תוכן עניינים
כשהאוטומציה שלך מפסיקה לעבוד בדיוק כשאתה הכי צריך אותה
היום תכננתי לכתוב על הפרויקט הכי טרנדי ב-GitHub בתחום ה-AI. בניתי סוכן AI מיוחד בשביל זה - הוא אמור לסרוק את הטרנדים, לנתח אותם, ולהחזיר לי את הפרויקט הכי מעניין עם כל הפרטים. במקום זה, קיבלתי הודעה חמודה: "אני מוכן לעזור! אבל תשלח לי את המידע קודם".
זה בדיוק הרגע שבו אתה מבין שהאוטומציה שלך לא כל כך אוטומטית.
הרעיון המקורי - סוכן AI לזיהוי טרנדים
הבעיה שרציתי לפתור פשוטה: אני מבלה שעות בשבוע בגלילה ב-GitHub Trending, מחפש פרויקטים חדשים ומעניינים בתחום ה-AI וה-coding. זה תהליך מייגע כי יש שם מאות פרויקטים, רובם לא רלוונטיים, ואתה צריך לקרוא תיאורים, לבדוק כוכבים, להבין מה זה בכלל עושה.
אז בניתי סוכן שעושה את זה אוטומטית: הוא מריץ חיפוש ב-API של GitHub, מסנן לפי קטגוריות רלוונטיות (AI, machine learning, developer tools), בודק את קצב העלייה של הכוכבים (stars velocity - כמה מהר הפרויקט צובר פופולריות), וקורא את התיאורים כדי להבין מה באמת שווה תשומת לב.
התוצאה אמורה להיות פשוטה: שם הפרויקט, לינק ישיר, ותיאור של מה הוא עושה ולמה זה חשוב.
מה השתבש היום
כשהרצתי את הסוכן הבוקר, קיבלתי חזרה הודעה שאומרת בעצם: "אני מוכן, אבל אין לי מידע לעבוד איתו". זה כמו שאתה שולח עוזר אישי לקניות והוא חוזר ריק ידיים ואומר "אז מה אני צריך לקנות?"
אחרי קצת דיבאג (debugging - חיפוש אחר הבאג במערכת), זיהיתי כמה נקודות כשל אפשריות:
בעיה אפשרית מס' 1: API של GitHub
ה-API של GitHub מחזיר לפעמים פורמטים שונים תלוי בשאילתה. אם הסוכן שלי ציפה למבנה מסוים של JSON והקיבל משהו אחר - הוא פשוט לא ידע מה לעשות עם זה. זה כמו למסור למישהו מתכון בעברית והוא יודע רק אנגלית.
בעיה אפשרית מס' 2: הגדרת "טרנדי"
מה זה בדיוק "הפרויקט הכי טרנדי"? יכול להיות שהלוגיקה שלי לחישוב trending score (ציון הטרנדיות - שילוב של מספר כוכבים חדשים, פורקים, ועדכון אחרון) החזירה תוצאות שוות לכמה פרויקטים, והסוכן לא ידע איך לבחור ביניהם. או שאולי בכלל לא היו פרויקטים חדשים מספיק שעמדו בקריטריונים.
בעיה אפשרית מס' 3: Rate Limiting
GitHub מגביל את מספר הבקשות ל-API שלהם (rate limiting - הגבלת קצב הפניות). אם הסוכן שלי עבר את המכסה, הוא פשוט לא קיבל מידע חזרה. זה כמו להתקשר למוקד שירות והם לא עונים כי יש תור ארוך מדי.
למה זה בעצם דוגמה מושלמת לבעיה גדולה יותר
המקרה הזה ממחיש משהו שכולנו כמהנדסי AI ומפתחים צריכים לזכור: סוכני AI הם רק טובים כמו המידע שהם מקבלים והלוגיקה שמטפלת בכשלים.
הבעיה שלי לא הייתה ב-LLM (מודל השפה הגדול) עצמו - הוא עובד מצוין. הבעיה הייתה בשרשרת התלויות: הסוכן תלוי ב-API חיצוני, שתלוי בנתוני GitHub, שמשתנים כל הזמן. כשאחד מהחוליות נשבר, כל השרשרת קורסת.
הפתרון: Graceful Degradation
המונח graceful degradation (ירידה חיננית בביצועים - המערכת ממשיכה לעבוד ברמה מופחתת במקום להישבר לגמרי) זה בדיוק מה שחסר לי פה. במקום לעצור לגמרי, הסוכן היה צריך:
- לנסות שאילתות חלופיות אם הראשונה נכשלה
- להשתמש בקאש (cache - זיכרון מטמון) של טרנדים מהריצה הקודמת
- להחזיר הודעת שגיאה מפורטת: "נכשלתי בשלב X בגלל Y"
- לנסות מקור מידע חלופי - למשל Reddit או Hacker News במקום GitHub
דוגמאות למה שהייתי צריך להוסיף
דוגמה 1: Fallback Logic
במקום לעצור אם אין מידע מ-GitHub, הסוכן היה צריך לבדוק קודם אם יש לו פרויקטים שמורים מהיום הקודם. כך גם אם ה-API לא עובד, עדיין יש משהו להציג - גם אם זה לא הכי עדכני.
זה כמו מזג אויר באפליקציה - אם החיבור לשרת נכשל, היא מציגה לך את התחזית האחרונה שנשמרה במכשיר.
דוגמה 2: Error Logging מפורט
הסוכן היה צריך לתעד (log - לרשום ליומן) כל שלב: "התחלתי חיפוש", "קיבלתי 50 תוצאות", "סיננתי ל-12 פרויקטים רלוונטיים", "בחרתי את X כטרנדי ביותר". ככה אם משהו נכשל, אני יודע איפה בדיוק.
עכשיו יש לי רק "לא עבד" - זה כמו לקבל מכונית מהמוסך עם פתק "לא תקנו אותה".
בעיניי - מה הלקח החשוב
לעניות דעתי, המקרה הזה מלמד אותנו משהו קריטי על בניית סוכני AI לייצור: אתה לא יכול להניח שהכל יעבוד חלק. כל נקודת חיבור לעולם החיצון - API, דאטהבייס, שירות חיצוני - היא נקודת כשל פוטנציאלית.
השאלה היא לא "האם המערכת שלי תיכשל" אלא "איך היא מתנהגת כשהיא נכשלת". סוכן טוב לא רק עובד כשהכל בסדר - הוא גם יודע איך להתמודד בחן כשמשהו משתבש.
מה אני הולך לעשות עכשיו
אני חוזר לקוד ומוסיף:
- Try-Catch מקיף: כל קריאה ל-API עטופה בטיפול בשגיאות שמדווח מה בדיוק השתבש
- Cache Layer: שכבת זיכרון מטמון שמחזיקה טרנדים מה-48 שעות האחרונות
- Multiple Sources: אם GitHub לא עובד, לנסות מקורות נוספים כמו Hacker News Algolia API
- Health Check: בדיקת תקינות שרצה לפני הסוכן ומתריעה אם יש בעיה במקורות המידע
- Manual Override: אופציה לספק לסוכן פרויקט ספציפי לנתח במקרה שהחיפוש האוטומטי נכשל
אתם חווים את זה גם?
אשמח לשמוע בתגובות - האם נתקלתם במצבים דומים? איך אתם מטפלים ב-failure modes של סוכני AI? יש לכם טכניקות מומלצות ל-graceful degradation?
ובינתיים, אם יש לכם המלצה על פרויקט AI שעלה לאחרונה ב-GitHub Trending - אני כל אוזניים (כי הסוכן שלי בהחלט לא 😅).