Skipbox

CI برای ایجنت‌های کدنویسی هوش مصنوعی: وقتی ایجنت در هر دور 20 دقیقه منتظر GitHub Actions می‌ماند

چرخه یک ایجنت کدنویسی هوش مصنوعی این است: push، انتظار برای CI، خواندن خطا، اصلاح، push دوباره. یک pipeline‏ 20 دقیقه‌ای در پنج اصلاح یعنی 100 دقیقه انتظار، و ایجنت‌ها بیشتر از آدم‌ها push می‌کنند: حجم جاب‌های CI در Anthropic در شش ماه 25 برابر شد. انتظار را به این ترتیب کوتاه کنید. از ایجنت بخواهید lint‏، بررسی typeها و تست‌های واحد متأثر را پیش از push اجرا کند. وقتی push تازه‌ای می‌رسد، اجراهای قدیمی‌تر pull request را لغو کنید. بررسی‌های سریع را در جاب جداگانه بگذارید تا خطا در یکی دو دقیقه برگردد. فقط تست‌هایی را اجرا کنید که تغییر رویشان اثر دارد. بعد راه‌اندازی‌ای را که هر جاب روی یک ماشین مجازی تازه تکرار می‌کند حذف کنید: روی ماشینی که لایه‌های Docker‏، کش پکیج‌ها و خروجی‌های بیلد را بین جاب‌ها نگه می‌دارد، جاب CI پروژه astro از 528 ثانیه روی GitHub به 30 ثانیه روی Skipbox رسید.

Skipbox جاب‌های شما را روی ماشین اختصاصی حسابتان اجرا می‌کند، که این وضعیت را بین جاب‌ها نگه می‌دارد. یک خط را به runs-on: skipbox تغییر دهید، با قیمت ثابت ماهانه $۳۹ و دقیقه‌های نامحدود: ایجنتی که در یک بعدازظهر 20 بار push می‌کند هیچ چیزی به صورت‌حساب اضافه نمی‌کند و بودجه GitHub هرگز جاب‌هایش را متوقف نمی‌کند.

چرا چرخه ایجنت‌ها CI را گلوگاه می‌کند

از مقاله Anthropic درباره مقیاس دادن به test impact analysis: حجم جاب‌های CI آن در 6 ماه 25 برابر شد. دو دلیلی که می‌آورد: Claude‏ PRهای کوچک‌تر و جزئی‌تر را ترجیح می‌دهد، و ایجنت‌ها شب‌ها و آخر هفته‌ها push می‌کنند. یک آدم اصلاح‌ها را دسته‌ای می‌فرستد؛ ایجنت هر کدام را جدا push می‌کند و منتظر می‌ماند. هر دقیقه pipeline در هر دور یک بار پرداخت می‌شود.

1. هر چه می‌توانید پیش از push بگیرید

سریع‌ترین اجرای CI اجرایی است که شکست نخورد. همان دستورهای lint‏، بررسی type و تست واحد را که CI اجرا می‌کند به ایجنت بدهید و از آن بخواهید پیش از هر push آن‌ها را روی فایل‌هایی که تغییر داده اجرا کند. آن وقت یک غلط تایپی چند ثانیه روی ماشین خودش هزینه دارد، نه یک رفت‌وبرگشت بیست‌دقیقه‌ای.

2. اجراهایی را که یک push تازه جایشان را می‌گیرد لغو کنید

ایجنتی که وقتی اجرای قبلی هنوز در جریان است یک اصلاح push می‌کند، دو اجرا روی همان pull request باقی می‌گذارد. قدیمی‌تر را لغو کنید (concurrency):

concurrency:
  group: ${{ github.workflow }}-${{ github.head_ref || github.run_id }}
  cancel-in-progress: true

github.head_ref فقط در pull requestها وجود دارد، پس هر push به main گروه خودش را می‌گیرد و هیچ‌وقت لغو نمی‌شود.

3. بررسی‌های سریع را اول گزارش کنید

lint و بررسی typeها را در جاب خودشان بگذارید، بدون هیچ needs: پیش از آن‌ها، و مجموعه تست‌های کند را در جاب‌های دیگر. ایجنت اولین خطا را به محض رسیدن می‌خواند، نه بعد از جاب E2E.

4. فقط آنچه تغییر رویش اثر دارد اجرا کنید

پاسخ Anthropic به آن 25 برابر، یک سرویس test impact analysis بود که تعیین می‌کند با هر تغییر کدام تست‌ها اجرا شوند. بیشتر مخزن‌ها می‌توانند کوچک‌تر شروع کنند: turbo run test --affected در یک Turborepo‏ (راهنمای CI در Turborepo)، فیلتر مسیر روی ورک‌فلوهایی که فقط برای یک پوشه اهمیت دارند، و یک اجرای کامل روی main بعد از merge تا آنچه انتخاب جا انداخته گرفته شود.

