2026 ජූලි 7 වන දින YouTube අන්තර්ගත පයිප්ලයින් එක අහම්බෙන් දෙකම එකම රන්කේතයෙහි විරෝධයක් නිර්මාණය කළේය. ස්වයංක්රීය දිනපතා උපදෙස් ගොනුව “build_in_public” වර්ගය නිර්දේශ කළේය, ඒත් ඒ සමඟම නිර්මාණ කළ “knowledge bank” ගොනුව “Never produce: build_in_public” ලෙස සටහන් කර තිබුණි.
මෙම ගැටළුව “run.py” ස්ක්රිප්ට් එකේ එකම CI රන් එකේ නිර්මාණය වූ නිසා, දෙකම එකට ගොනු වෙත ලියන ලදි. උපදෙස් ගොනුව “directive file” එකට විරෝධාත්මක පණිවුඩයක් ලැබුණු නිසා, වීඩියෝ ලිඛක රූටිනයට අසම්මත නියෝග ලැබීය.
ඇත්තේ YouTube auto‑tuner එකේ ක්රියා පටිපාටියයි. පළමුව වීඩියෝව classify කර view‑performance මැනේ, පසුව වැඩි view‑per‑day අනුපාතය ඇති වර්ගය තෝරා “directive” එක ලියයි. ත්රි‑අනුක්රමික ගාඩ් එකක් (3‑in‑a‑row guard) තිබුනත්, දත්ත අඩු වූ විට fallback logic එක වැරදි වර්ගයක් තෝරාගත හැක.
මෙම අවස්ථාවේ “build_in_public” වර්ගය “dead archetype” ලෙස knowledge bank එකේ ලියා තිබුණි, නමුත් ranking algorithm එක එය අනුමත කළේ ඒකම තෝරා ගැනීමට හැකි එකම විකල්පයක් වූ නිසාය. දෙකම එකවර ලියන ලද්දේ නිසා, සමාන්ය පරීක්ෂණයක් නොතිබුණි.
හඳුන්වා දුන් විසඳුම තිදෙනා පේළි Python කේතයක් පමණයි:
- DEAD_ARCHETYPES = frozenset({"build_in_public", "meta", "curated", "technical"})
- ranking function එකේ fallback selection එකේ not in DEAD_ARCHETYPES පරීක්ෂාව ඇතුළත් කිරීම.
- directive ලියන පෙර final guard එකක් එක් කිරීම – target එක dead archetype නම් default වර්ගයට (product_findindiegame) මාරු කරයි.
frozenset භාවිතය O(1) සමාග්රහ පරීක්ෂාවක් ලබා දේ. මෙය කේතයේ “defense in depth” සංකල්පය තහවුරු කරයි – fallback selection එකේ දෝෂයක් ඇති වූවත්, අවසන් පරීක්ෂාව ඒක නැවත පවා වැරදි වර්ගයක් ලියන්නේ නැත.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ වැඩිදුරටත් වැඩි සංඛ්යාවක Python developers, DevOps ඉංජිනේරුවන්, සහ AI/ML පර්යේෂකයන් මෙම ආකාරයේ “hard guard” පදනම් කරගැනීමෙන් ලාභ ගත හැක. ඉදිරි ව්යාපෘති වල automated pipelines හෝ CI/CD ක්රමවේදයන්හි data‑sparse අවස්ථා ඇති වුවත්, fatal contradictions තවත් නොසිදුවේ. එමඟින් වෙළඳපලේ video content, app automation, හෝ cloud‑based services වල reliability වැඩි වේ.
ඉතිරියට, මෙම කේත සංශෝධනය open‑source repository එකේ comment එකක් ලෙස අඩංගු කර ඇත, එය future developers ලාට “what not to do” කියා ඉගැන්වීමට උපකාරී වේ.
ඉදිරියේදී එවැනි වැරදි වැළැක්වීම සඳහා code review, unit test, සහ static analysis tools භාවිතය අත්යවශ්ය වේ.
