زيرو اوپس: AI ايجنٽن، اسٽيڪ جين، ۽ LangChain سان خودمختيار انفراسٽرڪچر حاصل ڪرڻ

تعارف

بادل-مقامي ماحول جي ڪڏهن به ترقي ڪندڙ منظرنامي ۾، موثر ۽ اسپيبلبل انفراسٽرڪچر مينيجمينٽ جي طلب ڪڏهن به وڌيڪ نه هئي. روايتي آٽوميشن جا اوزار عمل کي منظم ڪرڻ ۾ مددگار ثابت ٿيا آهن، پر اهي اڪثر ڪري جديد انفراسٽرڪچر جي پيچيدگين ۽ نزاڪتن کي منهن ڏيڻ ۾ گهٽ هوندا آهن. هي اهو آهي جتي ZeroOps اچي ٿو - هڪ انقلابي طريقو جيڪو Agentic AI کي حاصل ڪري ٿو خودمختيار انفراسٽرڪچر مينيجمينٽ حاصل ڪرڻ لاءِ. هن آرٽيڪل ۾، اسين ZeroOps جي دنيا ۾ داخل ڪنداسين، ان جي بنيادي حصن، فائدن، ۽ عملي ايپليڪيشنن جي ڳولا ڪنداسين.

** ZeroOps ڇا آهي؟**

ZeroOps هڪ اڀرندڙ نمونو آهي جيڪو مصنوعي ذهانت (AI) جي طاقت کي ڪلائوڊ-مقامي ماحول جي لچڪ سان گڏ ڪري ٿو خود انتظاماتي انفراسٽرڪچر ٺاهڻ لاءِ. AI ايجنٽن، StackGen، ۽ LangChain جي صلاحيتن کي استعمال ڪندي، ZeroOps تنظيمن کي بنيادي ڍانچي جي انتظام کي خودڪار ڪرڻ، انساني غلطي کي گهٽائڻ، ۽ مجموعي ڪارڪردگي کي بهتر بنائڻ جي قابل بڻائي ٿو.

Agentic AI: The Heart of ZeroOps

Agentic AI هڪ قسم جي AI ڏانهن اشارو ڪري ٿو جيڪو ظاهر ڪري ٿو ذهين رويي، فيصلو ڪرڻ جي صلاحيت، ۽ موافقت. ZeroOps جي حوالي سان، Agentic AI ايجنٽن کي بنيادي ڍانچي جي نمونن مان سکڻ، بي ضابطگين جي نشاندهي ڪرڻ، ۽ اصلاحي قدم کڻڻ لاءِ ٺاهيو ويو آهي. اهي ايجنٽ مختلف ڊيٽا ذريعن تي تربيت ڪري سگھجن ٿا، بشمول لاگز، ميٽرڪس، ۽ ترتيب واري فائلون، انفراسٹرڪچر جي رويي جي گهڻي ڄاڻ کي وڌائڻ لاء.

اسٽيڪ جين: انفراسٽرڪچر-جي-ڪوڊ (IaC) انجڻ

StackGen هڪ اوپن سورس IaC انجڻ آهي جيڪو تنظيمن کي ڪوڊ جي طور تي انفراسٽرڪچر جي وضاحت ۽ انتظام ڪرڻ جي قابل بڻائي ٿو. StackGen استعمال ڪندي، ڊولپرز بنيادي ڍانچي ٽيمپليٽس ٺاهي، ايپليڪيشنن کي ترتيب ڏيڻ، ۽ وسيلن کي منظم ۽ ٻيهر پيدا ڪرڻ واري طريقي سان منظم ڪري سگھن ٿا. StackGen جو Agentic AI ايجنٽن سان انضمام خود شفا جي انفراسٽرڪچر ٺاهڻ جي اجازت ڏئي ٿو، جتي ايجنٽ اصل وقت ۾ مسئلن کي ڳولي ۽ درست ڪري سگهن ٿا.

