AI ଏଜେଣ୍ଟ ଏବଂ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନିୟରିଂ ସହିତ ଜିରୋ ଅପ୍ସ ଅନଲକ୍: ଷ୍ଟାକଜେନ୍ ଏବଂ ଲ୍ୟାଙ୍ଗ ଚେନ୍ ବ୍ୟବହାର କରି AI DevOps ସ୍ୱୟଂଚାଳିତ ପାଇଁ ଏକ ପାଟର୍ନ-ଆଧାରିତ ଉପାୟ

ପରିଚୟ

ସଫ୍ଟୱେର୍ ବିକାଶର ଦ୍ରୁତ ବିକାଶଶୀଳ ଦୃଶ୍ୟରେ, ଜିରୋପ୍ସର ଧାରଣା DevOps ସ୍ୱୟଂଚାଳିତ ପାଇଁ ଏକ ବ revolutionary ପ୍ଳବିକ ଆଭିମୁଖ୍ୟ ଭାବରେ ଉଭା ହୋଇଛି | ସଫ୍ଟୱେର୍ ସିଷ୍ଟମର ନିୟୋଜନ ଏବଂ ପରିଚାଳନାରେ ମାନୁଆଲ ହସ୍ତକ୍ଷେପର ଆବଶ୍ୟକତାକୁ ଦୂର କରିବା ପାଇଁ ଜିରୋ ଅପ୍ସ ଲକ୍ଷ୍ୟ ରଖିଛି, ଯାହାକି ବିକାଶକାରୀମାନଙ୍କୁ ଉଚ୍ଚ ସ୍ତରୀୟ କାର୍ଯ୍ୟଗୁଡ଼ିକ ଉପରେ ଧ୍ୟାନ ଦେବା ପାଇଁ ସକ୍ଷମ କରିଥାଏ | ଏହି ଆର୍ଟିକିଲରେ, ଆମେ ଜିରୋଅପ୍ସ ଦୁନିଆକୁ ଅନୁଧ୍ୟାନ କରିବୁ ଏବଂ ଏହି ଲକ୍ଷ୍ୟ ହାସଲ କରିବା ପାଇଁ AI ଏଜେଣ୍ଟ ଏବଂ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନିୟରିଂକୁ କିପରି ବ୍ୟବହାର କରାଯାଇପାରିବ ସେ ବିଷୟରେ ଅନୁସନ୍ଧାନ କରିବୁ | ଷ୍ଟାକଜେନ୍ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ବ୍ୟବହାର କରି AI DevOps ସ୍ୱୟଂଚାଳିତ ପାଇଁ ଏକ ପ୍ୟାଟର୍-ଆଧାରିତ ଆଭିମୁଖ୍ୟର କାର୍ଯ୍ୟକାରିତା ବିଷୟରେ ମଧ୍ୟ ଆଲୋଚନା କରିବୁ |

ଜିରୋ ଅପ୍ସ କ’ଣ?

ଜିରୋ ଅପ୍ସ ହେଉଛି ଏକ DevOps ପାରାଡିଗମ ଯାହା ବିକାଶ ଠାରୁ ନିୟୋଜନ ଏବଂ ପରିଚାଳନା ପର୍ଯ୍ୟନ୍ତ ସମଗ୍ର ସଫ୍ଟୱେର୍ ବିକାଶ ଜୀବନଚକ୍ରକୁ ସ୍ୱୟଂଚାଳିତ କରିବାକୁ ଚେଷ୍ଟା କରେ | ଜିରୋ ଅପ୍ସର ମୂଳ ଉଦ୍ଦେଶ୍ୟ ହେଉଛି ସଫ୍ଟୱେର୍ ସିଷ୍ଟମର ନିୟୋଜନ ଏବଂ ପରିଚାଳନାରେ ମାନୁଆଲ ହସ୍ତକ୍ଷେପର ଆବଶ୍ୟକତାକୁ ଦୂର କରିବା, ଯାହା ଦ୍ human ାରା ମାନବ ତ୍ରୁଟି ହେବାର ସମ୍ଭାବନା କମିଯାଏ ଏବଂ ସଫ୍ଟୱେର୍ ବିତରଣର ଗତି ଏବଂ ଦକ୍ଷତା ବୃଦ୍ଧି ହୁଏ |

