** ለራስ ገዝ መሠረተ ልማት ኦርኬስትራ በዴቭኦፕስ የስራ ፍሰቶች ውስጥ ወኪል AIን መተግበር

መግቢያ

የአርቴፊሻል ኢንተለጀንስ (AI)፣ የዴቭኦፕስ እና የመሠረተ ልማት ኦርኬስትራ መጋጠሚያ በመሠረተ ልማት አስተዳደር ውስጥ አዲስ ምሳሌ ፈጥሯል። ይህ አካሄድ የመሠረተ ልማት አቅርቦትን፣ ልኬትን እና አስተዳደርን በራስ ሰር ለመስራት እና ለማመቻቸት፣ ገንቢዎች በከፍተኛ ደረጃ ተግባራት ላይ እንዲያተኩሩ AI እና ማሽን መማር (ML) ስልተ ቀመሮችን ይጠቀማል። በዚህ ጽሁፍ ውስጥ እንደ LangChain፣ DSPy እና StackGen ባሉ መሳሪያዎች ላይ በማተኮር የገንቢ ልምድን በማሳደግ እና በDevOps የስራ ፍሰቶች ውስጥ መሻሻልን ለማሻሻል የኤጀንሲው AI ሚናን እንቃኛለን።

** ወኪል AI ምንድን ነው?**

ኤጀንቲክ AI ራሱን የቻለ ባህሪን የሚያሳይ፣ ውሳኔዎችን የሚወስን እና ያለ ግልጽ የሰዎች ጣልቃገብነት በራሱ እርምጃ የሚወስድ የ AI አይነትን ያመለክታል። በዴቭኦፕስ አውድ ውስጥ፣ ወኪል AI እንደ መሠረተ ልማት አቅርቦት፣ ማሰማራት እና ማስፋፋት እንዲሁም ክትትል እና መላ መፈለግ ያሉ ሥራዎችን በራስ-ሰር ለመሥራት ሊያገለግል ይችላል። ይህ አካሄድ ገንቢዎች እንደ ኮድ መፃፍ እና አፕሊኬሽኖችን መንደፍ በመሳሰሉ ከፍተኛ ደረጃ ስራዎች ላይ እንዲያተኩሩ ያስችላቸዋል፣ የ AI ስርዓት ደግሞ መሰረታዊ መሠረተ ልማትን ይንከባከባል።

** LangChain፡ የኤጀንሲ አይአይ ሲስተም ግንባታ ማዕቀፍ**

LangChain ከተጠቃሚዎች ጋር መስተጋብር መፍጠር፣ ተግባራትን ማከናወን እና ውሳኔዎችን ማድረግ የሚችል ወኪል የኤአይአይ ስርዓቶችን ለመገንባት ክፍት ምንጭ ማዕቀፍ ነው። የውይይት በይነገጾች፣ የተፈጥሮ ቋንቋ ማቀነባበሪያ (NLP) እና የማሽን መማሪያ ሞዴሎችን ለመገንባት የኤፒአይዎችን ስብስብ እና መሳሪያዎችን ያቀርባል። LangChain ከቻትቦቶች እና ከቨርቹዋል ረዳቶች እስከ ራስ ገዝ የመሠረተ ልማት ኦርኬስትራ ስርዓቶች ድረስ ሰፊ አፕሊኬሽኖችን ለመገንባት ሊያገለግል ይችላል።

** DSPy፡ የኤጀንሲያዊ AI ስርዓቶችን ለመገንባት የፓይዘን ቤተ መፃህፍት ***

DSPy ከተጠቃሚዎች ጋር መስተጋብር የሚፈጥሩ፣ ተግባራትን የሚያከናውኑ እና ውሳኔዎችን የሚወስኑ ኤጀንሲያዊ AI ስርዓቶችን ለመገንባት የፓይዘን ቤተ-መጽሐፍት ነው። የውይይት በይነገጾች፣ NLP እና የማሽን መማሪያ ሞዴሎችን ለመገንባት የኤፒአይዎችን ስብስብ እና መሳሪያዎችን ያቀርባል። DSPy ከቻትቦቶች እና ከቨርቹዋል ረዳቶች እስከ ራስ ገዝ የመሠረተ ልማት ኦርኬስትራ ስርዓቶች ድረስ ሰፊ አፕሊኬሽኖችን ለመገንባት ሊያገለግል ይችላል።