5. در هر دور همان وضعیت را دوباره نسازید

روی رانرهای میزبانی‌شده GitHub هر جاب روی یک ماشین مجازی تازه شروع می‌شود: toolchain دوباره راه‌اندازی می‌شود، کش وابستگی‌ها دانلود و باز می‌شود، لایه‌های Docker دوباره pull یا بیلد می‌شوند و بیلد از هیچ شروع می‌شود. در صد دور ایجنت در روز، این راه‌اندازی بیشتر انتظار است. رانری که دیسکش را بین جاب‌ها نگه می‌دارد همه این‌ها را از قبل دارد.

از اجراهای ما روی پروژه‌های واقعی، با ورک‌فلوهای بدون تغییر:

6. برای جاب‌های هم‌زمان برنامه بریزید، نه فقط دقیقه‌ها

چند ایجنت که هر کدام pull requestی با یک matrix push می‌کنند به سقف هم‌زمانی GitHub برای رانرهای استاندارد می‌رسند: 20 جاب هم‌زمان در GitHub Free‏، 40 در Pro‏، 60 در Team‏، 500 در Enterprise‏ (سقف‌ها). بعد از آن، جاب‌ها در صف می‌مانند. با صورت‌حساب دقیقه‌ای، هر کدام از این جاب‌ها هزینه هم دارد؛ سقف هزینه‌ای که تمام شود آن‌ها را با این پیام متوقف می‌کند: "The job was not started because recent account payments have failed or your spending limit needs to be increased" (چه باید کرد).

Skipbox برای CI ایجنت‌ها چه می‌کند

هر طرح با ماشین اختصاصی حساب شما می‌آید که بین جاب‌ها می‌ماند:

  • وضعیت می‌ماند. ایمیج‌ها، لایه‌ها و کش بیلد Docker؛ ~/.npm، store در pnpm، ~/.cache، کش‌های Go‏، Gradle‏، Maven و Cargo؛ ابزارهایی که setup-* نصب کرده. checkout هم می‌ماند، همراه target/ در Cargo و، برای پروژه‌های turbo 2، پوشه .turbo در سطح بالا، پس بیلد بعدی از همان جایی ادامه می‌دهد که بیلد قبلی متوقف شد.
  • دقیقه‌ها نامحدودند، و بودجه یا سقف هزینه GitHub هرگز جاب Skipbox را متوقف نمی‌کند.
  • جاب‌های هم‌زمان برابر vCPU طرح‌هاست. جاب‌ها تا وقتی در vCPU طرح‌های حساب جا شوند هم‌زمان اجرا می‌شوند؛ بقیه منتظر نوبتشان می‌مانند، و صفحه حساب نشان می‌دهد چند جاب و چقدر منتظرند. یک S در هر زمان یک جاب ۴ vCPU اجرا می‌کند؛ طرح‌ها با هر ترکیبی روی هم جمع می‌شوند.
  • جاب خود ایجنت هم می‌تواند آنجا اجرا شود: runs-on آن را روی skipbox بگذارید.

با 20,000 دقیقه در ماه روی 4 vCPU‏، GitHub‏ $۲۲۲ می‌گیرد؛ Skipbox S‏ $۳۹ است. با 30,000 دقیقه، $۳۴۲.

انتقال یک خط است

jobs:
  checks:
    runs-on: skipbox # was ubuntu-latest
  1. با GitHub وارد Skipbox شوید.
  2. اپ Skipbox در GitHub را نصب کنید و مخزن‌ها را انتخاب کنید.
  3. runs-on را تغییر دهید و push کنید.

امنیت

  • ماشین فقط مال حساب شماست. جاب هیچ شرکت دیگری روی آن اجرا نمی‌شود.
  • بعد از هر جاب، اعتبارنامه‌های رانر، پروسه‌ها و کانتینرها پاک می‌شوند، و همین‌طور اعتبارنامه‌های git و فایل‌های untracked در checkout نگه‌داشته‌شده. گزینه «ماشین تازه برای هر جاب» به‌جای آن به هر جاب یک ماشین تازه می‌دهد.
  • کد افرادی که دسترسی نوشتن ندارند (مثل pull requestها از forkها) روی یک ماشین مجازی تازه اجرا می‌شود که کش‌های شما را می‌خواند ولی نمی‌تواند تغییرشان دهد.

جزئیات در جداسازی جاب‌ها است.

روی جابی که ایجنتتان منتظرش می‌ماند امتحانش کنید

دوره آزمایشی به مدت ۷ روز یا ۳٬۰۰۰ دقیقه جاب رایگان است، هر کدام زودتر برسد، و کارت نمی‌خواهد. جابی را که ایجنتتان منتظرش می‌ماند به runs-on: skipbox ببرید، بگذارید ایجنت دو بار push کند و اجرای دوم را با GitHub مقایسه کنید.