AI ଏଜେଣ୍ଟ ଏବଂ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନିୟରିଂ

ଜିରୋ ଅପ୍ସର କାର୍ଯ୍ୟାନ୍ୱୟନରେ AI ଏଜେଣ୍ଟ ଏବଂ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନିୟରିଂ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିଥାଏ | AI ଏଜେଣ୍ଟଗୁଡିକ ହେଉଛି ସଫ୍ଟୱେର୍ ପ୍ରୋଗ୍ରାମ୍ ଯାହା ସେମାନଙ୍କର ପରିବେଶକୁ ଅନୁଭବ କରିପାରିବ ଏବଂ ନିର୍ଦ୍ଦିଷ୍ଟ ଲକ୍ଷ୍ୟ ହାସଲ ପାଇଁ କାର୍ଯ୍ୟାନୁଷ୍ଠାନ ଗ୍ରହଣ କରିପାରିବ | ଅନ୍ୟପକ୍ଷରେ, ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନିୟରିଂ, ସିଷ୍ଟମଗୁଡିକର ଡିଜାଇନ୍ ଏବଂ ପ୍ରୟୋଗକୁ ଅନ୍ତର୍ଭୁକ୍ତ କରେ ଯାହା ସେମାନେ କାର୍ଯ୍ୟ କରୁଥିବା ପ୍ରସଙ୍ଗକୁ ବୁ understand ିପାରିବେ ଏବଂ ପ୍ରତିକ୍ରିୟା କରିପାରିବେ |

ଜିରୋଅପ୍ ପ୍ରସଙ୍ଗରେ, AI ଏଜେଣ୍ଟଗୁଡିକ ବିଭିନ୍ନ କାର୍ଯ୍ୟକୁ ସ୍ୱୟଂଚାଳିତ କରିବା ପାଇଁ ବ୍ୟବହାର କରାଯାଇପାରିବ ଯେପରିକି ନିୟୋଜନ, ପରୀକ୍ଷଣ ଏବଂ ମନିଟରିଂ | ସିଷ୍ଟମ ଇଞ୍ଜିନିୟରିଂ ସିଷ୍ଟମକୁ ଡିଜାଇନ୍ କରିବା ପାଇଁ ବ୍ୟବହୃତ ହୋଇପାରିବ ଯାହା ସେମାନେ କାର୍ଯ୍ୟ କରୁଥିବା ପ୍ରସଙ୍ଗକୁ ବୁ understand ିପାରିବେ, ଯେପରିକି ପରିବେଶ, ଉପଭୋକ୍ତା, ଏବଂ କାର୍ଯ୍ୟ |

ଷ୍ଟାକଜେନ୍: AI DevOps ସ୍ୱୟଂଚାଳିତ ପାଇଁ ଏକ ପାଟର୍ନ-ଆଧାରିତ ଉପାୟ

ଷ୍ଟାକଜେନ୍ ହେଉଛି ଏକ ମୁକ୍ତ ଉତ୍ସ framework ାଞ୍ଚା ଯାହା ବିକାଶକାରୀଙ୍କୁ AI DevOps ସ୍ୱୟଂଚାଳିତ ପାଇଁ ଏକ ପ୍ୟାଟର୍-ଆଧାରିତ ଆଭିମୁଖ୍ୟ କାର୍ଯ୍ୟକାରୀ କରିବାକୁ ସକ୍ଷମ କରିଥାଏ | ଷ୍ଟାକଜେନ୍ ପୂର୍ବ-ପରିଭାଷିତ s ାଞ୍ଚା ଏବଂ ଟେମ୍ପଲେଟଗୁଡିକର ଏକ ସେଟ୍ ପ୍ରଦାନ କରେ ଯାହା ନିୟୋଜନ, ପରୀକ୍ଷଣ ଏବଂ ମନିଟରିଂ ଭଳି ବିଭିନ୍ନ କାର୍ଯ୍ୟକୁ ସ୍ୱୟଂଚାଳିତ କରିବାରେ ବ୍ୟବହୃତ ହୋଇପାରିବ |

