Datadog ਸਿਸਟਮ-ਪੱਧਰ ਦੇ ਕੋਡ ਰਿਵਿਊ ਲਈ Codex ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ
Codex ਦੇ ਨਾਲ, Datadog ਘਟਨਾਵਾਂ ਨੂੰ ਰੋਕਣ ਅਤੇ ਗਾਹਕਾਂ ਦੇ ਭਰੋਸੇ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਲਈ ਹਰ ਕੋਡ ਰਿਵਿਊ ਵਿੱਚ ਸਿਸਟਮ-ਵਿਆਪੀ ਸੰਦਰਭ ਲਿਆਉਂਦਾ ਹੈ।
Datadog(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੁਨੀਆ ਦੇ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਨਿਰੀਖਣਯੋਗਤਾ ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚੋਂ ਇੱਕ ਚਲਾਉਂਦਾ ਹੈ, ਜੋ ਕੰਪਨੀਆਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਡਿਸਟ੍ਰੀਬਿਊਟਿਡ ਸਿਸਟਮਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ, ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਚੀਜ਼ ਖਰਾਬ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਗਾਹਕ ਸਮੱਸਿਆਵਾਂ ਦਾ ਤੇਜ਼ੀ ਨਾਲ ਪਤਾ ਲਗਾਉਣ ਲਈ Datadog 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕੋਡ ਦੇ ਪ੍ਰੋਡਕਸ਼ਨ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਬਹੁਤ ਪਹਿਲਾਂ ਹੀ ਭਰੋਸੇਯੋਗਤਾ ਦਾ ਨਿਰਮਾਣ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।
Datadog ਦੀਆਂ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮਾਂ ਲਈ, ਇਹ ਕੋਡ ਰਿਵਿਊ ਨੂੰ ਇੱਕ ਬਹੁਤ ਹੀ ਮਹੱਤਵਪੂਰਨ ਪਲ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਸਿਰਫ਼ ਗਲਤੀਆਂ ਨੂੰ ਫੜਨ ਬਾਰੇ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਇਹ ਸਮਝਣ ਬਾਰੇ ਹੈ ਕਿ ਬਦਲਾਅ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਸਿਸਟਮਾਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ—ਇੱਕ ਅਜਿਹਾ ਖੇਤਰ ਜਿੱਥੇ ਰਵਾਇਤੀ ਸਟੈਟਿਕ ਵਿਸ਼ਲੇਸ਼ਣ (static analysis) ਅਤੇ ਨਿਯਮ-ਅਧਾਰਿਤ ਟੂਲ ਅਕਸਰ ਨਾਕਾਮ ਸਿੱਧ ਹੁੰਦੇ ਹਨ।