پرسش‌های متداول

ایجنت کدنویسی من یک PR باز می‌کند، 20 دقیقه منتظر CI می‌ماند، اصلاح می‌کند و دوباره منتظر می‌ماند. چطور CI را برای چرخه ایجنت‌ها به اندازه کافی سریع کنم؟

آنچه ایجنت منتظرش می‌ماند را به این ترتیب کوتاه کنید. از آن بخواهید lint‏، بررسی typeها و تست‌های واحد متأثر را پیش از push اجرا کند، تا CI اولین جایی نباشد که یک غلط تایپی دیده می‌شود. وقتی push تازه‌ای می‌رسد، اجراهای قدیمی‌تر pull request را لغو کنید (concurrency با cancel-in-progress). بررسی‌های سریع را در جاب جداگانه بگذارید تا ایجنت خطا را در یکی دو دقیقه بخواند. فقط تست‌هایی را اجرا کنید که تغییر رویشان اثر دارد. بعد راه‌اندازی‌ای را که هر جاب تکرار می‌کند حذف کنید: روی ماشینی که لایه‌های Docker‏، کش پکیج‌ها و خروجی‌های بیلد را بین جاب‌ها نگه می‌دارد، CI پروژه astro از 528 ثانیه روی GitHub به 30 ثانیه روی Skipbox رسید.

ایجنت‌های هوش مصنوعی چقدر CI بیشتر ایجاد می‌کنند؟

Anthropic نوشته است که حجم جاب‌های CI آن در 6 ماه 25 برابر شد، چون Claude‏ PRهای کوچک‌تر و جزئی‌تر را ترجیح می‌دهد و ایجنت‌ها شب‌ها و آخر هفته‌ها push می‌کنند. هر کدام از این pushها کل ورک‌فلو را دوباره اجرا می‌کند، مگر ورک‌فلو آن را لغو کند، رد کند یا محدودش کند.

بهترین چیدمان CI برای تیمی که بیشتر PRهایش را ایجنت‌های هوش مصنوعی می‌نویسند چیست؟

چیدمانی که سریع به ایجنت جواب بدهد و برای هر push پول نگیرد: یک جاب سریع برای lint و بررسی typeها که اول گزارش می‌دهد، مجموعه تست‌های کند بعد از آن، لغو اجراهای قدیمی‌تر یک pull request، اجرای فقط تست‌های متأثر، و رانرهایی که کش‌هایشان را بین جاب‌ها نگه می‌دارند. Skipbox به هر حساب یک ماشین اختصاصی با قیمت ثابت و دقیقه‌های نامحدود می‌دهد؛ تعداد جاب‌هایی که هم‌زمان اجرا می‌کند برابر vCPU طرح‌هایی است که حساب دارد.

ایجنت‌ها به سقف هم‌زمانی GitHub می‌رسند؟

ممکن است. رانرهای استاندارد میزبانی‌شده GitHub در GitHub Free حداکثر 20 جاب را هم‌زمان اجرا می‌کنند، در Pro‏ 40، در Team‏ 60 و در Enterprise‏ 500؛ بقیه در صف می‌مانند. چند ایجنت که هر کدام pull requestی با یک matrix push می‌کنند زود به این سقف می‌رسند. روی Skipbox جاب‌ها تا وقتی در vCPU طرح‌های حساب جا شوند هم‌زمان اجرا می‌شوند و بقیه منتظر نوبتشان می‌مانند، پس تیمی که چند ایجنت را هم‌زمان اجرا می‌کند چند طرح یا یک طرح بزرگ‌تر دارد.

جاب خود ایجنت هم می‌تواند روی Skipbox اجرا شود؟

بله. هر جاب Linux ماشینش را با runs-on انتخاب می‌کند، از جمله جابی که اکشن Claude Code را اجرا می‌کند. آن را روی skipbox بگذارید تا روی همان ماشین CI شما اجرا شود.

امتحان کردنش چقدر هزینه دارد؟

هیچ. دوره آزمایشی ۷ روز یا ۳٬۰۰۰ دقیقه جاب است، هر کدام زودتر برسد، بدون کارت، تا ۴ جاب هم‌زمان، هر کدام روی ۴ vCPU. جابی را که ایجنت منتظرش می‌ماند به runs-on: skipbox ببرید و زمان اجرای دوم را بگیرید.

به‌روزرسانی: ۲۵ آبان ۱۴۰۵

CI/CD سریع‌تر با کشی که همیشه آماده است

رانر همیشه آماده شما با قیمت ثابت

میزبانی با ماست. شما یک خط را عوض می‌کنید. 1/12 هزینه GitHub با استفاده کامل. قیمت ثابت است، پس تمام روز اجرایش کنید. ۷ برابر فضای کش GitHub.

  • بدون کارت
  • ورود با GitHub
  • لغو در هر زمان