**StackGen: መሠረተ ልማት ለመገንባት እና ለማስተዳደር የሚያስችል መሣሪያ ***

StackGen እንደ ኮድ መሠረተ ልማት ለመገንባት እና ለማስተዳደር መሳሪያ ነው። የመሠረተ ልማት አወቃቀሮችን ለመወሰን፣ ሃብቶችን ለማቅረብ እና ማሰማራቶችን ለማስተዳደር የኤፒአይዎችን ስብስብ እና መሳሪያዎችን ያቀርባል። StackGen ከቨርቹዋል ማሽኖች እና ኮንቴይነሮች እስከ አገልጋይ አልባ ተግባራት እና የደመና-ቤተኛ አፕሊኬሽኖች ሰፋ ያለ መሠረተ ልማት ለመገንባት እና ለማስተዳደር ሊያገለግል ይችላል።

** በDevOps የስራ ፍሰቶች ውስጥ ወኪል AIን በመተግበር ላይ ***

በDevOps የስራ ፍሰቶች ውስጥ ወኪል AIን ለመተግበር የLangChain፣ DSPy እና StackGen ጥምርን መጠቀም እንችላለን። ራሱን የቻለ የመሰረተ ልማት ኦርኬስትራ ስርዓት ለመገንባት እነዚህን መሳሪያዎች እንዴት እንደምንጠቀም የሚያሳይ ምሳሌ ይኸውና፡

`` ፓይቶን አስመጣ langchain አስመጣ dspy አስመጣ stackgen

infrastructure_config = { "ሀብቶች": [ {"ስም"፡ "ድር-ሰርቨር"፣ "አይነት"፡ "EC2"፣ "ክልል": "us-west-2"}፣ {"ስም": "ዳታቤዝ", "አይነት": "RDS", "ክልል": "us-west-2"} ] }

የማሰማራት አወቃቀሩን ይግለጹ

deployment_config = { "አገልግሎቶች": {"ስም": "ድር-ሰርቨር", "ምስል": "nginx: የቅርብ ጊዜ", "ወደብ": 80}, {"ስም": "ዳታቤዝ", "ምስል": "mysql: የቅርብ ጊዜ", "ወደብ": 3306} ] }

የLangChain ወኪል ይፍጠሩ

ወኪል = langchain. ወኪል( ስም = "መሠረተ ልማት - ኦርኬስትራ", መግለጫ = ራሱን የቻለ የመሰረተ ልማት ኦርኬስትራ ስርዓት )

የ DSPy ሞዴል ይፍጠሩ

ሞዴል = dspy.ሞዴል( ስም = "መሠረተ ልማት - ኦርኬስትራ", መግለጫ = "የመሰረተ ልማት መስፈርቶችን ለመተንበይ ሞዴል" )

የStackGen ቁልል ይፍጠሩ

ቁልል = ቁልል.ቁልል( ስም = "መሠረተ ልማት - ኦርኬስትራ", description="መሰረተ ልማትን ለማስተዳደር ቁልል" )

ወኪል AI የስራ ፍሰት ይግለጹ

የስራ ፍሰት = [ {"እርምጃ"፡ "መተንበይ_መሠረተ ልማት"፣ "ሞዴል"፡ ሞዴል}፣ {"እርምጃ": "የመሠረተ ልማት አቅርቦት", "ቁልል": ቁልል}, {"step": "deploy_services", "deployment_config": deployment_config} ]

ወኪል የሆነውን AI የስራ ፍሰት ያሂዱ

agent.run(የስራ ፍሰት)

ይህ ኮድ የመሠረተ ልማት መስፈርቶችን፣ አቅርቦቶችን ለማቅረብ እና አገልግሎቶችን ለማሰማራት LangChainን፣ DSPy እና StackGenን የሚጠቀም ራሱን የቻለ የመሠረተ ልማት ኦርኬስትራ ሥርዓትን ይገልጻል።