ਇਸ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਲਈ, Datadog ਦੀ AI ਡਿਵੈਲਪਮੈਂਟ ਐਕਸਪੀਰੀਅੰਸ (AI DevX) ਟੀਮ ਨੇ OpenAI ਦੇ ਕੋਡਿੰਗ ਏਜੰਟ, Codex ਦਾ ਰੁਖ ਕੀਤਾ, ਜੋ ਕੋਡ ਰਿਵਿਊ ਵਿੱਚ ਸਿਸਟਮ-ਪੱਧਰ ਦੀ ਰੀਜ਼ਨਿੰਗ ਲਿਆਉਂਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਜੋਖਮਾਂ ਨੂੰ ਸਾਹਮਣੇ ਲਿਆਉਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਨਸਾਨ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਆਸਾਨੀ ਨਾਲ ਨਹੀਂ ਦੇਖ ਸਕਦੇ।
Datadog ਦੀ AI DevX ਟੀਮ ਦੀ ਅਗਵਾਈ ਕਰਨ ਵਾਲੇ ਬ੍ਰੈਡ ਕਾਰਟਰ ਦਾ ਕਹਿਣਾ ਹੈ, “ਸਮੇਂ ਦੀ ਬਚਤ ਅਸਲੀ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ।” “ਪਰ ਸਾਡੇ ਵਰਗੇ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ, ਘੱਟਨਾਵਾਂ ਨੂੰ ਰੋਕਣਾ ਕਿਤੇ ਜ਼ਿਆਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਜ਼ਰੂਰੀ ਹੈ।”
Datadog ਵਿਖੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕੋਡ ਰਿਵਿਊ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਸੀਨੀਅਰ ਇੰਜੀਨੀਅਰਾਂ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਕਰਦਾ ਸੀ—ਉਹ ਲੋਕ ਜੋ ਕੋਡਬੇਸ, ਇਸਦੇ ਇਤਿਹਾਸ ਅਤੇ ਆਰਕੀਟੈਕਚਰਲ ਤਾਲਮੇਲ ਨੂੰ ਇੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਦੇ ਹਨ ਕਿ ਸਿਸਟਮ ਦੇ ਜੋਖਮ ਨੂੰ ਪਛਾਣ ਸਕਣ।
ਪਰ ਉਸ ਤਰ੍ਹਾਂ ਦੇ ਡੂੰਘੇ ਸੰਦਰਭ ਨੂੰ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਲਾਗੂ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ, ਅਤੇ ਸ਼ੁਰੂਆਤੀ AI ਕੋਡ ਰਿਵਿਊ ਟੂਲਸ ਨੇ ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਨਹੀਂ ਕੀਤਾ; ਉਹਨਾਂ ਵਿੱਚੋਂ ਕਈਆਂ ਨੇ ਐਡਵਾਂਸਡ ਲਿੰਟਰਸ ਵਾਂਗ ਕੰਮ ਕੀਤਾ, ਜੋ ਸਿਰਫ਼ ਉੱਪਰਲੇ ਪੱਧਰ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦੇ ਸਨ ਜਦੋਂ ਕਿ ਸਿਸਟਮ ਦੀਆਂ ਵਿਆਪਕ ਬਾਰੀਕੀਆਂ ਨੂੰ ਛੱਡ ਦਿੰਦੇ ਸਨ। Datadog ਦੇ ਇੰਜੀਨੀਅਰ ਅਕਸਰ ਉਹਨਾਂ ਸੁਝਾਵਾਂ ਨੂੰ ਬਹੁਤ ਸਤਹੀ ਜਾਂ ਬੇਕਾਰ ਦਾ ਸ਼ੋਰ ਮੰਨਦੇ ਸਨ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਦਿੰਦੇ ਸਨ।
