کیرو اے آئی سے چلنے والے ایجنٹوں اور لینگ چین کے ساتھ AI سے چلنے والے DevOps آٹومیشن کو نافذ کرنا

تعارف

مصنوعی ذہانت (AI) اور مشین لرننگ (ML) ٹیکنالوجیز کو اپنانے کے ساتھ، DevOps کا منظر تیزی سے تیار ہو رہا ہے۔ ان اہم شعبوں میں سے ایک جہاں AI نمایاں اثر ڈال رہا ہے وہ ہے DevOps آٹومیشن۔ اس مضمون میں، ہم ڈیو اوپس آٹومیشن میں AI ایجنٹوں کے تکنیکی نفاذ کو تلاش کریں گے، جس میں خود کار کاری اور آرکیسٹریشن کی بہتر صلاحیتوں کے لیے LangChain کے ساتھ Kiro AI سے چلنے والے ایجنٹوں کے انضمام پر توجہ مرکوز کی جائے گی۔

کیرو اے آئی سے چلنے والے ایجنٹ کیا ہیں؟

Kiro AI سے چلنے والے ایجنٹ ایک قسم کے سافٹ ویئر ایجنٹ ہیں جو کاموں کو خودکار بنانے اور فیصلے کرنے کے لیے AI اور ML الگورتھم استعمال کرتے ہیں۔ ان ایجنٹوں کو ڈیٹا سے سیکھنے اور بدلتے ہوئے ماحول کے مطابق ڈھالنے کے لیے ڈیزائن کیا گیا ہے، جو انہیں DevOps پائپ لائنز جیسے پیچیدہ اور متحرک نظاموں کے لیے مثالی بناتے ہیں۔

LangChain کیا ہے؟

LangChain ایک Python لائبریری ہے جو بات چیت کی AI ایپلی کیشنز بنانے کے لیے ٹولز اور APIs کا ایک سیٹ فراہم کرتی ہے۔ یہ ڈویلپرز کو نیچرل لینگویج پروسیسنگ (NLP) اور مشین لرننگ الگورتھم کا استعمال کرتے ہوئے چیٹ بوٹس، صوتی معاونین، اور دیگر بات چیت کے انٹرفیس بنانے کی اجازت دیتا ہے۔

لینگ چین کے ساتھ Kiro AI سے چلنے والے ایجنٹوں کو مربوط کرنا

Kiro AI سے چلنے والے ایجنٹوں کو LangChain کے ساتھ مربوط کرنے کے لیے، ہمیں ایک بات چیت کا انٹرفیس بنانے کی ضرورت ہے جو ایجنٹوں کے ساتھ بات چیت کر سکے اور انہیں ضروری ان پٹ اور آؤٹ پٹ فراہم کر سکے۔ یہاں فن تعمیر کا ایک اعلیٰ سطحی جائزہ ہے:

1. صارف کا ان پٹ: صارف گفتگو کے انٹرفیس کے ساتھ بات چیت کرتا ہے، متن یا آواز کی شکل میں ان پٹ فراہم کرتا ہے۔
2. نیچرل لینگویج پروسیسنگ (NLP): متعلقہ معلومات اور ارادے کو نکالنے کے لیے NLP الگورتھم کا استعمال کرتے ہوئے ان پٹ پر کارروائی کی جاتی ہے۔
3. ایجنٹ کا انتخاب: بات چیت کا انٹرفیس صارف کے ان پٹ اور ارادے کی بنیاد پر متعلقہ Kiro AI سے چلنے والے ایجنٹ کا انتخاب کرتا ہے۔
4. ایجنٹ کا تعامل: منتخب ایجنٹ کو ضروری کام انجام دینے کے لیے متحرک کیا جاتا ہے، جیسے کاموں کو خود کار بنانا یا فیصلے کرنا۔
5. آؤٹ پٹ: ایجنٹ کے آؤٹ پٹ پر کارروائی کی جاتی ہے اور بات چیت کے انٹرفیس کے ذریعے صارف کو واپس کردی جاتی ہے۔

تکنیکی نفاذ

اس فن تعمیر کو نافذ کرنے کے لیے، ہمیں Python، Rust، اور Go پروگرامنگ زبانوں کا مجموعہ استعمال کرنے کی ضرورت ہے۔ یہاں ایک سادہ کوڈ بلاک ہے جو لینگ چین کے ساتھ Kiro AI سے چلنے والے ایجنٹوں کے انضمام کو ظاہر کرتا ہے: `` ازگر langchain درآمد کریں کیرو امپورٹ ایجنٹ سے

chatbot = langchain.Chatbot( model="davinci:002" درجہ حرارت = 0.7، max_tokens=2048, user_agent="Kiro AI سے چلنے والا ایجنٹ" )

Kiro AI سے چلنے والا ایجنٹ بنائیں

ایجنٹ = ایجنٹ نام = "میرا ایجنٹ" description="ایک سادہ ایجنٹ جو کاموں کو خودکار کرتا ہے" اعمال=[ "رن_کمانڈ"، "ای میل بھیجیں"، "ٹکٹ بنائیں" ] )

ایجنٹ کے ساتھ بات چیت کرنے کے لیے فنکشن کی وضاحت کریں۔

def interact_with_agent(input_text): # NLP کا استعمال کرتے ہوئے ان پٹ پر کارروائی کریں۔ ارادہ = langchain.extract_intent(input_text)

