Серпімді бағдарламалық жасақтама архитектурасына арналған мәтінмәнді хабардар AI агенттері: Оркестрлік құралдармен агенттік CI/CD енгізу | B4N1

Серпімді бағдарламалық жасақтама архитектурасына арналған мәтінмәнді хабардар AI агенттері: Оркестрлік құралдармен агенттік CI/CD енгізу

6 months ago · b4n1 Read time: 3 min

Кіріспе

Бүгінгі жылдам қарқынмен бағдарламалық қамтамасыз етуді әзірлеу ландшафтында икемді және масштабталатын жүйелерді құру бұрынғыдан да маңызды. Бағдарламалық жасақтама жүйелерінің күрделене түсуі, AI мен машиналық оқытудың өсуімен бірге өзгермелі ортаға бейімделіп, негізделген шешімдер қабылдай алатын контекстке негізделген AI агенттерінің дамуына әкелді. Бұл мақалада біз контекстен хабардар AI агенттерінің тұжырымдамасын және олардың агенттік CI/CD конвейерлерінде оркестрлік құралдарды пайдалана отырып жүзеге асырылуын зерттейміз.

Контексттен хабардар AI агенттері дегеніміз не?

Контексттен хабардар AI агенттері - бұл жағдайға сәйкес қоршаған ортаны қабылдай алатын және жауап бере алатын жасанды интеллект түрі. Олар контекстті түсіну және сәйкесінше шешім қабылдау үшін машиналық оқыту мен табиғи тілді өңдеу әдістерін пайдаланады. Бағдарламалық жасақтаманы әзірлеуде мәтінмәнді білетін AI агенттерін тапсырмаларды автоматтандыру, ынтымақтастықты жақсарту және шешім қабылдауды жақсарту үшін пайдалануға болады.

Агенттік CI/CD құбырлары

Agentic CI/CD құбырлары бағдарламалық жасақтаманы әзірлеу процесін автоматтандыру және оңтайландыру үшін AI және машиналық оқытуды пайдаланатын үздіксіз интеграция және үздіксіз орналастыру құбырының түрі болып табылады. Бұл контексттер деректерді талдау, шешімдер қабылдау және бағдарламалық жасақтаманы әзірлеу процесінің контекстіне негізделген әрекеттерді орындау үшін контекстен хабардар AI агенттерін пайдаланады.

Оркестрлік құралдар

Оркестрлеу құралдары – бағдарламалық қосымшаларды орналастыруды, масштабтауды және басқаруды автоматтандыратын және басқаратын бағдарламалық жүйелер. Олар бірнеше жүйелер мен қызметтердің әрекеттерін үйлестіру үшін API, сценарийлер және басқа құралдарды пайдаланады. Агенттік CI/CD контекстінде AI агенттері мен басқа жүйелер арасындағы деректер ағыны мен әрекеттерді басқару үшін оркестрлеу құралдары пайдаланылады.

Масштабталатын және этикалық бағдарламалық жүйелерді жобалау

Масштабталатын және этикалық бағдарламалық жүйелерді жобалау кезінде келесі факторларды ескеру қажет:

  • Өлшемділік: Жүйенің өнімділікке зиян келтірместен өсіп келе жатқан жүктемелер мен трафикті өңдеу мүмкіндігі.
  • Этика: жүйенің әділ, ашық және пайдаланушылардың құқықтары мен мүдделерін құрметтейтіндей жұмыс істеу мүмкіндігі.
  • Төзімділік: Жүйенің сәтсіздіктерден қалпына келтіру және қиыншылықтар жағдайында өзінің функционалдығын сақтау мүмкіндігі.

Агенттік CI/CD-ны оркестрлеу құралдарымен енгізу

Оркестрлеу құралдарымен агенттік CI/CD енгізу үшін мына қадамдарды орындауға болады:

  1. Оркестрлеу құралын таңдаңыз: Kubernetes, Apache Airflow немесе AWS Step Functions сияқты қолайлы оркестрлеу құралын таңдаңыз.
  2. CI/CD құбырын жобалау: AI агенттері мен басқа жүйелер арасындағы деректер мен әрекеттер ағынын анықтаңыз.
  3. AI агенттерін іске асыру: машиналық оқытуды және табиғи тілді өңдеу әдістерін пайдалана отырып, контексттен хабардар AI агенттерін жасаңыз.
  4. Оркестрация құралымен біріктіру: CI/CD құбырын автоматтандыру және басқару үшін AI агенттерін оркестрлеу құралымен біріктіріңіз.