Datadog ਨੇ OpenAI ਦੇ ਕੋਡਿੰਗ ਏਜੰਟ, Codex ਨੂੰ ਆਪਣੇ ਲਾਈਵ ਡਿਵੈਲਪਮੈਂਟ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਕੇ ਇਸਦਾ ਪ੍ਰਯੋਗਾਤਮਕ ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂ ਕੀਤਾ। ਕੰਪਨੀ ਦੀਆਂ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਰਿਪੋਜ਼ਟਰੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ, ਹਰੇਕ pull request ਦੀ Codex ਦੁਆਰਾ ਸਵੈਚਲਿਤ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਸੀ। ਇੰਜੀਨੀਅਰਾਂ ਨੇ Codex ਦੀਆਂ ਟਿੱਪਣੀਆਂ 'ਤੇ ਥੰਬਸ ਅੱਪ ਜਾਂ ਡਾਊਨ ਨਾਲ ਪ੍ਰਤੀਕਿਰਿਆ ਦਿੱਤੀ ਅਤੇ ਟੀਮਾਂ ਵਿਚਕਾਰ ਗੈਰ-ਰਸਮੀ ਫੀਡਬੈਕ ਸਾਂਝਾ ਕੀਤਾ। ਕਈਆਂ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਪੁਰਾਣੇ ਟੂਲਸ ਜੋ ਬੇਕਾਰ ਜਾਂ ਸਤਹੀ ਸੁਝਾਅ ਦਿੰਦੇ ਸਨ, ਦੇ ਉਲਟ, Codex ਦਾ ਫੀਡਬੈਕ ਪੜ੍ਹਨ ਦੇ ਯੋਗ ਸੀ।
ਇਹ ਟੈਸਟ ਕਰਨ ਲਈ ਕਿ ਕੀ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਰਿਵਿਊ ਸਿਰਫ਼ ਸਟਾਈਲ ਦੇ ਮੁੱਦਿਆਂ ਨੂੰ ਦੱਸਣ ਤੋਂ ਇਲਾਵਾ ਕੁਝ ਹੋਰ ਕਰ ਸਕਦਾ ਹੈ, Datadog ਨੇ ਇੱਕ ਇੰਸੀਡੈਂਟ ਰੀਪਲੇਅ ਹਾਰਨੈੱਸ ਤਿਆਰ ਕੀਤਾ।
ਕਾਲਪਨਿਕ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਬਜਾਏ, ਟੀਮ ਨੇ ਪੁਰਾਣੀਆਂ ਘਟਨਾਵਾਂ ਦਾ ਰੁਖ ਕੀਤਾ। ਉਨ੍ਹਾਂ ਨੇ ਉਨ੍ਹਾਂ pull request ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕੀਤਾ ਜੋ ਘਟਨਾਵਾਂ ਦਾ ਕਾਰਨ ਬਣੀਆਂ ਸਨ, ਹਰੇਕ 'ਤੇ Codex ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਚਲਾਇਆ ਜਿਵੇਂ ਕਿ ਇਹ ਅਸਲ ਰਿਵਿਊ ਦਾ ਹਿੱਸਾ ਸੀ, ਅਤੇ ਫਿਰ ਉਨ੍ਹਾਂ ਘਟਨਾਵਾਂ ਦੇ ਜ਼ਿੰਮੇਵਾਰ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਪੁੱਛਿਆ ਕਿ ਕੀ Codex ਦੇ ਫੀਡਬੈਕ ਨਾਲ ਕੋਈ ਫਰਕ ਪੈਣਾ ਸੀ।
ਨਤੀਜਾ: Codex ਨੂੰ 10 ਤੋਂ ਵੱਧ ਅਜਿਹੇ ਮਾਮਲੇ ਮਿਲੇ, ਜਾਂ Datadog ਦੁਆਰਾ ਜਾਂਚੀਆਂ ਗਈਆਂ ਘਟਨਾਵਾਂ ਦਾ ਲਗਭਗ 22% ਹਿੱਸਾ, ਜਿੱਥੇ ਇੰਜੀਨੀਅਰਾਂ ਨੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਕਿ Codex ਦੁਆਰਾ ਦਿੱਤਾ ਗਿਆ ਫੀਡਬੈਕ ਬਦਲਾਅ ਲਿਆ ਸਕਦਾ ਸੀ—ਇਹ ਮੁਲਾਂਕਣ ਕੀਤੇ ਗਏ ਕਿਸੇ ਵੀ ਹੋਰ ਟੂਲ ਨਾਲੋਂ ਸਭ ਤੋਂ ਵੱਧ ਸੀ।
ਕਿਉਂਕਿ ਇਹ pull request ਪਹਿਲਾਂ ਹੀ ਕੋਡ ਰਿਵਿਊ ਪਾਸ ਕਰ ਚੁੱਕੀਆਂ ਸਨ, ਇਸ ਲਈ ਰੀਪਲੇਅ ਟੈਸਟ ਨੇ ਦਿਖਾਇਆ ਕਿ Codex ਨੇ ਉਹਨਾਂ ਜੋਖਮਾਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਜੋ ਉਸ ਸਮੇਂ ਸਮੀਖਿਆਕਾਰਾਂ ਨੇ ਨਹੀਂ ਦੇਖੇ ਸਨ, ਇਸ ਤਰ੍ਹਾਂ ਇਸਨੇ ਮਨੁੱਖੀ ਨਿਰਣੇ ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ ਉਸਦਾ ਪੂਰਕ ਬਣ ਕੇ ਕੰਮ ਕੀਤਾ।
