Öppna varje Spark-app, prova dess viktigaste flöde och välj sedan Create repository i appens meny med tre punkter. Kontrollera att repositoryt går att öppna från ditt konto. Om appen har en AI-funktion ska du också söka efter llm(): GitHub uppger att dessa anrop slutade fungera redan den 30 juli. Exporten räddar appkoden, inte beviset på att appen fungerar eller en automatisk ny AI-tjänst.
Tre datum beskriver tre olika stopp
Det är lätt att läsa beskedet som en enda stängning. GitHub beskriver i stället tre händelser, och de kräver olika kontroller.
llm()-funktion, pensionerades. Appar utan llm() påverkas inte av just det stoppet.Prova appen innan du kallar den räddad
En app som visar sin startsida kan ändå ha förlorat sin viktigaste funktion. Gör därför funktionsprovet före exporten, medan Spark-arbetsytan fortfarande går att öppna och du kan jämföra det du ser med den publika appen.
GitHub skriver att redan driftsatta appar fortsätter fungera efter Spark-stängningen. Samma besked säger också att llm()-anrop inte längre fungerar. De två uppgifterna motsäger inte varandra: sidan kan finnas kvar medan en AI-funktion inuti den har slutat svara.
Exportera via Create repository
GitHubs egen exportväg är kort: öppna appens arbetsyta i Spark, välj menyn med tre punkter och välj Create repository. Gör det för varje app du vill kunna ändra senare. Ett repository är en separat plats för appkoden på GitHub; det är inte ett besked om att en ny publiceringsväg, databas eller AI-leverantör redan är ordnad.
github.com/, ditt kontonamn syns och sidan visar appens filer.Ett repository kan vara komplett som kodkopia och ändå sakna den data eller de hemligheter som appen behöver i drift. Kalla därför exporten ”kod kopierad”, inte ”flytt klar”.
Ta reda på om appen använder llm()
GitHub beskriver en kontroll som även en icke-kodare kan beställa: öppna appen i Spark och sök i koden efter exakt llm(). Finns inga sådana anrop behövs ingen åtgärd på grund av just GitHub Models-stoppet. Finns de måste AI-funktionen byta till en separat leverantör för att börja fungera igen.
Granska hela den här appen utan att ändra något. 1. Sök efter alla anrop till llm(). 2. Lista varje fil där ett sådant anrop finns. 3. Beskriv med vanliga ord vilken synlig funktion i appen som använder anropet. 4. Ge mig ett manuellt prov för varje funktion så att jag kan se om den fungerar i den publicerade appen. 5. Markera sådant du inte kan verifiera. Gör inga kodändringar och skapa inga nya nycklar. Vänta på mitt godkännande.
Prov: svaret ska namnge en synlig funktion, till exempel ”knappen Skapa sammanfattning”, och ett resultat du själv kan se. En lista med filnamn räcker inte. Kör sedan provet i den publika appen.
Om sökningen hittar llm()
Exportera koden först. Välj därefter en ny inferensleverantör och låt byggverktyget byta anropen i en separat kopia. GitHub påpekar att du själv behöver ordna API-nyckel och fakturering. Klistra aldrig in nyckeln i en chatt, prompt eller källkodsfil; beställ i stället att den ska sparas som en hemlighet eller miljövariabel i den nya driftsmiljön. Prov: AI-funktionen fungerar med en ny testuppgift samtidigt som en sökning i repositoryt inte hittar själva nyckelvärdet.
Välj nästa steg efter vad proven visade
Appen fungerar och saknar llm()
Spara repositoryts adress och planera en ny bygg- och publiceringsväg innan nästa ändring. GitHubs besked ger dig fortsatt drift, inte fortsatt redigering i Spark.
AI-funktionen använder llm()
Behandla AI-delen som trasig redan nu. Exportera koden, välj en separat leverantör och prova den nya lösningen i en kopia innan den publika appen ändras.
Om den publika adressen inte fungerar alls ska du fortfarande exportera innan den 31 augusti, men inte försöka laga produktionen genom en serie snabba ändringar i originalet. Börja från repositorykopian, dokumentera felet och prova en förändring i taget. Provet för återställning från backup visar varför en separat kopia behövs när du inte längre kan lita på byggmiljön.
Varje Spark-app har en nedskriven publik adress och repositoryadress, repositoryt går att öppna utan Spark, det viktigaste flödet har provats i ett privat fönster, en eventuell AI-funktion har provats separat och sökningen efter llm() har gett ett dokumenterat ja eller nej. Om svaret är ja är exporten klar men flytten fortfarande öppen tills en ny inferensleverantör har provats.