Мысал коды: Python жүйесінде контекстке негізделген AI агентін енгізу

Мұнда Python-да мәтінмәндік AI агентін енгізу жолын көрсететін мысал код блогы берілген:

numpy импортын np ретінде
sklearn.ensemble ішінен RandomForestClassifier импорттау
sklearn.model_selection импорттау train_test_split
sklearn.metrics импорттау accuracy_score

# Деректерді жүктеңіз
деректер = np.loadtxt('data.csv')

# Деректерді оқу және сынақ жиындарына бөліңіз
X_train, X_test, y_train, y_test = train_test_split(деректер[:, :-1], деректер[:, -1], сынақ_өлшемі=0,2, кездейсоқ_күй=42)

# Кездейсоқ орман классификаторын жаттықтырыңыз
clf = RandomForestClassifier(n_estimators=100, random_state=42)
clf.fit(X_train, y_train)

# Сынақ жиынында болжам жасаңыз
y_pred = clf.predict(X_test)

# Модельді бағалаңыз
дәлдік = дәлдік_балл(y_test, y_pred)
басып шығару(f'Дәлдік: {дәлдік:.3f}')

# Мәтінмәнді білетін AI агентін анықтаңыз
AI-агент класы:
    Def __init__(өзіндік):
        self.clf = clf

    Def tahmin (өзіндік, X):
        self.clf.predict(X) қайтару

# AI агентінің данасын жасаңыз
ai_agent = AI-агент()

# Болжам жасау үшін AI агентін пайдаланыңыз
X_new = np.array([[1, 2, 3]])
болжам = ai_agent.predict(X_new)
басып шығару(f'Болжам: {болжам}')

Бұл код блогы деректер жиынында кездейсоқ орман классификаторын үйрету және оны болжау үшін пайдалану жолын көрсетеді. Ол сондай-ақ болжам жасау үшін оқытылған классификаторды пайдаланатын мәтінмәнді білетін AI агентін анықтайды.

Ең көп қолданылатын 5-10 пәрмендер/үзінділер

Оркестрлеу құралдарымен агенттік CI/CD енгізу үшін ең көп қолданылатын 5-10 командалар/үзінділер:

  1. kubectl apply -f deployment.yaml: Kubernetes орналастыру конфигурациясын қолданыңыз.
  2. airflow db upgrade: Airflow дерекқорын жаңартыңыз.
  3. `aws stepfunctions start-execution --input '{"key": "value"}'': AWS Step Functions орындауын бастау.
  4. docker build -t my-image .: Docker кескінін құрастырыңыз.
  5. docker push my-image: Docker кескінін тізілімге итеріңіз.
  6. kubernetes құпия жалпы құпияны жасайды --from-literal=MY_KEY=MY_VALUE: Kubernetes құпиясын жасаңыз.
  7. airflow trigger_dag my_dag: Ауа ағыны DAG іске қосыңыз.
  8. aws cloudformation deploy --template-file my-template.yaml --stack-name my-stack: AWS CloudFormation стекін орналастыру.
  9. docker run -d -p 8080:8080 my-image: Docker контейнерін іске қосыңыз.
  10. kubernetes my-deployment орналастыруды жою: Kubernetes орналастыруын жою.

Визуализация

Міне, Chart.js арқылы агенттік CI/CD құбырының визуализациясы:

{
  "түрі": "бар",
  «деректер»: {
    "labels": ["AI агенті", "Оркестрация құралы", "CI/CD құбыры"],
    "деректер жинағы": [
      {
        "label": "Уақыт",
        "деректер": [10, 20, 30],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "опциялар": {
    «атауы»: {
      «дисплей»: шын,
      "text": "Agentic CI/CD Pipeline"
    },
    «таразы»: {
      "yAxes": [
        {
          «кенелер»: {
            "beginAtZero": шын
          }
        }
      ]
    }
  }
}

Бұл визуализация агенттік CI/CD құбырының әрбір құрамдас бөлігімен қабылданған уақытты көрсетеді.

Қорытынды

мәтінмәнді білетін AI агенттері серпімді және масштабталатын бағдарламалық жүйелерді құруға арналған қуатты құрал болып табылады. Оркестрлік құралдармен агенттік CI/CD құбырларын енгізу арқылы әзірлеушілер бағдарламалық жасақтаманы әзірлеу процесін автоматтандырып, оңтайландыра алады. Мысал код блогы және визуализация Python жүйесінде мәтінмәнді ескеретін AI агентін қалай енгізу керектігін және агенттік CI/CD құбырын визуализациялауды көрсетеді. Ең көп қолданылатын 5-10 пәрмендер/үзінділер агенттік CI/CD-ны оркестрлеу құралдарымен іске асыру үшін жылдам сілтеме береді.

Have Questions?

Let's Talk

Contact me on LinkedIn