اختبارات الوحدات الدلالية باستخدام نماذج اللغة الكبيرة: مقدمة لمكتبة `suite`

2025-05-05

تقدم هذه المقالة مكتبة بايثون تُسمى `suite`، والتي تستخدم نماذج اللغة الكبيرة (LLMs) لإجراء اختبارات الوحدات الدلالية. على عكس اختبارات الوحدات التقليدية، تُقيّم `suite` الصحة الدلالية للوظائف بمقارنة تنفيذها مع الوثائق التوضيحية الخاصة بها. يشرح الكاتب بالتفصيل كيفية عمل `suite`، بما في ذلك إنشاء المطالبات، ومعالجة تبعيات الوظائف، والتكامل مع pytest. على الرغم من التأكيد على أن `suite` لا يجب أن تحل محل اختبارات الوحدات التقليدية، إلا أنها تُعد إضافة قيّمة تساعد المطورين على اكتشاف الأخطاء مبكرًا وتحسين تغطية الاختبارات. تدعم `suite` الاختبارات غير المتزامنة، وتسمح باستخدام النماذج المحلية، مما يقلل من التكاليف ومخاوف الخصوصية.

اقرأ المزيد

دفاتر Jupyter و نماذج اللغات الكبيرة: تحسين غير متوقع للتكلفة

2025-01-21

استخدم الكاتب نماذج اللغات الكبيرة لمساعدة الترميز، في البداية باستخدام إعداد ContinueDev + OpenRouter. ارتفعت التكاليف بشكل غير متوقع. كشف التحقيق أن ملفات Jupyter Notebook (.ipynb) تحتوي على محتوى مخفي كبير (مخرجات التعليمات البرمجية، والبيانات الوصفية، والصور المشفرة بـ base64)، مما أدى إلى زيادة كبيرة في عدد الرموز وزيادة تكاليف استدعاء LLM. كان الحل هو تحويل ملفات .ipynb إلى ملفات .py وإزالة الصور المشفرة بـ base64. أدى ذلك إلى خفض التكاليف بنسبة 94% وكذلك زمن الوصول. تسلط هذه التدوينة الضوء على أهمية الإدخال المدروس عند استخدام LLMs وتوصي بالتحقق من التكاليف بانتظام.

اقرأ المزيد
التطوير