LangChain: The AI-powered infrastructure orchestrator

LangChain هڪ پائٿون تي ٻڌل فريم ورڪ آهي جيڪو ڊولپرز کي AI-طاقتور انفراسٽرڪچر آرڪيسٽريٽرز کي ٺاهڻ ۽ ترتيب ڏيڻ جي قابل بڻائي ٿو. LangChain کي استعمال ڪندي، تنظيمون ٺاهي سگھن ٿيون ڪسٽم AI ايجنٽ جيڪي StackGen ۽ ٻين بنيادي ڍانچي جي اوزارن سان ضم ٿي خودمختيار زيربناء جي انتظام کي حاصل ڪرڻ لاء. LangChain جو ماڊل آرڪيٽيڪچر ۽ اڳ ۾ ٺهيل اجزاء جي وسيع لائبريري ان کي پيچيده AI-طاقتور انفراسٽرڪچر حل جي تعمير لاءِ هڪ مثالي انتخاب بڻائي ٿي.

** عملي درخواست: هڪ سادي مثال**

اچو ته هڪ سادي مثال تي غور ڪريون ته ڪيئن ZeroOps هڪ بادل-مقامي ماحول ۾ لاڳو ڪري سگهجي ٿو. فرض ڪريو اسان وٽ ڪبرنيٽس ڪلستر تي هڪ ويب ايپليڪيشن لڳايو ويو آهي، ۽ اسان ٽرئفڪ جي طلب جي بنياد تي ايپليڪيشن کي اسڪيل ڪرڻ جي عمل کي خودڪار ڪرڻ چاهيون ٿا.

``پٿون

langchain درآمد ڪريو langchain.agents کان LLMCchain درآمد ڪريو langchain.llms کان LangChainLLM درآمد ڪريو

AI ايجنٽ جي وضاحت ڪريو

ايجنٽ = ايل ايل ايم چين ( llm=LangChainLLM( model_name="code-davinci-002" گرمي پد = 0.7 max_tokens=2048, stop_sequences=["\n"، "\n\n"] ) chain_name="scale_app" )

وضاحت ڪريو StackGen ٽيمپليٽ

سانچو = { "kind": "تعزيرات", "ميٽا ڊيٽا": { "نالو": "ويب-ايپ" }، "خاص": { "نقل": 1 } }

وضاحت ڪريو اسڪيلنگ پاليسي

پاليسي = { "حالت": "ٽريفڪ > 1000", "عمل": { "نقل": 2 } }

ٺاھيو AI-powered infrastructure orchestrator

آرڪيسٽرٽر = LangChainLLM( model_name="code-davinci-002" گرمي پد = 0.7 max_tokens=2048, stop_sequences=["\n"، "\n\n"] )

StackGen جي ٺاھ جوڙ جي وضاحت ڪريو

تعیناتي = اسٽيڪ جين ( سانچو = سانچو پاليسي = پاليسي )

ايپليڪيشن کي ترتيب ڏيو

deployment.deploy()

ٽرئفڪ جي مطالبن جي بنياد تي ايپليڪيشن کي ماپ ڪريو

orchestrator.scale_app(ايجنٽ، مقرري) ``

هن مثال ۾، اسان LangChain استعمال ڪندي هڪ AI ايجنٽ جي وضاحت ڪئي آهي جيڪو ٽريفڪ جي طلب جي بنياد تي ويب ايپليڪيشن کي اسڪيل ڪرڻ جي عمل کي خودڪار ڪرڻ لاءِ StackGen سان ضم ٿئي ٿو. ايجنٽ ٽريفڪ ڊيٽا جو تجزيو ڪرڻ ۽ ايپليڪيشن کي اسڪيل ڪرڻ بابت فيصلا ڪرڻ لاءِ اڳ-تربيت ٿيل ٻولي ماڊل استعمال ڪري ٿو.

مٿين 5-10 سڀ کان وڌيڪ استعمال ٿيل ڪمانڊ/ٽڪرا

هتي آهن ڪجھ عام طور تي استعمال ٿيل حڪمن ۽ ٽڪڙن لاءِ ZeroOps:

1. langchain init: نئين LangChain پروجيڪٽ کي شروع ڪري ٿو. ڌوڙ langchain init my_project
2. LLM زنجير: هڪ نئون LLM زنجير ٺاهي ٿو. ``پٿون langchain.agents کان LLMCchain درآمد ڪريو langchain.llms کان LangChainLLM درآمد ڪريو

