AI-ээр ажилладаг DevOps автоматжуулалттай уян хатан програм хангамжийн системийг бий болгох
Танилцуулга
Өнөөгийн хурдацтай хөгжиж буй дижитал орчинд програм хангамжийн системүүд улам бүр нарийн төвөгтэй, харилцан уялдаатай болж, алдаа дутагдал, сул зогсолтод илүү өртөмтгий болгож байна. Эдгээр эрсдлийг бууруулахын тулд байгууллагууд өөрчлөгдөж буй орчинд дасан зохицож, саатлын нөлөөллийг багасгах чадвартай програм хангамжийн системийг бий болгохын тулд хиймэл оюун ухаанаар ажилладаг DevOps автоматжуулалт руу шилжиж байна. Энэ нийтлэлд бид ZeroOps стратегийн тухай ойлголтыг судалж, DevOps-ийн автоматжуулалтыг сайжруулах, програм хангамжаар тодорхойлсон дэд бүтцийг ашиглах, хиймэл оюун ухаанд суурилсан шийдвэр гаргахад Kiro AI-ээр ажилладаг агентууд болон LangChain-ийг хэрхэн ашиглах талаар судлах болно.
ZeroOps гэж юу вэ?
ZeroOps бол програм хангамжийн системийг байрлуулах, удирдахад хүний оролцоог арилгахад чиглэсэн DevOps стратеги юм. Энэ нь хүний оролцоогүйгээр асуудлыг илрүүлэх, оношлох, шийдвэрлэх боломжтой хиймэл оюун ухаанаар ажилладаг автоматжуулалтын хэрэгслүүдийг ашигласнаар хүрдэг. ZeroOps нь тасралтгүй нэгтгэх, тасралтгүй байршуулах (CI/CD) зарчим дээр суурилдаг бөгөөд кодын өөрчлөлтийг автоматаар бүтээж, туршиж, үйлдвэрлэлийн орчинд байршуулдаг.
Киро хиймэл оюун ухаанаар ажилладаг агентууд
Киро бол хяналт, бүртгэл, ослын хариу арга хэмжээ гэх мэт янз бүрийн DevOps ажлуудыг автоматжуулахад ашиглаж болох хиймэл оюун ухаанаар ажилладаг агент юм. Киро нь системийн өгөгдөлд дүн шинжилгээ хийх, болзошгүй асуудлууд гарахаас өмнө урьдчилан таамаглахын тулд машин сургалтын алгоритмуудыг ашигладаг. Энэ нь тасалдалаас урьдчилан сэргийлэх, зогсолтыг багасгахын тулд идэвхтэй арга хэмжээ авах боломжийг олгодог.
LangChain
LangChain бол Python номын сан бөгөөд харилцан ярианы AI програмуудыг бий болгох хүрээг бүрдүүлдэг. Үүнийг хэрэглэгчид болон бусад системүүдтэй харилцах боломжтой чатботууд, дуут туслахууд болон бусад харилцан ярианы интерфейсийг бий болгоход ашиглаж болно. LangChain нь ZeroOps системийг бий болгоход онцгой ач холбогдолтой бөгөөд үүнийг хөгжүүлэгчид болон операторуудад бодит цагийн санал хүсэлт, зааварчилгаа өгөх боломжтой харилцан ярианы интерфейсийг бий болгоход ашиглаж болно.
Kiro болон LangChain-тай ZeroOps-ийг хэрэгжүүлэх
Kiro болон LangChain-тай ZeroOps-ийг хэрэгжүүлэхийн тулд бид дараах алхмуудыг хийх шаардлагатай болно.
- Kiro-г тохируулах: Систем дээрээ Kiro-г суулгаж, програмынхаа бүртгэл болон хэмжигдэхүүнийг хянахын тулд тохируулна уу.
- LangChain интерфэйс үүсгэх: LangChain ашиглан Kiro-тэй харилцаж, хөгжүүлэгчид болон операторуудад бодит цагийн санал хүсэлт, зааварчилгаа өгөх боломжтой харилцан ярианы интерфэйс үүсгэнэ үү.
- Kiro-г LangChain-тэй нэгтгэх: Kiro-г харилцан ярианы интерфэйстэйгээ нэгтгэхийн тулд LangChain API ашиглана уу.
- Үйлдвэрлэлд байршуулах: Өөрийн ZeroOps системийг үйлдвэрлэлд байрлуулж, түүний ажиллагааг туршиж үзээрэй.
