKE. W tym celu przedstawiasz 5 krótkich kluczowych informacji.

Aby dowiedzieć się więcej o pisaniu lepszych promptów, zapoznaj się z przewodnikiem po promptach.

Jak Gemini dla Google Cloud korzysta z Twoich danych

Zobowiązanie Google do ochrony prywatności

Google jako jedna z pierwszych firm w branży opublikowała zobowiązanie do ochrony prywatności w systemach AI/ML, w którym wyraziliśmy przekonanie, że klienci powinni mieć najwyższy poziom bezpieczeństwa i kontroli nad swoimi danymi przechowywanymi w chmurze.

Dane, które przesyłasz i odbierasz

Pytania, które zadajesz Gemini, w tym wszelkie informacje wejściowe lub kod, które przesyłasz do Gemini w celu analizy lub uzupełnienia, nazywamy promptami. Odpowiedzi lub dokończenia kodu, które otrzymujesz od Gemini, nazywane są odpowiedziami. Gemini nie używa Twoich promptów ani swoich odpowiedzi jako danych do trenowania swoich modeli.

Szyfrowanie promptów

Gdy przesyłasz prompty do Gemini, Twoje dane są szyfrowane podczas przesyłania i przesyłane do modelu podstawowego w Gemini.

Dane programu wygenerowane przez Gemini

Gemini jest trenowany na podstawie własnego kodu Google Cloud oraz wybranego kodu zewnętrznego. Ponosisz odpowiedzialność za bezpieczeństwo, testowanie i skuteczność kodu, w tym za uzupełnianie, generowanie i analizowanie kodu przez Gemini.

Dowiedz się więcej o tym, jak Google radzi sobie z potwierdzeniami.

3. Opcje testowania promptów

Jeśli chcesz zmienić lub rozszerzyć istniejące prompty devai cli, masz do tego kilka opcji.

Vertex AI Studio jest częścią platformy Vertex AI w Google Cloud, która została zaprojektowana z myślą o uproszczeniu i przyspieszeniu tworzenia oraz stosowania modeli generatywnej AI.

Google AI Studio to internetowe narzędzie do tworzenia prototypów i eksperymentowania z inżynierią promptów oraz interfejsem Gemini API.

Aplikacja internetowa Google Gemini (gemini.google.com) to narzędzie internetowe, które ułatwia poznawanie i wykorzystywanie potencjału modeli sztucznej inteligencji Gemini od Google.

4. Utwórz konto usługi

Aktywuj Cloud Shell, klikając ikonę po prawej stronie paska wyszukiwania.

3e0c761ca41f315e.png

W otwartym terminalu włącz wymagane usługi, aby korzystać z interfejsów API Vertex AI i czatu Gemini.

gcloud services enable \
    aiplatform.googleapis.com \
    cloudaicompanion.googleapis.com \
    cloudresourcemanager.googleapis.com \
    secretmanager.googleapis.com

Jeśli pojawi się pytanie o autoryzację, kliknij „Autoryzuj”, aby kontynuować.

6356559df3eccdda.png

Aby utworzyć nowe konto usługi i klucze, uruchom te polecenia.

Użyjesz tego konta usługi do wywoływania interfejsu API Vertex AI Gemini z pipeline’ów 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. Utwórz rozwidlenie repozytorium GitHub na swoim osobistym repozytorium GitHub

Otwórz stronę https://github.com/GoogleCloudPlatform/genai-for-developers/fork i wybierz swój identyfikator użytkownika GitHuba jako właściciela.

Odznacz tę opcję, aby skopiować tylko gałąź „główną”.

Kliknij „Create fork”.

6. Włączanie przepływu pracy GitHub Actions

Otwórz rozwidlone repozytorium GitHub w przeglądarce i przełącz się na kartę „Actions”, aby włączyć workflow.

1cd04db9b37af7cf.png

7. Dodawanie obiektów tajnych repozytorium

Utwórz obiekt tajny repozytorium w sekcji „Settings / Secrets and variables / Actions” w rozwidlonym repozytorium GitHub.