Datadog ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਦਿਖਾਇਆ ਕਿ Codex ਨੇ ਲਗਾਤਾਰ ਉਹਨਾਂ ਮੁੱਦਿਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਜੋ ਸਿਰਫ਼ ਤੁਰੰਤ ਕੋਡ ਦੇ ਅੰਤਰ ਤੋਂ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੁੰਦੇ ਅਤੇ ਜਿਨ੍ਹਾਂ ਨੂੰ ਨਿਰਧਾਰਿਤ ਨਿਯਮਾਂ ਦੁਆਰਾ ਫੜਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ।
ਇੰਜੀਨੀਅਰਾਂ ਨੇ Codex ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ "ਬੋਟ ਦਾ ਸ਼ੋਰ" ਮੰਨਣ ਤੋਂ ਇਨਕਾਰ ਕੀਤਾ ਅਤੇ ਇਸਦੀ ਸ਼ਲਾਘਾ ਕੀਤੀ:
- Codex ਨੇ ਉਨ੍ਹਾਂ ਮੋਡਿਊਲਾਂ ਨਾਲ ਹੋਣ ਵਾਲੇ ਪ੍ਰਭਾਵਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ ਜਿਨ੍ਹਾਂ ਨੂੰ ਕੋਡ ਦੇ ਅੰਤਰ ਵਿੱਚ ਛੂਹਿਆ ਵੀ ਨਹੀਂ ਗਿਆ ਸੀ
- ਇਸਨੇ ਕਰਾਸ‑ਸਰਵਿਸ ਕਪਲਿੰਗ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਮਿਸਿੰਗ ਟੈਸਟ ਕਵਰੇਜ ਦੀ ਪਛਾਣ ਕੀਤੀ
- ਇਸਨੇ API ਕੰਟਰੈਕਟ ਬਦਲਾਵਾਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਜੋ ਅੱਗੇ ਜਾ ਕੇ ਜੋਖਮ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੇ ਸਨ
“ਮੇਰੇ ਲਈ, Codex ਦੀ ਇੱਕ ਟਿੱਪਣੀ ਉਸ ਸਭ ਤੋਂ ਹੁਸ਼ਿਆਰ ਇੰਜੀਨੀਅਰ ਵਰਗੀ ਲੱਗਦੀ ਹੈ ਜਿਸ ਨਾਲ ਮੈਂ ਕਦੇ ਕੰਮ ਕੀਤਾ ਹੋਵੇ, ਅਤੇ ਜਿਸ ਕੋਲ ਬੱਗ ਲੱਭਣ ਲਈ ਅਸੀਮਤ ਸਮਾਂ ਹੋਵੇ। ਇਹ ਉਹਨਾਂ ਸੰਬੰਧਾਂ ਨੂੰ ਦੇਖ ਲੈਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮੇਰਾ ਦਿਮਾਗ ਇੱਕੋ ਸਮੇਂ 'ਤੇ ਨਹੀਂ ਰੱਖ ਸਕਦਾ।”
ਸਮੀਖਿਆ ਫੀਡਬੈਕ ਨੂੰ ਅਸਲ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਨਤੀਜਿਆਂ ਨਾਲ ਜੋੜਨ ਦੀ ਇਸੇ ਸਮਰੱਥਾ ਨੇ Codex ਨੂੰ Datadog ਦੇ ਮੁਲਾਂਕਣ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਖਰਾ ਬਣਾਇਆ। ਸਟੈਟਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਸ ਦੇ ਉਲਟ, Codex pull request ਦੇ ਉਦੇਸ਼ ਦੀ ਤੁਲਨਾ ਜਮ੍ਹਾਂ ਕੀਤੇ ਕੋਡ ਬਦਲਾਵਾਂ ਨਾਲ ਕਰਦਾ ਹੈ, ਅਤੇ ਵਿਵਹਾਰ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਕੋਡ ਤੇ ਟੈਸਟਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਪੂਰੇ ਕੋਡਬੇਸ ਅਤੇ ਨਿਰਭਰਤਾਵਾਂ 'ਤੇ ਰੀਜ਼ਨਿੰਗ ਕਰਦਾ ਹੈ।