Код жишээ
DevOps даалгаврыг автоматжуулахын тулд Kiro болон LangChain-ийг хэрхэн ашиглаж болох энгийн жишээ энд байна.
импортын киро
langchain импортын LLMS-ээс
kiro_agent = kiro.Agent()
# LangChain LLMS үүсгэх
llms = LLMS(
загвар = "давинчи",
температур = 0.7,
max_tokens=2048,
stop=["\n", "\n\n"],
)
# DevOps ажлыг автоматжуулах функцийг тодорхойлох
def automate_task():
# Програмын бүртгэл болон хэмжигдэхүүнийг хянахын тулд Kiro-г ашиглана уу
бүртгэлүүд = kiro_agent.get_logs()
хэмжүүр = kiro_agent.get_metrics()
# LangChain ашиглан бүртгэл болон хэмжүүрт дүн шинжилгээ хийнэ үү
шинжилгээ = llms.run(
оролт={"логууд": бүртгэлүүд, "хэмжээ": хэмжүүр},
даалгавар = "шинжилгээ",
)
# Шинжилгээнд үндэслэн арга хэмжээ авна
хэрэв шинжилгээ["үр дүн"] == "асуудал":
# Залруулах арга хэмжээ авах
kiro_agent.take_action()
# Функцийг ажиллуул
автоматжуулах_даалгавар()
Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг
Kiro болон LangChain-д зориулсан хамгийн түгээмэл хэрэглэгддэг командууд болон хэсгүүдийн заримыг энд оруулав.
- Kiro:
kiro_agent.get_logs(): Програмын бүртгэлийг Kiro-оос авах. - Kiro:
kiro_agent.get_metrics(): Аппликешны хэмжүүрийг Kiro-с авна уу. - LangChain:
llms.run(input={"logs": logs, "metrics": metrics}, task="analyze"): LangChain ашиглан бүртгэл болон хэмжигдэхүүнд дүн шинжилгээ хийх. - Киро:
kiro_agent.take_action(): Шинжилгээнд үндэслэн засах арга хэмжээ авна. - LangChain:
llms.generate_response(input={"user": "hello"}, task="response"): Хэрэглэгчийн оруулсан мэдээлэлд хариу үүсгэх. - Kiro:
kiro_agent.get_status(): Програмын статусыг авна уу. - LangChain:
llms.run(input={"logs": logs, "metrics": metrics}, task="predict"): LangChain ашиглан болзошгүй асуудлуудыг урьдчилан таамаглах. - Kiro:
kiro_agent.set_config(config={"log_level": "debug"}): Kiro-д зориулсан тохиргоог тохируулна уу. - LangChain:
llms.run(input={"user": "help"}, task="help"): Хэрэглэгчид тусламж үзүүлэх. - Kiro:
kiro_agent.get_logs(limit=100): Сүүлийн 100 програмын бүртгэлийг Kiro-с аваарай.
Дүрслэл
Chart.js ашиглан ZeroOps системийн энгийн дүрслэлийг энд үзүүлэв.
{
"төрөл": "бар",
"өгөгдөл": {
"шошго": ["Хяналт", "Шинжилгээ", "Үйл ажиллагаа"],
"өгөгдлийн багц": [
{
"label": "Цаг",
"өгөгдөл": [10, 20, 30],
"backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
}
]
},
"сонголт": {
"гарчиг": {
"дэлгэц": үнэн,
"текст": "ZeroOps систем"
},
"масштаб": {
"yAxes": [
{
"хачиг": {
"beginAtZero": үнэн
}
}
]
}
}
}
Энэхүү дүрслэл нь ZeroOps системийн үе шат бүрт хяналт тавихаас эхлээд үйлдэл хүртэл зарцуулсан хугацааг харуулдаг.
Дүгнэлт
Энэ нийтлэлд бид ZeroOps стратегийн тухай ойлголтыг судалж, DevOps автоматжуулалтыг сайжруулах, програм хангамжаар тодорхойлсон дэд бүтэц, хиймэл оюун ухаанд тулгуурласан шийдвэр гаргахын тулд Kiro AI-ээр ажилладаг агентууд болон LangChain-ийг хэрхэн ашиглаж болохыг судалсан. Бид мөн энгийн кодын жишээ болон ZeroOps системийн дүрслэлийг өгсөн. ZeroOps-ийг хэрэгжүүлснээр байгууллагууд өөрчлөгдөж буй орчинд дасан зохицож, саатлын нөлөөллийг багасгах чадвартай програм хангамжийн системийг бий болгож чадна.