Dodaj obiekt tajny repozytorium o nazwie „GOOGLE_API_CREDENTIALS”.

94cbe2778bef25eb.png

Przełącz się na okno lub kartę Google Cloud Shell i uruchom w terminalu Cloud Shell podane niżej polecenie.

cat ~/vertex-client-key.json

Skopiuj zawartość pliku i wklej ją jako wartość obiektu tajnego.

915579a97f8f2ced.png

Dodaj obiekt tajny PROJECT_ID, podając jako wartość identyfikator projektu Qwiklabs:

4fa92833ce615a36.png

8. Uruchamianie przepływu pracy GitHub Actions

Otwórz w przeglądarce repozytorium GitHub i uruchom przepływ pracy.

Przepływ pracy jest skonfigurowany do uruchamiania za pomocą pushowania kodu lub ręcznego wykonania.

da11273b4b54f7b6.png

Sprawdzanie wyników:

cf49aa41980aacc5.png

Wyniki polecenia testowania pokrycia kodu:

devai review testcoverage -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader

3b21bd4639524763.png

Wyniki polecenia sprawdzania kodu:

devai review code -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader

4876dbc2e0042943.png

Wyniki polecenia sprawdzania skuteczności:

devai review performance -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader

98dd2472b2e819bf.png

Wyniki polecenia sprawdzania zabezpieczeń:

devai review security -c ${{ github.workspace }}/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader

7d180a763db92d56.png

Wyniki polecenia sprawdzania blokujących:

devai review blockers -c ${{ github.workspace }}/sample-app/pom.xml

726175e874aefcf.png

9. Klonowanie repozytorium

Wróć do terminala Cloud Shell i sklonuj repozytorium.

Przed wykonaniem poleceń zmień YOUR-GITHUB-USERID na swój identyfikator użytkownika GitHub.

git clone https://github.com/YOUR-GITHUB-USERID/genai-for-developers.git 

Zmień folder i otwórz plik workflow w edytorze Cloud Shell.

cd genai-for-developers

cloudshell edit .github/workflows/devai-review.yml 

Poczekaj, aż plik konfiguracji wyświetli się w IDE.

9e81e5a79d421eac.png

10. Włączanie Gemini Code Assist

Kliknij ikonę Gemini w prawym dolnym rogu 7c891e32c055c0e4.png,

kliknij „Login to Google Cloud” i „Select a Google Cloud Project”.

f5318f22c91ecaa8.png

6b7203ffdd8485fa.png

fb8d42a6bc8a260f.png

W wyskakującym okienku wybierz projekt Qwiklabs.

f661047956a6d6f9.png

11. Wyjaśnianie kodu za pomocą Gemini Code Assist

Kliknij prawym przyciskiem myszy dowolne miejsce w pliku devai-review.yml i wybierz Gemini Code Assist > Explain.

41fb7da002bdf43.png

Wyjaśnienie dotyczące weryfikacji:

7724d52e54918c00.png

12. Uruchamianie interfejsu wiersza poleceń DEVAI lokalnie

Wróć do terminala Cloud Shell i uruchom podane niżej polecenia, aby zainstalować devai lokalnie.

pip3 install devai-cli

Interfejs wiersza poleceń został zainstalowany, ale nie ma go w ścieżce 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.

Aby zaktualizować zmienną środowiskową PATH, uruchom podane niżej polecenie. Zastąp nazwę folderu domowego użytkownika. Na przykład: student_00_478dfeb8df15

export PATH=$PATH:/home/YOUR-USER-HOME-FOLDER/.local/bin

Aby przeprowadzić weryfikację kodu lokalnie, uruchom polecenie devai. Sprawdź dane wyjściowe w interfejsie wiersza poleceń.

export PROJECT_ID=$(gcloud config get-value project)
export LOCATION=us-central1

cd ~/genai-for-developers

devai review code -c ./sample-app/src/main/java/anthos/samples/bankofanthos/balancereader

Otwórz skrypt sprawdzania, wykonując to polecenie:

cloudshell edit devai-cli/src/devai/commands/review.py

Kliknij prawym przyciskiem myszy dowolne miejsce w pliku review.py i wybierz Gemini Code Assist > Explain.

