SigNoz හැක්තෝනියෙහි නිර්මාණයක් ලෙස ඉදිරිපත් කරනු ලැබූ Missio, නිෂ්පාදන පද්ධති වල වැරදි සිදුවීමේදී AI‑වල අධි‑නිර්මාණශීලිතාවය අඩු කර, පියවරෙන් පියවර සත්ය සාක්ෂියක් මත පදනම්ව පරිසරය සකස් කරන නව පද්ධතියකි.
මෙම පද්ධතිය Slack මඟින් වාර්තා කරන සිදුවීම් එකක් ග්රහණය කර, SigNoz වෙත එම සිදුවීමේ OpenTelemetry span ලබා ගනී. එම span එකේ සම්පූර්ණ තොරතුරු – පරිසරය, සම්බන්ධිත සේවාව, කේත ගොනුව, ක්රියාකාරකම, ගිට් රිපොසිටරි URL, හා නිෂ්පාදනයේ භාවිතා වූ commit hash – Missio විසින් සොයාගෙන, ඒ අනුව කේතය හඳුනා ගනී.
ඉදිරි පියවර ලෙස, AI මොඩලය තද‑සීමාගත වෙනස්කමක් (patch) ඉදිරිපත් කරයි. එය මිනිස් පරික්ෂකයකුගේ අනුමැතියෙන් පසු, GitHub හි draft pull request එකක් ලෙස සකස් වේ. පූර්ණ ක්රියා පටිපාටිය Rust‑හි TUI (text‑user‑interface) එකක් තුළ SIGNAL → EVIDENCE → CODE → PATCH → HUMAN → PR → CI → HANDOFF ලෙස දිස් වේ.
Missio එකේ විශේෂත්වය, සෑම පියවරකම “සාක්ෂිය” තිබේ නම් පමණක් ඉදිරියට යාමයි. සාක්ෂියක් නොමැති විට, පද්ධතිය තවත් ක්රියාවක් නොකර නවතින අතර, GitHub එකේ නිෂ්පාදන commit සොයාගත නොහැකි වූ විටද එලෙසම නවතී. එමෙන්ම, AI මොඩලය අසුරූ patch එකක් ලබා දුන්නොත්, එය තවත් නවතී.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ආරම්භකයන්, විශ්ව විද්යාල සිසුන්, හා ව්යාපාරික සංවර්ධකයන්ට Missio වඩාත් ප්රයෝජනවත් වේ. ප්රධාන ලාභයන් මෙසේය:
- වේගවත් ප්රතිචාරය: නිෂ්පාදන වැරදි සිදුවූ පසු, මිනිස් පරීක්ෂකයන්ට ගොඩනැගිලි ගොනුව සොයා ගත, පරීක්ෂා කිරීම, හා නව කේතය නිකුත් කිරීම සඳහා ගතවන කාලය අඩු කරයි.
- ආරක්ෂිත AI භාවිතය: AI මොඩලය සාක්ෂි මත පදනම්ව පමණක් ක්රියා කරන බැවින්, වැරදි හෝ අනිවාර්ය නොවන වෙනස්කම් අඩු වේ.
- දේශීය දත්ත මට්ටම: SigNoz වැනි open‑source observability මෙවලම් භාවිතා කිරීම, දත්ත රහස්යතාවය රැකගෙන, ස්ථානික සේවාදායකයන්ට අනුකූල වේ.
- ඉගෙනුම් අවස්ථා: Rust TUI, OpenTelemetry, GitHub Automation වැනි නව තාක්ෂණයන් සමඟ වැඩ කිරීම, ශ්රී ලංකාවේ සංවර්ධක කාර්යබහුලතාවය ඉහළ ගනී.
අවසානයේ, Missio පද්ධතිය AI‑වල “විශ්වාස” වෙනුවට “සාක්ෂි” මත පදනම්ව ක්රියා කරන නව මාදිලියක් ඉදිරිපත් කරයි. මෙය දේශීය තාක්ෂණික ප්රවණතා, DevOps පරිසරය, සහ AI‑සහයෝගී සොෆ්ට්වේයා සංවර්ධනය සඳහා ප්රබල ආකෘතියක් වේ.
