إيه اللي وقع الـ Production؟ | بودكاست الويك اند #١
Chapters
- بداية اللايف والتعريف بفكرة الحلقة
- أعطال AWS: إمتى نعمل Rollback؟
- شهادة منتهية وكاش عطّل الخدمة
- تحليل الأعطال والتعلّم من الـ Postmortem
- كود الذكاء الاصطناعي ومسؤولية فهمه ومراجعته
- استخدام AI في تشخيص أعطال الإنتاج
- الشركات الناشئة وصعوبة بناء ميزة يصعب تقليدها
- ليه بنخلط العربي بالإنجليزي في الكلام التقني؟
- اختيار أدوات البرمجة: Opus وCodex
- النماذج المحلية وقيود الوصول والـ Guardrails
- هل وصلنا إلى AGI؟ ومخاطر الثقة العمياء في AI
- ذاكرة النماذج وLLM Caching وحدود السياق
- تمويل التطبيقات في مصر وتحديات مشروع تدوين
- تشغيل ميزات AI: السعة والضغط وتقييم النتائج
- قابلية التوسع ومخاطر التعقيد الزائد
About this episode
إيه اللي يوقع الـ Production، وإمتى يكون الحل إزالة طبقة تعقيد بدل إضافة واحدة؟ في أولى حلقات الويك إند بودكاست، يتبادل محمد الشريف وعمرو طاهر وهيثم حكيم قصصًا وتجارب في التعامل مع أعطال بيئات الإنتاج، من التراجع عن نشر تحديث إلى شهادة منتهية الصلاحية عطّلت الاتصال بالكاش، ثم كشف تعطيله أن الخدمة تعمل أفضل بدونه. يناقشون أهمية تحليل الأسباب الجذرية، وتنفيذ الإجراءات التصحيحية، والشفافية مع العملاء بدل تكرار الأعطال نفسها. وتمتد الدردشة إلى مسؤولية المطور عن فهم الكود الذي يولّده الذكاء الاصطناعي، ودور أدواته في التحقيق في الحوادث. كذلك يتناولون صعوبة تقدير سعة الخدمات المعتمدة على النماذج اللغوية، وتأثير إعادة المحاولات وحدود الاستخدام، مع نقاشات جانبية عن تميّز الشركات الناشئة، وتحديات تحقيق الإيرادات، وحدود الاعتماد على إجابات النماذج.
Discussion highlights
- التعامل مع أعطال النشر: التراجع عن التحديث (Rollback)، والتحويل بين المناطق، ومتى تعقّد تغييرات مخطط البيانات العودة إلى الإصدار السابق.
- قصة انتهاء شهادة اتصال بخدمة الكاش، وكيف كشف تعطيل الكاش عن طبقة تعقيد غير ضرورية وأداء أفضل للخدمة.
- تحليل الأسباب الجذرية ومراجعات ما بعد الحوادث: تنفيذ الإجراءات التصحيحية، والتنبيه لانتهاء الشهادات، وإيقاف الميزات الجديدة عند تكرار المشكلات.
- استثمار الحوادث لتحسين مرونة الأنظمة وخطط التعامل مع الأعطال، وأهمية الإفصاح للعملاء عن الأثر وما جرى إصلاحه.
- فهم الكود المولّد بالذكاء الاصطناعي وصيانته، ومخاطر الاعتماد على كتابة الطلبات دون أساس برمجي أو قدرة على تتبّع الأخطاء.
More from this conversation
- استخدام أدوات الذكاء الاصطناعي لجمع السجلات وربط الأدلة وتسريع التحقيق في أعطال الإنتاج.
- تشغيل ميزات النماذج اللغوية: تفاوت تكلفة الطلبات، وصعوبة تقدير السعة، وتضاعف الضغط بسبب إعادة المحاولات، وضوابط الاستخدام وتقييم المخرجات.
- نقاش حدود النماذج اللغوية: الذاكرة والسياق والتخزين المؤقت، ومفهوم الذكاء الاصطناعي العام، ومخاطر الثقة الزائدة في الإجابات.
- الشركات الناشئة مع أدوات الذكاء الاصطناعي: سرعة البناء مقابل سهولة التقليد، وتحديات تحقيق الإيرادات في السوق المصري والعربي، والتوسع أو البيع للمؤسسات.
- قابلية التوسع وحدود الأداء: كفاءة الكود، واختناقات البيانات، والتوسع الأفقي والرأسي، ولماذا قد تضيف المبالغة في التصميم نقاط فشل جديدة.