# ارادے کی بنیاد پر متعلقہ ایجنٹ کا انتخاب کریں۔
اگر ارادہ == "رن_کمانڈ":
    agent.run_command()
elif intent == "ای میل بھیجیں":
    agent.send_email()
elif intent == "create_ticket":
    agent.create_ticket()

# ایجنٹ کا آؤٹ پٹ واپس کریں۔
واپسی agent.output

فنکشن کی جانچ کریں۔

input_text = "بلڈ اسکرپٹ چلائیں" آؤٹ پٹ = ایجنٹ کے ساتھ بات چیت (ان پٹ_ٹیکسٹ) پرنٹ (آؤٹ پٹ) `` یہ کوڈ بلاک یہ ظاہر کرتا ہے کہ ایک LangChain چیٹ بوٹ اور Kiro AI سے چلنے والا ایجنٹ کیسے بنایا جائے، اور بات چیت کے انٹرفیس کا استعمال کرتے ہوئے ایجنٹ کے ساتھ بات چیت کیسے کی جائے۔

ٹاپ 5-10 سب سے زیادہ استعمال شدہ کمانڈز/ٹکڑے

Kiro AI سے چلنے والے ایجنٹس اور LangChain کے لیے عام طور پر استعمال ہونے والے کچھ کمانڈز اور اسنیپٹس یہ ہیں:

1. langchain.Chatbot(model="davinci:002", temperature=0.7, max_tokens=2048, user_agent="Kiro AI-Powered Agent"): مخصوص ماڈل اور پیرامیٹرز کے ساتھ ایک LangChain چیٹ بوٹ بناتا ہے۔
2. Agent(name="My Agent", description="ایک سادہ ایجنٹ جو کاموں کو خودکار کرتا ہے", ایکشنز=["run_command", "send_email", "create_ticket"]): مخصوص نام، تفصیل اور اعمال کے ساتھ ایک Kiro AI سے چلنے والا ایجنٹ بناتا ہے۔
3. langchain.extract_intent(input_text): ارادے کو نکالنے کے لیے NLP کا استعمال کرتے ہوئے ان پٹ ٹیکسٹ پر کارروائی کرتا ہے۔
4. agent.run_command(): ایجنٹ کو کمانڈ چلانے کے لیے متحرک کرتا ہے۔
5. agent.send_email(): ایجنٹ کو ای میل بھیجنے کے لیے متحرک کرتا ہے۔
6. agent.create_ticket(): ایجنٹ کو ٹکٹ بنانے کے لیے متحرک کرتا ہے۔
7. langchain.Chatbot().ask(input_text): چیٹ بوٹ سے سوال پوچھتا ہے اور جواب واپس کرتا ہے۔
8. langchain.Chatbot().tell(input_text): چیٹ بوٹ کو ایک بیان بتاتا ہے اور جواب واپس کرتا ہے۔
9. langchain.Chatbot().listen(): صارف کے ان پٹ کو سنتا ہے اور جواب واپس کرتا ہے۔
10. langchain.Chatbot().stop(): چیٹ بوٹ کو روکتا ہے اور وسائل جاری کرتا ہے۔

تصور

یہاں Chart.js کا استعمال کرتے ہوئے فن تعمیر کا ایک سادہ تصور ہے: json { "type": "پائی چارٹ"، "ڈیٹا": { "labels": ["صارف کا ان پٹ"، "NLP"، "ایجنٹ کا انتخاب"، "ایجنٹ کا تعامل"، "آؤٹ پٹ"], "ڈیٹا سیٹ": [ { "label": "فن تعمیر", "ڈیٹا": [10، 20، 30، 40، 50]، "پس منظر کا رنگ": [ "#FF6384"، "#36A2EB"، "#FFCE56"، "#4BC0C0" "#FF99CC" ] } ] }، "اختیارات": { "عنوان": { "ڈسپلے": سچ، "text": "AI-Powered DevOps آٹومیشن آرکیٹیکچر" }، "لیجنڈ": { "ڈسپلے": سچ } } } یہ تصور فن تعمیر کے مختلف اجزاء کو ظاہر کرتا ہے، بشمول صارف کا ان پٹ، NLP، ایجنٹ کا انتخاب، ایجنٹ کا تعامل، اور آؤٹ پٹ۔

نتیجہ

اس آرٹیکل میں، ہم نے ڈیو اوپس آٹومیشن میں AI ایجنٹوں کے تکنیکی نفاذ کی کھوج کی، جس میں خود کار طریقے سے بہتر اور آرکیسٹریشن کی صلاحیتوں کے لیے LangChain کے ساتھ Kiro AI سے چلنے والے ایجنٹوں کے انضمام پر توجہ دی گئی۔ ہم نے ایک سادہ کوڈ بلاک کا مظاہرہ کیا جو Kiro AI سے چلنے والے ایجنٹوں کے LangChain کے ساتھ انضمام کو ظاہر کرتا ہے، اور Kiro AI سے چلنے والے ایجنٹوں اور LangChain کے لیے سب سے زیادہ استعمال ہونے والے کمانڈز اور اسنیپٹس کی فہرست فراہم کرتا ہے۔ ہم نے Chart.js کا استعمال کرتے ہوئے فن تعمیر کا تصور بھی شامل کیا۔ AI سے چلنے والے ایجنٹس اور بات چیت کے انٹرفیس کا استعمال کرکے، DevOps ٹیمیں کاموں کو خودکار کر سکتی ہیں، کارکردگی کو بہتر بنا سکتی ہیں، اور غلطیوں کو کم کر سکتی ہیں، جس سے DevOps آٹومیشن کو زیادہ موثر اور موثر بنایا جا سکتا ہے۔