ਕਾਰਟਰ ਦਾ ਕਹਿਣਾ ਹੈ, “ਇਹ ਪਹਿਲਾ ਅਜਿਹਾ ਟੂਲ ਸੀ ਜਿਸਨੇ ਅਸਲ ਵਿੱਚ ਪ੍ਰੋਗਰਾਮ ਦੇ ਵਿਆਪਕ ਸੰਦਰਭ ਵਿੱਚ ਕੋਡ ਦੇ ਅੰਤਰ 'ਤੇ ਵਿਚਾਰ ਕੀਤਾ।” “ਇਹ ਬਿਲਕੁਲ ਨਵਾਂ ਅਤੇ ਅੱਖਾਂ‑ਖੋਲ੍ਹਣ ਵਾਲਾ ਸੀ।”
ਕਈ ਇੰਜੀਨੀਅਰਾਂ ਲਈ, ਇਸ ਬਦਲਾਅ ਨੇ AI ਸਮੀਖਿਆ ਦੇ ਨਾਲ ਜੁੜਨ ਦੇ ਉਨ੍ਹਾਂ ਦੇ ਤਰੀਕੇ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਦਿੱਤਾ। Datadog ਵਿਖੇ ਸੀਨੀਅਰ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰ ਟੈੱਡ ਵੈਕਸਲਰ ਦਾ ਕਹਿਣਾ ਹੈ, “ਮੈਂ Codex ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਨੂੰ ਅਸਲ ਕੋਡ ਸਮੀਖਿਆ ਫੀਡਬੈਕ ਵਾਂਗ ਲੈਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ।” “ਕੁਝ ਅਜਿਹਾ ਨਹੀਂ ਜਿਸਨੂੰ ਮੈਂ ਸਰਸਰੀ ਤੌਰ 'ਤੇ ਪੜ੍ਹਾਂ ਜਾਂ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਾਂ, ਬਲਕਿ ਕੁਝ ਅਜਿਹਾ ਜੋ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ।”
ਮੁਲਾਂਕਣ ਤੋਂ ਬਾਅਦ, Datadog ਨੇ ਆਪਣੇ ਇੰਜੀਨੀਅਰਿੰਗ ਕਰਮਚਾਰੀਆਂ ਵਿੱਚ ਵਧੇਰੇ ਵਿਆਪਕ ਰੂਪ ਵਿੱਚ Codex ਨੂੰ ਤਾਇਨਾਤ ਕੀਤਾ। ਅੱਜ 1,000 ਤੋਂ ਵੱਧ ਇੰਜੀਨੀਅਰ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਇਸਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।
ਫੀਡਬੈਕ ਜ਼ਿਆਦਾਤਰ ਰਸਮੀ ਇਨ-ਟੂਲ ਮੈਟ੍ਰਿਕਸ ਦੀ ਬਜਾਏ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਸਾਹਮਣੇ ਆਉਂਦਾ ਹੈ। ਇੰਜੀਨੀਅਰ Slack 'ਤੇ ਲਾਭਦਾਇਕ ਇਨਸਾਈਟਸ, ਰਚਨਾਤਮਕ ਟਿੱਪਣੀਆਂ, ਅਤੇ ਉਨ੍ਹਾਂ ਪਲਾਂ ਬਾਰੇ ਪੋਸਟ ਕਰਦੇ ਹਨ ਜਿੱਥੇ Codex ਨੇ ਉਨ੍ਹਾਂ ਨੂੰ ਕਿਸੇ ਸਮੱਸਿਆ ਬਾਰੇ ਵੱਖਰੇ ਤਰੀਕੇ ਨਾਲ ਸੋਚਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ।
ਹਾਲਾਂਕਿ ਸਮੇਂ ਦੀ ਬਚਤ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਹੈ, ਪਰ ਟੀਮਾਂ ਨੇ ਲਗਾਤਾਰ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਵਧੇਰੇ ਸਾਰਥਕ ਬਦਲਾਅ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ।
