** AI-Powered DevOps አውቶሜሽን ከኪሮ AI-powered agents እና LangChain ጋር መተግበር**

መግቢያ

የአርቴፊሻል ኢንተለጀንስ (AI) እና የማሽን መማሪያ (ኤምኤል) ቴክኖሎጂዎችን መቀበሉ እየጨመረ በመምጣቱ የዴቭኦፕስ የመሬት ገጽታ በፍጥነት እያደገ ነው። AI ከፍተኛ ተጽዕኖ ከሚያሳድርባቸው ቁልፍ ቦታዎች አንዱ በDevOps አውቶሜሽን ውስጥ ነው። በዚህ ጽሑፍ ውስጥ የኪሮ AI-ኃይል ወኪሎችን ከ LangChain ጋር ለተሻሻለ አውቶማቲክ እና ኦርኬስትራ ችሎታዎች በማዋሃድ ላይ በማተኮር በዴቭኦፕ አውቶሜሽን ውስጥ የ AI ወኪሎችን ቴክኒካዊ አተገባበር እንቃኛለን።

** የኪሮ AI-ኃይል ወኪሎች ምንድናቸው?**

Kiro AI-powered agents ስራዎችን በራስ ሰር ለመስራት እና ውሳኔዎችን ለማድረግ AI እና ML ስልተ ቀመሮችን የሚጠቀም የሶፍትዌር ወኪል አይነት ነው። እነዚህ ወኪሎች ከመረጃ ለመማር እና ከተለዋዋጭ አካባቢዎች ጋር ለመላመድ የተነደፉ ናቸው፣ ይህም እንደ DevOps pipeline ላሉ ውስብስብ እና ተለዋዋጭ ስርዓቶች ተስማሚ ያደርጋቸዋል።

** LangChain ምንድን ነው?**

LangChain የውይይት AI መተግበሪያዎችን ለመገንባት መሳሪያዎችን እና ኤፒአይዎችን የሚያቀርብ የፓይዘን ቤተ-መጽሐፍት ነው። ገንቢዎች በተፈጥሮ ቋንቋ ማቀናበሪያ (NLP) እና የማሽን መማሪያ ስልተ ቀመሮችን በመጠቀም ቻትቦቶችን፣ የድምጽ ረዳቶችን እና ሌሎች የውይይት መገናኛዎችን እንዲፈጥሩ ያስችላቸዋል።

** የኪሮ AI-ኃይል ወኪሎችን ከላንግቻይን ጋር በማዋሃድ ላይ ***

Kiro AI-powered agents ከላንግቻይን ጋር ለማዋሃድ ከወኪሎቹ ጋር መስተጋብር መፍጠር እና አስፈላጊውን ግብአት እና ውፅዓት ሊያቀርብላቸው የሚችል የውይይት በይነገጽ መፍጠር አለብን። የህንጻው ከፍተኛ ደረጃ አጠቃላይ እይታ ይኸውና፡

1. ** የተጠቃሚ ግቤት ***፡ ተጠቃሚው ከውይይት በይነገጽ ጋር ይገናኛል፣ ግብአትን በጽሁፍ ወይም በድምጽ ያቀርባል።
2. የተፈጥሮ ቋንቋ ማቀናበር (NLP)፡ ግብአቱ የሚካሄደው በNLP ስልተ ቀመሮች በመጠቀም ተዛማጅ መረጃዎችን እና ዓላማን ለማውጣት ነው።
3. የወኪል ምርጫ፡ የውይይት በይነገጹ የሚመለከተውን የኪሮ AI ኃይል ያለው ወኪል በተጠቃሚው ግብአት እና ሃሳብ መሰረት ይመርጣል።
4. **የወኪል መስተጋብር ***፡ የተመረጠው ወኪል እንደ ተግባራትን በራስ-ሰር ማድረግ ወይም ውሳኔዎችን የመሳሰሉ አስፈላጊ ተግባራትን እንዲፈጽም ይነሳሳል።
5. ውጤት፡- የወኪሉ ውፅዓት ተዘጋጅቶ ወደ ተጠቃሚው በንግግር በይነገጽ ይመለሳል።

** ቴክኒካዊ አተገባበር ***

ይህንን አርክቴክቸር ተግባራዊ ለማድረግ የፓይዘን፣ ሩስት እና ጎ ፕሮግራሚንግ ቋንቋዎችን መጠቀም አለብን። የኪሮ AI ኃይል ያላቸው ወኪሎች ከላንግቻይን ጋር መቀላቀላቸውን የሚያሳይ ቀላል የኮድ እገዳ ይኸውና፡ `` ፓይቶን አስመጣ langchain ከኪሮ አስመጪ ወኪል

chatbot = langchain.Chatbot( ሞዴል="davinci:002", የሙቀት መጠን = 0.7, max_tokens=2048፣ user_agent="Kiro AI-Powered Agent" )

በኪሮ AI የሚንቀሳቀስ ወኪል ይፍጠሩ

ወኪል = ወኪል ( ስም = "የእኔ ወኪል", description="ተግባራትን በራስ-ሰር የሚያደርግ ቀላል ወኪል", ድርጊቶች=[ "አሂድ_ትእዛዝ", "ኢሜል ላክ", "ትኬት_ፍጠር" ] )

ከወኪሉ ጋር ለመገናኘት ተግባርን ይግለጹ

def መስተጋብር_ከወኪሉ(የግቤት_ጽሁፍ) NLP ን በመጠቀም # ግቤትን ያስኬዱ ሐሳብ = langchain.extract_intent(ግቤት_ጽሑፍ)

