تصور کنید یک خط کد ساده در یک پروژه، باعث از کار افتادن سه پروژه دیگر در سازمان شما شود و شما این موضوع را تنها پس از انتشار کد و در میانه‌ی یک بحران بفهمید. Orbit Change Passport — ابزاری که در جریان هکاتون Transcend گیت‌لب ساخته شده — برای پایان دادن به این کابوسِ جست‌وجوی دستی در میان هزاران خط کد طراحی شده است. یک خط کد می‌تواند سه پروژه مختلف در یک گروه را دچار نقص کند، اما بازبین‌ها معمولاً این موضوع را از طریق جست‌وجوهای دستی و خسته‌کننده متوجه می‌شوند.
در بازبینی‌های سنتی کد، برنامه‌نویس باید به‌صورت دستی نقشه‌ی وابستگی‌ها را ترسیم کند تا بفهمد یک تغییر (Diff) چه تأثیری روی بقیه‌ی سیستم دارد. این فرآیند خستگی‌آور است، مستعد خطای انسانی است و زمان قابل توجهی از مهندسان را می‌گیرد. در حالی که بسیاری از ابزارهای بازبینی کد تنها بر تحلیل‌های استاتیک متکی هستند، ترکیب این روش‌ها با رویکردهای پویا می‌تواند محدودیت‌های فعلی در شناسایی باگ‌های پیچیده را برطرف کند. طبق مستندات فنی این پروژه، این ابزار با ادغام در گراف دانش (Knowledge Graph) — که شبیه به یک نقشه‌ی جامع از تمام اتصالات و روابط میان قطعات کد است — یک تغییر خام را به نقشه‌ای ساختاریافته از پیامدها تبدیل می‌کند.
زمینه (Context)
هر بازبینی کد به‌طور معمول با این تلاش بازبین شروع می‌شود که تشخیص دهد چه بخش‌هایی به یک تغییر وابسته هستند و آیا این تغییر باعث شکست سیستم‌های پایین‌دستی (Downstream) می‌شود یا خیر. Orbit Change Passport در واقع یک جریان کاری (Flow) در پلتفرم عامل‌های Duo گیت‌لب است. این جریان به‌گونه‌ای طراحی شده که به‌طور خودکار زمانی فعال شود که یک درخواست ادغام (Merge Request) با وضعیت «آماده برای بازبینی» (Ready for Review) علامت‌گذاری شود. این سیستم ابتدا گراف دانش را مورد پرس‌وجو قرار می‌دهد و سپس، پیش از آنکه یک انسان حتی یک خط از Diff را بخواند، یک کامنت ساختاریافته را در MR ارسال می‌کند.
جزئیات (Details)
بر اساس بررسی‌های فنی، این جریان کاری تحلیل‌ها را در چندین بُعد حیاتی ارائه می‌دهد تا نمای جامعی از وضعیت تغییرات فراهم کند:
- سطح تغییرات (Changed Surface): شناسایی دقیق توابع و متدهایی که تغییر کرده‌اند و آن‌ها را با نام ذکر می‌کند، به‌طوری که از ذکر ساده‌ی شماره‌ی خطوط فراتر می‌رود.
- گراف وابستگی (Dependency Graph): رسم یک نمودار زنده (Mermaid) به‌صورت inline در گیت‌لب که تمام مواردی را که ماژول‌های تغییریافته را وارد (Import) کرده‌اند، نشان می‌دهد.
- رادار تداخل (Conflict Radar): شناسایی تمام درخواست‌های ادغام باز دیگر که در حال حاضر روی همان قطعه کد کار می‌کنند؛ این کار باعث می‌شود تداخلات به‌جای لحظه‌ی ادغام، پیش‌بینی شوند.
- شعاع تخریب متقاطع (Cross-project Blast Radius): تشخیص فایل‌هایی در دیگر پروژه‌های عضو گروه که به این تغییر وابسته‌اند. این دستاورد به‌دلیل این است که گراف Orbit کل گروه را پوشش می‌دهد.
- شکاف‌های آزمونی (Test Gaps): شناسایی فایل‌های تستی که ماژول تغییریافته را وارد کرده‌اند اما در MR فعلی مورد تغییر یا بررسی قرار نگرفته‌اند.
- پیشنهاد بازبین (Suggested Reviewers): توصیه بازبینانی که بر اساس نویسندگی اخیر فایل‌های وابسته، مناسب‌ترین افراد برای بررسی باشند.