Zapoznaj się z wyjaśnieniem.

30e3baf4c272c8ab.png

13. Rozwój interfejsu wiersza poleceń DevAI

W tej sekcji wprowadzisz zmiany w devai cli.

Na początek skonfiguruj wirtualne środowisko Pythona, zainstaluj wymagane komponenty i uruchom przykładowe polecenie.

cd ~/genai-for-developers/devai-cli
python3 -m venv venv
. venv/bin/activate
pip3 install -r src/requirements.txt
pip3 install --editable ./src
devai echo

Ponownie uruchom polecenie sprawdzania kodu, aby sprawdzić, czy wszystko działa prawidłowo:

devai review code -c ~/genai-for-developers/sample-app/src/main/java/anthos/samples/bankofanthos/balancereader

Sprawdź wyniki za pomocą podglądu Markdown w edytorze Cloud Shell.

Utwórz nowy plik i wklej odpowiedź Gemini.

Następnie na palecie poleceń wybierz „Markdown: Open Preview”.

ec6fedf4b6d3fb73.png

9999e7fbb20cf251.png

9a12ba6ee8b3eedd.png

14. Poznawanie poleceń interfejsu wiersza poleceń devai

Polecenie weryfikacji kodu

devai review code -c ~/genai-for-developers/sample-app/src/main/java

Komenda sprawdzania wyników

devai review performance -c ~/genai-for-developers/sample-app/src/main/java

Polecenie sprawdzania zabezpieczeń

devai review security -c ~/genai-for-developers/sample-app/src/main/java

Polecenie sprawdzania zasięgu testu

devai review testcoverage -c ~/genai-for-developers/sample-app/src

Polecenia dotyczące sprawdzania blokujących

devai review blockers -c ~/genai-for-developers/sample-app/pom.xml
devai review blockers -c ~/genai-for-developers/sample-app/setup.md

Sprawdzanie i podsumowanie obrazu/diagramu:

Diagram wejściowy [~/genai-for-developers/images/extension-diagram.png]:

4b109a74e1aa3fb6.png

Sprawdź polecenie:

devai review image \
  -f ~/genai-for-developers/images/extension-diagram.png \
  -p "Review and summarize this diagram"

Dane wyjściowe:

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.

Analiza różnic w obrazach:

devai review imgdiff \
  -c ~/genai-for-developers/images/devai-api.png \
  -t ~/genai-for-developers/images/devai-api-slack.png  

Dane wyjściowe:

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.

Polecenie generowania dokumentacji:

devai document readme -c ~/genai-for-developers/sample-app/src/main/

Dane wyjściowe:

# Bank of Anthos - Balance Reader Service

## 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
...

Sprawdź dostępne polecenia devai w edytorze Cloud Shell:

cloudshell edit ~/genai-for-developers/devai-cli/README.md

Możesz też zapoznać się z plikiem README.md w repozytorium GitHub.

15. Gratulacje!

Gratulacje! Masz ukończoną tę lekcję.

Omówione zagadnienia:

  • Dodawanie kroków automatyzacji sprawdzania kodu za pomocą GenAI w GitHubie
  • Uruchamianie interfejsu wiersza poleceń devai w środowisku lokalnym

Co dalej:

  • Wkrótce odbędą się kolejne praktyczne sesje.

Czyszczenie danych

Aby uniknąć obciążenia konta Google Cloud opłatami za zasoby zużyte w tym samouczku, możesz usunąć projekt zawierający te zasoby lub zachować projekt i usunąć poszczególne zasoby.

Usuwanie projektu

Najprostszym sposobem na uniknięcie płatności jest usunięcie projektu utworzonego na potrzeby tego samouczka.

©2024 Google LLC. Wszelkie prawa zastrzeżone. Google i logo Google są znakami towarowymi Google LLC. Wszelkie inne nazwy firm i produktów mogą być znakami towarowymi odpowiednich podmiotów, z którymi są powiązane.