Тохиромжтой програм хангамжийн архитектурт зориулсан контекстийг мэддэг AI агентууд: Agentic CI/CD-г зохион байгуулалтын хэрэгслээр хэрэгжүүлэх нь | B4N1

Тохиромжтой програм хангамжийн архитектурт зориулсан контекстийг мэддэг AI агентууд: Agentic CI/CD-г зохион байгуулалтын хэрэгслээр хэрэгжүүлэх нь

3 months ago · b4n1 Read time: 4 min

Танилцуулга

Програм хангамжийн хөгжүүлэлтийн хурдацтай хөгжиж буй өнөө үед уян хатан, өргөтгөх боломжтой системийг бий болгох нь урьд өмнөхөөсөө илүү чухал юм. Програм хангамжийн системийн өсөн нэмэгдэж буй нарийн төвөгтэй байдал, хиймэл оюун ухаан, машин сургалтын өсөлттэй зэрэгцэн өөрчлөгдөж буй орчинд дасан зохицож, мэдээлэлтэй шийдвэр гаргах боломжтой контекстийг мэддэг AI агентуудыг хөгжүүлэхэд хүргэсэн. Энэ нийтлэлд бид контекстийг мэддэг AI агентуудын тухай ойлголт, тэдгээрийг зохион байгуулах хэрэгслийг ашиглан агент CI/CD дамжуулах хоолойд хэрэгжүүлэх талаар судлах болно.

Контекстийг мэддэг AI агентууд гэж юу вэ?

Контекстийг мэддэг AI агентууд нь тухайн нөхцөл байдалд тохирсон байдлаар хүрээлэн буй орчныг таньж, хариу үйлдэл үзүүлэх чадвартай хиймэл оюун ухааны нэг төрөл юм. Тэд контекстийг ойлгож, үүний дагуу шийдвэр гаргахын тулд машин сурах болон байгалийн хэл боловсруулах арга техникийг ашигладаг. Програм хангамж хөгжүүлэхэд контекстийг мэддэг AI агентуудыг даалгавруудыг автоматжуулах, хамтын ажиллагааг сайжруулах, шийдвэр гаргах чадварыг сайжруулахад ашиглаж болно.

Agentic CI/CD дамжуулах хоолой

Agentic CI/CD дамжуулах хоолой нь програм хангамж хөгжүүлэх үйл явцыг автоматжуулж, оновчтой болгохын тулд хиймэл оюун ухаан болон машин сургалтыг ашигладаг тасралтгүй интеграцчилал, тасралтгүй байршуулалтын нэг төрөл юм. Эдгээр дамжуулах шугамууд нь контекстийг мэддэг AI агентуудыг ашиглан өгөгдөлд дүн шинжилгээ хийх, шийдвэр гаргах, програм хангамж хөгжүүлэх үйл явцын нөхцөл байдалд үндэслэн арга хэмжээ авахад ашигладаг.

Зохиолын хэрэгсэл

Оркестрийн хэрэгслүүд нь програм хангамжийн хэрэглээг байрлуулах, масштаблах, удирдах ажлыг автоматжуулж, удирддаг програм хангамжийн систем юм. Тэд олон систем, үйлчилгээний үйл ажиллагааг зохицуулахын тулд API, скрипт болон бусад хэрэгслийг ашигладаг. Агентлаг CI/CD дамжуулах шугамын хүрээнд хиймэл оюун ухааны агентууд болон бусад системүүдийн хоорондох өгөгдлийн урсгал, үйлдлийг удирдахын тулд зохион байгуулах хэрэгслийг ашигладаг.

Өргөтгөх боломжтой, ёс зүйтэй програм хангамжийн системийг зохион бүтээх

Өргөтгөх боломжтой, ёс зүйтэй програм хангамжийн системийг зохион бүтээхдээ дараах хүчин зүйлсийг харгалзан үзэх шаардлагатай.

  • ** Өргөтгөх чадвар**: Системийн гүйцэтгэлийг алдагдуулахгүйгээр нэмэгдэж буй ачаалал, замын хөдөлгөөнийг зохицуулах чадвар.
  • Ёс зүй: Систем нь шударга, ил тод, хэрэглэгчийн эрх ашиг сонирхлыг хүндэтгэсэн байдлаар ажиллах чадвар юм.
  • Тэсвэртэй байдал: Системийн бүтэлгүйтлээс сэргэж, бэрхшээл тулгарсан үед ажиллах чадвараа хадгалах чадвар.

Agentic CI/CD-г зохион байгуулалтын хэрэгслээр хэрэгжүүлэх

Оркестрийн хэрэгслээр агент CI/CD-г хэрэгжүүлэхийн тулд та дараах алхмуудыг хийж болно.

  1. Байгууллагын хэрэглүүрийг сонгоно уу: Kubernetes, Apache Airflow эсвэл AWS Step Functions зэрэг тохиромжтой зохион байгуулалтын хэрэгслийг сонгоно уу.
  2. CI/CD дамжуулах хоолойг төлөвлөх: AI агентууд болон бусад системүүдийн хоорондох өгөгдлийн урсгал болон үйлдлийг тодорхойлох.
  3. AI агентуудыг хэрэгжүүлэх: Машин сурах болон байгалийн хэлийг боловсруулах арга техникийг ашиглан контекстийг мэддэг AI агентуудыг хөгжүүлэх.
  4. Оркестрийн хэрэгсэлтэй нэгтгэх: CI/CD дамжуулах хоолойг автоматжуулж, удирдахын тулд AI агентуудыг зохион байгуулалтын хэрэгсэлтэй нэгтгэнэ.

