Урок из полного доступа, первые уроки курса бесплатно Официальный курс Llama Cookbook на русском
Урок 29 · Текст · ~5 мин

Автоматическая сортировка задач в GitHub с Llama

Урок 29 из 32 курса «Llama: сценарии использования»: официальный курс Llama Cookbook (Мета Лама) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Мы используем готовую модель Llama для анализа, формирования аналитических выводов и создания отчета, что позволяет лучше понять состояние репозитория.

Этот notebook демонстрирует работу инструмента.

Установите ваш GitHub token для вызовов API. Некоторая конфиденциальная информация может быть недоступна, если у вас нет push-доступа к целевому репозиторию.

Установите ваш groq token для inference. Получите его по адресу https://console.groq.com/keys

Используйте GitHub API для получения проблем (включая полное обсуждение по ним) и сохранения их в dataframe.

Мы используем 2 prompt'а, определенных в config.yaml, для аннотирования проблем дополнительной информацией, которая может помочь приоритизаторам и сопровождающим репозитория:

  1. parse_issues: генерирует аннотации и другие метаданные на основе содержимого ветки обсуждения проблемы.
  2. assign_category помечает каждую проблему наиболее релевантной категорией (из списка категорий, указанных в выходной схеме prompt'а).

Мы выполняем inference с использованием этих prompt'ов вместе с данными о проблемах в issues_df

  • Аннотации включают новые метаданные, такие как summary, possible_causes, remediations, которые могут помочь приоритизаторам быстро понять и диагностировать проблему.
  • Аннотации, такие как issue_type, component, themes, могут помочь определить нужного POC / сопровождающего для решения проблемы.
  • Аннотации, такие как severity, op_expertise и sentiment, могут помочь оценить общее настроение разработчиков.

Приведенные выше данные полезны сопровождающим OSS и разработчикам для быстрого решения любых проблем. Следующий раздел синтезирует эти данные в высокоуровневые аналитические выводы о данном репозитории.

Мы определяем ключевые области, с которыми сталкиваются пользователи, вместе с соответствующими проблемами.

Как следует из названия, dataframe overview содержит столбцы, которые предоставляют информацию об общей активности в репозитории за этот период, включая:

  • исполнительное резюме по всем проблемам, выявленным за этот период
  • сколько проблем было создано, обсуждено и закрыто
  • какие есть открытые вопросы, которые должны решить сопровождающие
  • сколько проблем было выявлено по каждой теме и т.д.

На основе этих данных мы можем легко создать несколько графиков для графического понимания активности в репозитории.

Некоторые дополнительные данные могут…

План урока

  1. Настройка
  2. Установка ключей доступа и токенов
  3. Установка целевого репозитория и периода анализа
  4. Получение проблем из репозитория
  5. Использование Llama для генерации аннотаций для этих данных
  6. Использование Llama для генерации высокоуровневых аналитических выводов
  7. Данные по ключевым проблемам
  8. Обзорные данные

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Meta Llama 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Meta Llama (2 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Полезные гиды