ايجنٽ = ايل ايل ايم چين ( llm=LangChainLLM( model_name="code-davinci-002" گرمي پد = 0.7 max_tokens=2048, stop_sequences=["\n"، "\n\n"] ) زنجير_نالو = "منهنجو_ سلسلو" ) 3. **stackgen deploy**: هڪ StackGen ٽيمپليٽ کي ڪلائوڊ فراهم ڪندڙ کي ترتيب ڏئي ٿو. ڌوڙ stackgen deploy my_template.yaml 4. **آرڪيسٽرٽر اسڪيل_ايپ**: ٽريفڪ جي طلب جي بنياد تي ايپليڪيشن کي ماپ ڪري ٿو.پٿون langchain.agents کان LLMCchain درآمد ڪريو langchain.llms کان LangChainLLM درآمد ڪريو

آرڪيسٽرٽر = LangChainLLM( model_name="code-davinci-002" گرمي پد = 0.7 max_tokens=2048, stop_sequences=["\n"، "\n\n"] )

orchestrator.scale_app(ايجنٽ، مقرري) 5. **ايجنٽ ٽرين**: ٽرين ڪري ٿو AI ايجنٽ کي ڊيٽا سيٽ تي. ڌوڙ ايجنٽ ٽرين my_dataset.csv 6. **اسٽيڪجن پاليسي**: هڪ ايپليڪيشن لاءِ اسڪيلنگ پاليسي بيان ڪري ٿي.پٿون پاليسي = { "حالت": "ٽريفڪ > 1000", "عمل": { "نقل": 2 } } 7. **langchain visualize**: هڪ AI ايجنٽ جي فيصلي سازي جي عمل کي ڏسڻ. ڌوڙ langchain visualize my_agent.json 8. **آرڪيسٽرٽر اسٽيٽس**: ايپليڪيشن جي اسٽيٽس کي ڏيکاري ٿو. ڌوڙ آرڪيسٽرٽر اسٽيٽس my_app 9. **stackgen لاگ**: StackGen جي ڊيپلائيمينٽ جا لاگ ڏيکاري ٿو. ڌوڙ stackgen لاگز my_deployment 10. **agent evaluate**: هڪ AI ايجنٽ جي ڪارڪردگي جو جائزو وٺي ٿو. ڌوڙ ايجنٽ جو اندازو لڳايو my_agent.json ``

تصوير

هتي چارٽ.js استعمال ڪندي ZeroOps آرڪيٽيڪچر جو هڪ تصور آهي: جيسن { "قسم": "بار"، "ڊيٽا": { "labels": ["Agentic AI"، "StackGen"، "LangChain"], "ڊيٽا سيٽس": [ { "label": "اجزاء", "ڊيٽا": [10، 8، 12]، "پس منظر جو رنگ": [ "rgba(255, 99, 132, 0.2)", "rgba(54, 162, 235, 0.2)", "rgba(255, 206, 86, 0.2)" ]، "سرحد جو رنگ": [ "rgba(255, 99, 132, 1)", "rgba(54, 162, 235, 1)", "rgba(255، 206، 86، 1)" ]، "سرحد جي ويڪر": 1 } ] }، "اختيارن": { "ترازو": { "yAxes": [ { "ticks": { "beginAtZero": سچ } } ] } } } `` هي تصور ڏيکاري ٿو ZeroOps جا ٽي بنيادي حصا: Agentic AI، StackGen، ۽ LangChain. بار چارٽ ZeroOps فن تعمير ۾ هر جزو جي لاڳاپي جي اهميت کي واضع ڪري ٿو.

اختتام

زيرو اوپس بنيادي ڍانچي جي انتظام لاءِ هڪ انقلابي طريقو آهي جيڪو Agentic AI، StackGen، ۽ LangChain کي حاصل ڪرڻ لاءِ خودمختيار بنيادي ڍانچي جي انتظام کي حاصل ڪري ٿو. AI ۽ IaC جي طاقت کي استعمال ڪندي، ZeroOps تنظيمن کي بنيادي ڍانچي جي انتظام کي خودڪار ڪرڻ، انساني غلطي کي گهٽائڻ، ۽ مجموعي ڪارڪردگي کي بهتر بنائڻ جي قابل بنائي ٿو. ان جي عملي ايپليڪيشنن، مٿين حڪمن، ۽ تصور سان، ZeroOps اسان کي بادل-مقامي ماحول ۾ انفراسٽرڪچر کي منظم ڪرڻ جي طريقي کي تبديل ڪرڻ لاء تيار آهي.