Розробка AI-системи аналізу причин падінь білдів (Build Failure Analysis)

Розробка AI-системи аналізу збоїв збирання

AI-аналіз збоїв CI/CD – автоматичне визначення причини failed build, знаходження схожих історичних збоїв та генерація рекомендацій щодо виправлення. Зменшує час діагностики з 15-30 хвилин до 2-3 хвилин.

Парсинг та класифікація помилок

class BuildFailureAnalyzer:
    def analyze(self, build_log: str, build_metadata: BuildMetadata) -> FailureAnalysis:
        # Извлечение error секций из лога
        error_sections = self.extract_error_sections(build_log)

        # Классификация типа ошибки
        failure_type = self.classify_failure(error_sections, build_log)

        # Поиск похожих исторических сбоев
        similar_failures = self.search_similar(error_sections, failure_type)

        # Генерация рекомендаций
        fix_suggestions = self.generate_fix(
            failure_type, error_sections, similar_failures, build_metadata
        )

        return FailureAnalysis(
            failure_type=failure_type,
            error_summary=self.summarize_errors(error_sections),
            root_cause=fix_suggestions.root_cause,
            suggested_fixes=fix_suggestions.fixes,
            similar_cases=similar_failures[:3],
            confidence=fix_suggestions.confidence
        )

    def classify_failure(self, errors: list[str], full_log: str) -> str:
        patterns = {
            "test_failure": r"FAILED|AssertionError|pytest.*failed",
            "compilation_error": r"error:.*cannot find symbol|SyntaxError|TypeError",
            "dependency_error": r"ModuleNotFoundError|Could not resolve dependency",
            "docker_build_error": r"COPY failed|RUN.*returned a non-zero code",
            "oom_error": r"Out of memory|Killed.*OOM|Cannot allocate memory",
            "network_error": r"Connection refused|timeout|ECONNREFUSED",
        }
        for failure_type, pattern in patterns.items():
            if re.search(pattern, full_log, re.IGNORECASE):
                return failure_type
        return "unknown"

LLM-аналіз для невідомих помилок

def generate_fix(self, failure_type: str, errors: list[str],
                 similar: list[HistoricalFailure], metadata: BuildMetadata) -> FixSuggestions:

    similar_context = "\n".join([
        f"Похожий случай: {f.root_cause} → исправлено: {f.fix}"
        for f in similar[:3]
    ])

    prompt = f"""Проанализируй сбой CI/CD и предложи исправление.

Тип сбоя: {failure_type}
Ошибки:
{chr(10).join(errors[:5])}

Контекст:
- Branch: {metadata.branch}
- Последний коммит: {metadata.last_commit_message}
- Изменённые файлы: {', '.join(metadata.changed_files[:10])}

Похожие исторические случаи:
{similar_context}

Определи: корневую причину, конкретные шаги для исправления, профилактические меры."""

    return llm.parse(prompt, response_format=FixSuggestions)

Інтеграція з GitHub/GitLab

def post_build_analysis_comment(repo: str, pr_number: int, analysis: FailureAnalysis):
    """Публикует анализ прямо в PR-комментарий."""
    comment = f"""## CI/CD Build Failure Analysis

**Тип сбоя:** {analysis.failure_type}
**Вероятная причина:** {analysis.root_cause}

### Рекомендуемые исправления:
{chr(10).join(f'- {fix}' for fix in analysis.suggested_fixes)}

**Уверенность:** {analysis.confidence:.0%}
"""
    github_client.create_comment(repo, pr_number, comment)

База знань історичних збоїв

Кожен solved failure зберігається з тегами: тип, коренева причина, спосіб виправлення. Семантичний пошук по базі дозволяє шукати релевантні прецеденти нових збоїв. За півроку роботи база накопичує сотні прецедентів – точність рекомендацій зростає.