Codex ਨੇ ਕੋਡ ਰਿਵਿਊ ਦੇ ਪ੍ਰਤੀ ਮੇਰੀ ਸੋਚ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਹੈ ਕਿ ਇਹ ਅਸਲ ਵਿੱਚ ਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਸਾਡੇ ਸਭ ਤੋਂ ਵਧੀਆ ਮਨੁੱਖੀ ਰਿਵਿਊਅਰਾਂ ਦੀ ਨਕਲ ਕਰਨ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਉਹਨਾਂ ਗੰਭੀਰ ਖਾਮੀਆਂ ਅਤੇ ਐੱਜ ਕੇਸਾਂ ਨੂੰ ਲੱਭਣ ਬਾਰੇ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਨਸਾਨ ਇਕੱਲੇ ਤੌਰ 'ਤੇ ਬਦਲਾਅ ਦੀ ਸਮੀਖਿਆ ਕਰਦੇ ਸਮੇਂ ਮੁਸ਼ਕਲ ਨਾਲ ਦੇਖ ਪਾਉਂਦੇ ਹਨ।
Datadog ਲਈ ਵਧੇਰੇ ਵਿਆਪਕ ਪ੍ਰਭਾਵ ਇਹ ਸੀ ਕਿ ਕੋਡ ਸਮੀਖਿਆ ਦੀ ਪਰਿਭਾਸ਼ਾ ਹੀ ਬਦਲ ਗਈ। ਸਮੀਖਿਆ ਨੂੰ ਸਿਰਫ਼ ਗਲਤੀਆਂ ਫੜਨ ਜਾਂ ਸਾਈਕਲ ਟਾਈਮ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਚੈੱਕਪੁਆਇੰਟ ਮੰਨਣ ਦੀ ਬਜਾਏ, ਟੀਮ ਹੁਣ Codex ਨੂੰ ਇੱਕ ਮੁੱਖ ਭਰੋਸੇਯੋਗਤਾ ਪ੍ਰਣਾਲੀ ਵਜੋਂ ਦੇਖਦੀ ਹੈ ਜੋ ਇੱਕ ਭਾਈਵਾਲ ਵਜੋਂ ਕੰਮ ਕਰਦੀ ਹੈ:
- ਉਸ ਜੋਖਮ ਨੂੰ ਸਾਹਮਣੇ ਲਿਆਉਣਾ ਜੋ ਵਿਅਕਤੀਗਤ ਸਮੀਖਿਆਕਾਰ ਆਪਣੇ ਸੰਦਰਭ ਵਿੱਚ ਯਾਦ ਰੱਖਣ ਦੇ ਯੋਗ ਨਹੀਂ ਹੁੰਦੇ
- ਕਰਾਸ-ਮੋਡਿਊਲ ਅਤੇ ਕਰਾਸ-ਸਰਵਿਸ ਆਪਸੀ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਨਾ
- ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਉਤਪਾਦ ਲਾਂਚ ਕਰਨ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਵਧਾਉਣਾ
- ਮਨੁੱਖੀ ਸਮੀਖਿਆਕਾਰਾਂ ਨੂੰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਡਿਜ਼ਾਈਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣਾ
ਇਹ ਬਦਲਾਅ Datadog ਦੇ ਨੇਤਾਵਾਂ ਦੁਆਰਾ ਤੈਅ ਕੀਤੀਆਂ ਗਈਆਂ ਇੰਜੀਨੀਅਰਿੰਗ ਤਰਜੀਹਾਂ ਦੇ ਅਨੁਕੂਲ ਹੈ, ਜਿੱਥੇ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਵਿਸ਼ਵਾਸ ਗਤੀ ਜਿੰਨਾ ਹੀ, ਜਾਂ ਸ਼ਾਇਦ ਉਸ ਤੋਂ ਵੀ ਵੱਧ ਮਾਈਨੇ ਰੱਖਦੇ ਹਨ।
ਕਾਰਟਰ ਦਾ ਕਹਿਣਾ ਹੈ, “ਅਸੀਂ ਉਹ ਪਲੇਟਫਾਰਮ ਹਾਂ ਜਿਸ 'ਤੇ ਕੰਪਨੀਆਂ ਉਦੋਂ ਭਰੋਸਾ ਕਰਦੀਆਂ ਹਨ ਜਦੋਂ ਬਾਕੀ ਸਭ ਕੁਝ ਫੇਲ੍ਹ ਹੋ ਰਿਹਾ ਹੁੰਦਾ ਹੈ।” “ਘਟਨਾਵਾਂ ਨੂੰ ਰੋਕਣਾ ਉਸ ਭਰੋਸੇ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ ਜੋ ਸਾਡੇ ਗਾਹਕ ਸਾਡੇ 'ਤੇ ਜਤਾਉਂਦੇ ਹਨ।”