به نقل از مستندات فنی پروژه، سیستم برای شناسایی اینکه یک Diff دقیقاً کدام توابع را لمس کرده است، از یک استراتژی سه‌لایه استفاده می‌کند:
۱. پیمایش DEFINES در گراف Orbit (لبه‌ی File to Definition).
۲. پرس‌وجوی fqn-fragment به‌عنوان یک راهکار جایگزین (Fallback) مخصوصاً برای کریت‌های Rust.
۳. اسکن محدود صفحات (Bounded page scan) که به‌عنوان آخرین گزینه استفاده می‌شود.
این Redundancy یا افزونگی ضروری است زیرا در دسترس بودن پرس‌وجوها در نسخه‌ی زنده Orbit تضمین شده نیست. در طول تست‌ها مشاهده شد که قابلیت‌های DEFINES، IMPORTS، CALLS و فیلتر کردن Definition هر کدام به‌صورت مستقل در بازه‌های زمانی دو ساعته غیرقابل دسترس شدند.
در مورد شناسایی وابسته‌ها، این جریان برای زبان Rust، جست‌وجوهای ImportedSymbol را در هر دو فرم FQN و relative-crate اجرا می‌کند. برای پایتون، سیستم از ریشه‌ی نام شناسه‌ها (identifier_name stems) استفاده می‌کند. توسعه‌دهنده متوجه شد که واردات نسبی پایتون (مانند from . import module) در Orbit به‌گونه‌ای ذخیره می‌شوند که import_path برابر با نام پکیج و identifier_name برابر با ریشه‌ی ماژول است، نه به‌صورت یک مسیر نقطه‌چین.
پیاده‌سازی و نمونه‌ها
این ابزار یک «خلاصه‌ی بازبین» (Reviewer Brief) ارائه می‌دهد که به‌عنوان دومین کامنت کوتاه‌تر، بلافاصله پس از تحلیل اصلی ارسال می‌شود. پیاده‌سازی این بخش پس از دو شکست در روش‌های دیگر صورت گرفت: ابتدا سعی شد از یک AgentComponent دوم با زنجیره روتور (router-chained) استفاده شود که هرگز شروع به کار نکرد، و سپس یک جریان محیطی (ambient flow) دوم امتحان شد که به‌طور بی‌صدا تریگر را به اشتراک می‌گذاشت. در نهایت، این قابلیت از طریق فراخوانی مجدد create_merge_request_note در یک چرخه واحد عامل (agent turn) عملی شد.
در یک مثال واقعی، یک اجرای موفق نشان داد: «تاثیر: بالا - ۲ تعریف تغییر یافته - ۲ وابسته در داخل پروژه - شعاع تخریب متقاطع (۳ پروژه) - ۱ تداخل». در این مورد، یک تغییر ساده‌ی docstring در فایل engine/orbit_client.py منجر به شناسایی ۱۴ فایل وابسته در سه پروژه‌ی دیگر شد. پیدا کردن این موارد به‌صورت دستی معمولاً ۱۰ دقیقه زمان می‌برد، اما این ابزار آن را فوراً آشکار کرد.
همچنین یک عامل چت Duo (Duo Chat) همراه این ابزار است تا بازبین‌ها بتوانند سوالاتی را بر اساس همان گراف بپرسند؛ سوالاتی از این دست که «چه چیزهای دیگری این را فراخوانی می‌کنند؟» یا «چه کسی این فایل را وارد کرده است؟».
این پروژه تحت لایسنس MIT منتشر شده است. مخزن پروژه شامل تعریف جریان کاری (flows/change-passport/change-passport.yaml)، مهارت‌های عامل چت Duo (skills/ask-orbit-passport/SKILL.md)، رانر CLI (engine/passport_runner.py) و لایه‌ی پرس‌وجوی Orbit (engine/orbit_client.py) است. توسعه‌دهندگان می‌توانند جریان زنده را در AI Catalog پیدا کنند.
گام بعدی شما
- اگر از GitLab Duo استفاده می‌کنید، جریان‌های کاری موجود در AI Catalog را برای خودکارسازی بازبینی کد بررسی کنید.
- ساختار گراف دانش (Knowledge Graph) خود را برای شناسایی وابستگی‌های متقاطع در پروژه‌های بزرگ بهینه کنید.
- ابزارهای تحلیل استاتیک را با لایه‌های تحلیل پویا (مانند Orbit) ترکیب کنید تا نرخ خطای انتشار کاهش یابد.
اما اثر این رویکرد روی هزینه‌های استنتاج در مقیاس سازمانی متفاوت است — به تحلیل ما درباره‌ی بهینه‌سازی GPU در محیط‌های ابری مراجعه کنید.
گفتگو