Жишээ код: Python дээр контекстийг мэддэг AI агентыг хэрэгжүүлэх

Python дээр контекстийг мэддэг AI агентийг хэрхэн хэрэгжүүлэхийг харуулсан жишээ кодын блок энд байна:

numpy-г np хэлбэрээр импортлох
sklearn.ensemble-аас RandomForestClassifier импортлох
sklearn.model_selection импортын галт тэрэгний_test_split-ээс
sklearn.metrics-аас импортын нарийвчлал_оноо

# Өгөгдөл ачаалах
өгөгдөл = np.loadtxt('data.csv')

# Өгөгдлийг сургалт, туршилтын багц болгон хуваах
X_train, X_test, y_train, y_test = train_test_split(өгөгдөл[:, :-1], өгөгдөл[:, -1], туршилтын_хэмжээ=0.2, санамсаргүй_төлөв=42)

# Санамсаргүй ой ангилагчийг сургах
clf = RandomForestClassifier(n_estimators=100, санамсаргүй_төлөв=42)
clf.fit(X_train, y_train)

# Туршилтын багц дээр таамаглал гаргах
y_pred = clf.predict(X_test)

# Загварыг үнэл
нарийвчлал = нарийвчлалын_оноо(y_test, y_pred)
хэвлэх(f' Нарийвчлал: {нарийвчлал:.3f}')

# Контекстийг мэддэг AI агентийг тодорхойлох
AI-агент ангилал:
    def __init__(өөрөө):
        self.clf = clf

    def таамаглах (өөрийгөө, X):
        self.clf.predict(X) буцаах

# AI агентын жишээг үүсгэ
ai_agent = AI-Agent()

# AI агент ашиглан таамаглал дэвшүүлээрэй
X_new = np.array([[1, 2, 3]])
таамаглал = ai_agent.predict(X_new)
хэвлэх(f'Таамаглал: {урьдчилан таамаглах}')

Энэхүү кодын блок нь өгөгдлийн багц дээр санамсаргүй ой ангилагчийг хэрхэн сургаж, таамаглахад ашиглахыг харуулж байна. Энэ нь мөн урьдчилан таамаглахад бэлтгэгдсэн ангилагчийг ашигладаг контекстийг мэддэг AI агентийг тодорхойлдог.

Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг

Оркестрийн хэрэгслээр агент CI/CD-г хэрэгжүүлэхэд хамгийн их ашиглагддаг 5-10 тушаал/хэсэг энд байна:

  1. kubectl apply -f deployment.yaml: Kubernetes байршуулалтын тохиргоог ашиглах.
  2. airflow db upgrade: Агаарын урсгалын мэдээллийн санг шинэчлэх.
  3. aws stepfunctions start-execution --input '{"key": "value"}': AWS Step Functions-ийн гүйцэтгэлийг эхлүүлэх.
  4. docker build -t my-image .: Docker дүрс бүтээх.
  5. docker push my-image: Докерын дүрсийг бүртгэл рүү түлхэх.
  6. `kubernetes нууц ерөнхий my-secret --from-literal=MY_KEY=MY_VALUE': Kubernetes нууцыг үүсгэнэ.
  7. airflow trigger_dag my_dag: Агаарын урсгалын DAG-ыг өдөөх.
  8. aws cloudformation deploy --template-file my-template.yaml --stack-name my-stack: AWS CloudFormation стекийг байрлуулах.
  9. docker run -d -p 8080:8080 my-image: Docker контейнер ажиллуул.
  10. kubernetes disployment my-deployment: Kubernetes deployment-г устгах.

Дүрслэл

Chart.js ашиглан агентын CI/CD дамжуулах хоолойн дүрслэлийг энд үзүүлэв:

{
  "төрөл": "бар",
  "өгөгдөл": {
    "шошго": ["AI Agent", "Orchestration Tool", "CI/CD Pipeline"],
    "өгөгдлийн багц": [
      {
        "label": "Цаг",
        "өгөгдөл": [10, 20, 30],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "сонголт": {
    "гарчиг": {
      "дэлгэц": үнэн,
      "текст": "Агентик CI/CD дамжуулах хоолой"
    },
    "масштаб": {
      "yAxes": [
        {
          "хачиг": {
            "beginAtZero": үнэн
          }
        }
      ]
    }
  }
}

Энэхүү дүрслэл нь агент CI/CD дамжуулах хоолойн бүрэлдэхүүн хэсэг тус бүрийн зарцуулсан хугацааг харуулдаг.

Дүгнэлт

Дүгнэж хэлэхэд, контекстийг мэддэг AI агентууд нь уян хатан, өргөтгөх боломжтой програм хангамжийн системийг бий болгох хүчирхэг хэрэгсэл юм. Хөгжүүлэгчид CI/CD дамжуулагчийг зохион байгуулалтын хэрэгслээр хэрэгжүүлснээр програм хангамжийг хөгжүүлэх үйл явцыг автоматжуулж, оновчтой болгож чадна. Жишээ кодын блок болон дүрслэл нь контекстийг мэддэг AI агентийг Python дээр хэрхэн хэрэгжүүлэхийг харуулж, агентын CI/CD дамжуулах шугамыг дүрслэн харуулах болно. Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг нь агент CI/CD-г зохион байгуулалтын хэрэгслээр хэрэгжүүлэхэд хурдан лавлагаа өгдөг.

Have Questions?

Let's Talk

Contact me on LinkedIn