**ምርጥ 5-10 በብዛት ጥቅም ላይ የዋሉ ትዕዛዞች/ቅንጣዎች**

ለ LangChain፣ DSPy እና StackGen በብዛት ጥቅም ላይ የዋሉት 5-10 ከፍተኛ ትዕዛዞች/ቅንጣዎች እነሆ፡-

| መሳሪያ | ትዕዛዝ/ ቅንጣቢ | መግለጫ |
| --- | --- | --- |
| LangChain | `langchain.ወኪል.ፍጠር()` | አዲስ LangChain ወኪል ይፈጥራል |
| LangChain | `langchain. ወኪል. ይግለጹ()` | የ LangChain ወኪል መግለጫን ይመልሳል |
| DSPy | `dspy.Model.ፍጠር()` | አዲስ DSPy ሞዴል ይፈጥራል |
| DSPy | `dspy.Model.መግለፅ()` | የDSPy ሞዴል መግለጫን ያወጣል።
| StackGen | `stackgen.Stack.create()` | አዲስ የStackGen ቁልል ይፈጥራል |
| StackGen | `stackgen.Stack.መግለፅ()` | የStackGen ቁልል መግለጫ ያወጣል።
| LangChain | `langchain.Agent.run()` | የ LangChain ወኪል ያስኬዳል |
| DSPy | `dspy.Model.predict()` | የDSPy ሞዴልን በመጠቀም የመሠረተ ልማት መስፈርቶችን ይተነብያል |
| StackGen | `stackgen.Stack.provision()` | StackGen ቁልል በመጠቀም መሠረተ ልማት ያቀርባል |
| StackGen | `stackgen.Stack.deploy()` | የStackGen ቁልል | በመጠቀም አገልግሎቶችን ያሰማራል።

**እይታ**

Chart.jsን በመጠቀም የወኪሉ AI የስራ ፍሰት ምስላዊ እይታ እዚህ አለ፡-
``json
{
  "አይነት": "ባር",
  "ውሂብ": {
    "labels": ["የመሠረተ ልማት መስፈርቶችን መተንበይ"፣ "የአገልግሎት መሠረተ ልማት"፣ "አገልግሎት አሰማር"]፣
    "መረጃዎች": [
      {
        "label": "Agenttic AI የስራ ፍሰት",
        "ውሂብ": [10, 20, 30],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "የድንበር ስፋት"፡ 1
      }
    ]
  }
  "አማራጮች": {
    "ርዕስ": {
      "ማሳያ": እውነት,
      "text": "Agenttic AI Workflow"
    }
    "ሚዛኖች": {
      "yAxes": [
        {
          "መዥገሮች": {
            "beginAtZero"፡ እውነት
          }
        }
      ]
    }
  }
}

ይህ ምስላዊ የመሰረተ ልማት መስፈርቶችን ለመተንበይ ፣ መሠረተ ልማትን ለማቅረብ እና አገልግሎቶችን የማሰማራት ሶስት እርከኖች ያሉት ወኪሉን AI የስራ ፍሰት እንደ ባር ገበታ ያሳያል።

** መደምደሚያ**

በዚህ ጽሑፍ ውስጥ የገንቢ ልምድን በማሳደግ እና በDevOps የስራ ፍሰቶች ውስጥ መሻሻልን ለማሻሻል የኤጀንሲው AI ሚናን መርምረናል። LangChainን፣ DSPy እና StackGenን እንደ ወኪል የኤአይአይ ሲስተም ግንባታ መሳሪያዎች አስተዋውቀናል፣ እና እነዚህን መሳሪያዎች እራሱን የቻለ የመሠረተ ልማት ኦርኬስትራ ስርዓትን ለመገንባት እንዴት መጠቀም እንደሚቻል አሳይተናል። Chart.js ን በመጠቀም የወኪሉን AI የስራ ፍሰት እይታንም አቅርበናል። ኤጀንቲክ AIን በመጠቀም ገንቢዎች እንደ ኮድ መጻፍ እና አፕሊኬሽኖችን በመንደፍ በከፍተኛ ደረጃ ተግባራት ላይ ማተኮር ይችላሉ ፣ የ AI ስርዓቱ ግን መሰረታዊ መሠረተ ልማትን ይንከባከባል።