AI කේත ලේඛකයෙකුට කේත ලිවීම, ටෙස්ට් ධාවනය, පූල් රිකුවෙස්ට් ඇතුළු බහුකාර්ය සිදු වේ. ඒත් ඒ සෑම පියවරකම කාලය කොපමණ වැයවෙන්නේ, කුමන හේතුවෙන් පසුබැසීම් වෙන්නේ කියලා කිසිවකුටම පැහැදිලි නෙවෙයි. මෙවැනි අභ්යන්තර රහස් හෙළි කර ගැනීමට, අපි SigNoz පදනම් කරගෙන AXRAY නමින් නව නිරීක්ෂණ මෙවලමක් නිර්මාණය කළෙමු.
කියුත් සිදුවූ දේ
AI කේත ලේඛකයෙකුගේ එක් එක් "turn" එකේ LLM එකක් සැලසුම් කරයි, කේත ගොනු සොයයි, Docker තුළ කමාන්ඩ් ධාවනය කරයි, ටෙස්ට් රන් කරයි, Git commit එකක් තනයි, pull request එකක් විවෘත කරයි. මේ සෑම ක්රියාවක්ම වෙන වෙනම කාලය ගනී. සාම්ප්රදායික ලොග් පද්ධති මේ සියල්ල එක් පෙළක් ලෙස පෙන්වයි, ඒ නිසා LLM සිතීම, Docker ක්රියාකාරිත්වය, හෝ කමාන්ඩ් අසාර්ථක වීම යන වගු වෙන් කර දැක ගැනීමට නොහැක.
AXRAY OpenTelemetry භාවිතා කරමින් GenAI Semantic Conventions අනුව සියලුම සිදුවීම් (spans) සලකුණු කරයි. ප්රධාන ද්රව්ය දෙකක් ගණනය කරයි: Time‑in‑Brain (LLM එකේ සිතීමේ කාලය) සහ Time‑in‑Environment (Docker තුළ කමාන්ඩ් ක්රියාකාලය). මෙයින් පසු, කාර්ය සාධන කාර්යක්ෂමතා අගයක් (efficiencyScore) ගණනය කරයි.
පළමු වාරයේ නිරීක්ෂණයෙන් දැකගත් දේ අතිශයින්ම හුදකලා. සමස්ථ කාලයේ 78% ක් LLM එකේ සිතීමේදී වැයවූ බව සනාථ වුණා. Docker හෝ Shell කමාන්ඩ් මන්දගාමී නොවූ අතර, ප්රධාන හේතුව Context Window එක විශාල වීමයි. මේ තොරතුරු SigNoz හි ClickHouse අඩවියෙන් සෘජු SQL විමසුමක් මඟින් ලැබුණා.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ ඩෙවලප්පර්, ආරම්භකයන්, ව්යාපාරිකයින්ට AI‑කේත ලේඛකයන්ගේ කාර්ය සාධනය නිරීක්ෂණය කිරීමේ මෙවලමක් තිබීම අතිශයින්ම ප්රයෝජනවත්.
- ඉගෙනුම – සිසුන්ට LLM මත පදනම් වූ කේත ලිවීමේ පසුබැසීම් තේරුම්ගැනීමට 실시간 trace දැක්මක් ලැබේ.
- විකසනය – ස්ථානීය සමාගම්ට AI‑ආධාරිත CI/CD පයිප්ලයින් ගොඩනැගීමට, bottleneck හඳුනාගැනීමට සහ නිවැරදිව optimise කිරීමට අවස්ථාව ලැබේ.
- ව්යාපාරික කාර්යක්ෂමතාව – කාලය බහුලව වැයවන පියවර (උදා: LLM prompt) හඳුනාගනිමින්, කුඩා වෙනස්කම් මඟින් ගණනාවක් මුදල් හා කාලය ඉතිරි කරගත හැක.
එමෙන්ම, SigNoz මගින් alert පද්ධතියක් AXRAY සමඟ සම්බන්ධ කිරීමෙන්, අධි‑latency හෝ අසාර්ථක tool call එකක් වහාම දැන ගැනීමට හැකිවේ. මෙය දේශීය තාක්ෂණ සමාගම්වල reliability වැඩි කිරීමේ මූලික පදයක් වේ.
නිගමනය
AXRAY සහ SigNoz එකතු කරගෙන, AI coding agents වල “මනස” සහ “පරිසරය” අතර කාල වෙන් කිරීම සාර්ථකව සිදු කර ඇත. මේ නිසා සංවර්ධකයින්ට නිවැරදිව bottleneck හඳුනාගත හැකිවී, AI‑ආධාරිත සංවර්ධන ක්රියාවලිය වඩාත් කාර්යක්ෂම, විශ්වාසනීය, හා පාලනීය කරයි. ශ්රී ලංකාවේ තාක්ෂණික පරිසරයට මෙය නව සීමා ගොඩනැගීමට ඉඩ සලසයි.