# በዓላማው መሰረት ተገቢውን ወኪል ይምረጡ
ከሆነ == "ትዕዛዝ_አሂድ"፡-
    agent.run_command()
elif intent == "ኢሜል ላክ"፡
    agent.send_email()
elif intent == "ትኬት_ፍጠር"፡
    ወኪል.ትኬት_ፍጠር()

# የወኪሉን ውጤት ይመልሱ
ተመለስ ወኪል.ውጤት

ተግባሩን ይሞክሩ

input_text = "የግንባታ ስክሪፕቱን አሂድ" ውፅዓት = ከተወካዩ ጋር መስተጋብር (የግቤት_ጽሁፍ) ማተም (ውፅዓት)

ይህ ኮድ ብሎክ እንዴት የ LangChain chatbot እና Kiro AI-powered ወኪል መፍጠር እንደሚቻል እና የውይይት በይነገጽን በመጠቀም ከወኪሉ ጋር እንዴት እንደሚገናኙ ያሳያል።

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

ለKiro AI-powered agents እና LangChain በብዛት ጥቅም ላይ የዋሉት አንዳንድ ትዕዛዞች እና ቅንጥቦች እዚህ አሉ፡

1. `langchain.Chatbot(model = "davinci:002", temperature=0.7, max_tokens=2048, user_agent="Kiro AI-Powered Agent")'፡ ከተጠቀሰው ሞዴል እና መለኪያዎች ጋር የላንግቻይን ቻትቦት ይፈጥራል።
2. `ወኪል (ስም = "የእኔ ወኪል", መግለጫ = "ተግባራትን በራስ-ሰር የሚያደርግ ቀላል ወኪል", ድርጊቶች=["አሂድ_ትእዛዝ", "ኢሜል_ኢሜል", "ትኬት_ፍጠር"])): በተጠቀሰው ስም፣ መግለጫ እና ድርጊት በኪሮ AI የሚንቀሳቀስ ወኪል ይፈጥራል።
3. `langchain.extract_intent(input_text)`፡ ሀሳቡን ለማውጣት NLPን በመጠቀም የግቤት ፅሁፉን ያስኬዳል።
4. `agent.run_command()`፡ ወኪሉ ትዕዛዝ እንዲያስኬድ ያነሳሳዋል።
5. `agent.send_email()`፡ ተወካዩ ኢሜል እንዲልክ ያነሳሳል።
6. `agent.create_ticket()`፡ ወኪሉ ትኬት እንዲፈጥር ያነሳሳል።
7. `langchain.Chatbot()ጠይቅ(ግቤት_ጽሑፍ)`፡ ለቻትቦት ጥያቄ ጠይቆ ምላሹን ይመልሳል።
8. `langchain.Chatbot().tell(input_text)`፡ ለቻትቦት መግለጫ ይነግረዋል እና ምላሹን ይመልሳል።
9. `langchain.Chatbot() ማዳመጥ()`፡ የተጠቃሚውን ግቤት ያዳምጣል እና ምላሹን ይመልሳል።
10. `langchain.Chatbot().stop()`፡ ቻትቦትን ያቆማል እና መርጃዎችን ያወጣል።

**እይታ**

Chart.jsን በመጠቀም የሕንፃው ንድፍ ቀላል እይታ ይኸውና፡
``json
{
  "አይነት": "pieChart",
  "ውሂብ": {
    "labels": ["የተጠቃሚ ግቤት"፣ "NLP"፣ "የወኪል ምርጫ"፣ "የወኪል መስተጋብር"፣ "ውፅዓት"]፣
    "መረጃዎች": [
      {
        "label": "አርክቴክቸር",
        "ውሂብ": [10, 20, 30, 40, 50],
        "የጀርባ ቀለም": [
          "#FF6384",
          "#36A2EB",
          "#FFCE56",
          "#4BC0C0",
          "#FF99CC"
        ]
      }
    ]
  }
  "አማራጮች": {
    "ርዕስ": {
      "ማሳያ": እውነት,
      "text": "AI-Powered DevOps Automation Architecture"
    }
    "አፈ ታሪክ": {
      "ማሳያ": እውነት
    }
  }
}

ይህ የእይታ እይታ የተጠቃሚን ግብአት፣ NLP፣ የወኪል ምርጫ፣ የወኪል መስተጋብር እና ውፅዓትን ጨምሮ የተለያዩ የሕንፃውን ክፍሎች ያሳያል።

** መደምደሚያ**

በዚህ ጽሑፍ ውስጥ የኪሮ AI ኃይል ያላቸው ወኪሎች ከላንግቻይን ጋር ለተሻሻለ አውቶማቲክ እና ኦርኬስትራ ችሎታዎች ውህደት ላይ በማተኮር በዴቭኦፕ አውቶሜሽን ውስጥ የ AI ወኪሎችን ቴክኒካዊ አተገባበር መርምረናል። በኪሮ AI የሚንቀሳቀሱ ወኪሎች ከላngChain ጋር መቀላቀላቸውን የሚያሳይ ቀላል የኮድ ብሎክ አሳይተናል፣ እና ለኪሮ AI-powered agents እና LangChain በብዛት ጥቅም ላይ የዋሉ ትዕዛዞችን እና ቅንጣቢዎችን ዝርዝር አቅርበናል። Chart.jsን በመጠቀም የሕንፃውን ምስላዊ እይታም አካተናል። በ AI የሚንቀሳቀሱ ወኪሎችን እና የውይይት በይነገጾችን በመጠቀም የዴቭኦፕስ ቡድኖች ተግባራትን በራስ ሰር መስራት፣ ቅልጥፍናን ማሻሻል እና ስህተቶችን መቀነስ፣ DevOps አውቶማቲክን የበለጠ ውጤታማ እና ቀልጣፋ ማድረግ ይችላሉ።