සොෆ්ට්වෙයා ඉංජිනේරුවරුන් “එය මගේ යන්ත්රයේ හොඳින් වැඩ කරයි” කියා හඬාගනිනවා. නමුත් එම වාක්යය පසුබැසීමේ අර්ථයක් ගෙන එයි. ලොකලයෙන් පරික්ෂා කරපු AI අයෙක් Docker කන්ටේනරයක් තුළ පරිසරය වෙනස් කරලා යෙදූ විට, යෙදුම ක්ලවුඩ් වෙත තබා දැමූ පසු තද ගැටලුවකට මුහුණ දුන්නා.
KeyError: '_type' යන අතුරුදන් වූ දෝෂය පෙනී අරඹන විට, ChromaDB vector database ආරම්භ කිරීමට උත්සාහ කළ මොහොතේ යෙදුම නතර වුණා. පළමු පරීක්ෂණයෙන් කේතය දෙකම එකසේ තිබුණත්, පරිසරය වෙනස් වූ බව හඳුනාගත්තා. ලොකලයේ Windows + Python 3.13 භාවිතා කරන අතර Docker කන්ටේනරයේ Linux + Python 3.11 තිබුණා. ChromaDB, hnswlib වැනි C‑මූලික පුස්තකාලයන්ට අධික රීතියෙන් SQLite/JSON මත මූලික දත්ත සුරකින්නේය. Windows පරිසරයේ නිර්මාණය වූ local_vector_db එක Linux‑Python 3.11 සමඟ අනුකූල නොවීම නිසා _type යන කීයක් නොමැති බවට පත්වුණා.
පළමු විසඳුම ලෙස, Windows පරිසරයේ පෑකේජ් වර්ෂන් අඩු කිරීමට උත්සාහ කළා. ඒත් hnswlib වැනි C‑නිර্ভර පුස්තකාලයන් අඩු කිරීමේදී C++ Build Tools හි අභාවය පෙන්වා, ගැටලුව තවත් ගැලපී ගියා. මෙවැනි “කූරක්” ගැලපී යාමක් නැතිව, ඉදිරියට යාමට තීරණය කළා.
විසඳුම: දත්ත නිර්මාණය Docker කන්ටේනර තුළම සිදු කිරීම. docker run -v ${PWD}:/app -it my-ai-agent-image python ingest.py ලෙස ඉන්ජෙස්ට් ස්ක්රිප්ට් එක ක්රියාත්මක කළා. මෙයින් Linux/Python 3.11 නිරූපිත පරිසරයේම local_vector_db සෑදී, schema එක සම්පූර්ණයෙන්ම එකම වුනා. එවිට KeyError අතුරුදන් වී, AI අජන්ට් එක සාර්ථකව ආරම්භ වුණා.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ ඩෙවලොපර්, AI අධ්යයන ශිෂ්යයන්, සහ තාක්ෂණික ව්යාපාර සඳහා මෙම පළපුරුදු ගැටලුව විසඳුම විශාල ලාභයක් වේ.
- Docker‑මූලික දත්ත නිර්මාණය කරමින් පරිසර අසමත්තා ඉවත් කර, නිෂ්පාදන කාලය කෙටි කරගත හැක.
- Windows‑Linux අතර වෙනස්කම් නිසා සිදුවන schema ගැටලූවලට අවශ්ය නව පියවර අඩු කර, දෝෂ නිරීක්ෂණය පහසු කරයි.
- AI මොඩල් හා vector database භාවිතය ඉහළ ගෙන, ස්ථානික ස්ටාර්ට්‑අප් සමාගම්ට වඩා වේගවත් හා විශ්වාසනීය සේවා ලබා දිය හැක.
ඉදිරියේදී Docker පදනම් කරගත් AI ව්යාපාරික පද්ධති නිර්මාණය කිරීම, ශ්රී ලංකාවේ තාක්ෂණික පරිසරයට නව මට්ටමක් එක් කරයි.
ඉතිං, පරිසර අනුකූලතාවය ගැන සැලකිල්ලෙන් සිට, Docker තුළ දත්ත නිර්මාණය කිරීමෙන් ඔබේ AI අයදුම්පත් ඉතා ස්ථාවරව ක්රියාත්මක වේ.
