การจัดการ dependency ด้วย AI

AI-Assisted Coding ขั้นสูงสำหรับนักพัฒนา

Thalia Barrera

AI Engineering Curriculum Manager, DataCamp

ปัญหา

คอมพิวเตอร์สองเครื่องแสดงผลลัพธ์ที่แตกต่างกัน

✅ Atlas ทำงานได้บนเครื่องของฉัน
❌ การติดตั้งล้มเหลวบน production server
🔀 โค้ดเดียวกัน ผลลัพธ์ต่างกัน

Dependency conflicts

แผนภาพความขัดแย้งของ dependency

Atlas ต้องพึ่งพาไลบรารีหลายตัว
Environment ไม่ทำซ้ำได้
เรียกว่า dependency conflicts

AI วิเคราะห์ข้อผิดพลาด

ข้อผิดพลาดในการติดตั้ง:

🤖 Prompt วินิจฉัยสั้น ๆ:

นี่คือข้อกำหนด dependency และผลลัพธ์ข้อผิดพลาดในการติดตั้ง อธิบายสาเหตุหลักของความขัดแย้งด้านเวอร์ชัน

Environment ที่ทำซ้ำได้

📦 คำสั่งเดียว สร้าง environment ที่แม่นยำ
🤖 AI ช่วยสร้าง คำสั่งติดตั้ง
💻 Environment ที่สอดคล้องกัน ข้ามเครื่องและทีม

Environment ที่ทำซ้ำได้

การสร้างคำสั่งติดตั้ง

🤖 Prompt สำหรับการตั้งค่าแบบทำซ้ำได้:

จากโครงสร้างโปรเจกต์นี้ ให้เสนอการตั้งค่า Python environment แบบทำซ้ำได้ โดยใช้ pip-tools สร้างไฟล์และคำสั่งที่จำเป็นสำหรับการสร้าง environment ล็อก dependency และติดตั้งแบบ deterministic พร้อมอธิบาย วิธีใช้ virtual environment ใน README.md

การตอบของโมเดล:

Transitive dependencies

แผนภาพ transitive dependency

📦 Toolbox ดึงแพ็กเกจจำนวนมากเข้ามา
❗ ไลบรารีที่มีช่องโหว่ถูกดึงทางอ้อม: transitive dependency

✔ ตรวจพบปัญหาด้วยเครื่องมือตรวจสอบ
🤖 AI ตีความรายงาน เสนอเวอร์ชันที่ปลอดภัยกว่า และชี้จุดการเปลี่ยนแปลงโค้ด

Dependency ที่บำรุงรักษาได้

🤖 Prompt สำหรับการตรวจสอบ dependency:

จาก Python repository นี้ ฉันต้องการตรวจสอบความสามารถในการบำรุงรักษา dependency และการปฏิบัติตามสัญญาอนุญาต

สร้างคำสั่งเพื่อสร้างรายงานสัญญาอนุญาตในรูปแบบ JSON สำหรับ Python environment ที่ใช้งานอยู่ รวมถึง URL ของแพ็กเกจและไฟล์สัญญาอนุญาต และบันทึกไปยัง reports/licenses.json