ଲ୍ୟାଙ୍ଗ୍ ଚେନ୍ ଉପରେ ଷ୍ଟାକଜେନ୍ ନିର୍ମିତ, ଏକ framework ାଞ୍ଚା ଯାହା ବିକାଶକାରୀମାନଙ୍କୁ କଥାବାର୍ତ୍ତା AI ସିଷ୍ଟମ୍ ଗଠନ କରିବାରେ ସକ୍ଷମ କରେ | LangChain API ଏବଂ ଉପକରଣଗୁଡ଼ିକର ଏକ ସେଟ୍ ପ୍ରଦାନ କରେ ଯାହା କଥାବାର୍ତ୍ତା AI ସିଷ୍ଟମ ଗଠନ ପାଇଁ ବ୍ୟବହୃତ ହୋଇପାରେ ଯାହା ପ୍ରାକୃତିକ ଭାଷା ଇନପୁଟକୁ ବୁ understand ିପାରେ ଏବଂ ପ୍ରତିକ୍ରିୟା କରିପାରିବ |

ଲାଙ୍ଗ୍ ଚେନ୍: କଥାବାର୍ତ୍ତା ଏଇ ସିଷ୍ଟମ୍ ଗଠନ

LangChain ହେଉଛି ଏକ framework ାଞ୍ଚା ଯାହା ବିକାଶକାରୀଙ୍କୁ କଥାବାର୍ତ୍ତା AI ସିଷ୍ଟମ୍ ଗଠନ କରିବାକୁ ସକ୍ଷମ କରେ | LangChain API ଏବଂ ଉପକରଣଗୁଡ଼ିକର ଏକ ସେଟ୍ ପ୍ରଦାନ କରେ ଯାହା କଥାବାର୍ତ୍ତା AI ସିଷ୍ଟମ ଗଠନ ପାଇଁ ବ୍ୟବହୃତ ହୋଇପାରେ ଯାହା ପ୍ରାକୃତିକ ଭାଷା ଇନପୁଟକୁ ବୁ understand ିପାରେ ଏବଂ ପ୍ରତିକ୍ରିୟା କରିପାରିବ |

ଲେଙ୍ଗ ଚେନ୍ ଟେନସର୍ଫ୍ଲୋ ଏବଂ ପାଇଟର୍ଚ୍ ସହିତ ଅନେକ ମୁକ୍ତ ଉତ୍ସ ଟେକ୍ନୋଲୋଜି ଉପରେ ନିର୍ମିତ | LangChain API ଏବଂ ଉପକରଣଗୁଡ଼ିକର ଏକ ସେଟ୍ ପ୍ରଦାନ କରେ ଯାହା କଥାବାର୍ତ୍ତା AI ସିଷ୍ଟମ ଗଠନ ପାଇଁ ବ୍ୟବହୃତ ହୋଇପାରେ ଯାହା ପ୍ରାକୃତିକ ଭାଷା ଇନପୁଟକୁ ବୁ understand ିପାରେ ଏବଂ ପ୍ରତିକ୍ରିୟା କରିପାରିବ |

StackGen ଏବଂ LangChain ସହିତ ZeroOps କାର୍ଯ୍ୟକାରୀ କରିବା

StackGen ଏବଂ LangChain ସହିତ ZeroOps କାର୍ଯ୍ୟକାରୀ କରିବାକୁ, ଆମକୁ ଅନେକ ପଦକ୍ଷେପ ଅନୁସରଣ କରିବାକୁ ପଡିବ:

1। ** AI ଏଜେଣ୍ଟକୁ ବ୍ୟାଖ୍ୟା କରନ୍ତୁ **: ଜିରୋ ଅପ୍ସ ଲାଗୁ କରିବାର ପ୍ରଥମ ପଦକ୍ଷେପ ହେଉଛି AI ଏଜେଣ୍ଟକୁ ବ୍ୟାଖ୍ୟା କରିବା ଯାହା ବିଭିନ୍ନ କାର୍ଯ୍ୟକୁ ସ୍ୱୟଂଚାଳିତ କରିବା ପାଇଁ ବ୍ୟବହୃତ ହେବ | ଷ୍ଟାକଜେନ୍ ଦ୍ୱାରା ପ୍ରଦତ୍ତ ଅନେକ ପୂର୍ବ-ପରିଭାଷିତ s ାଞ୍ଚା ଏବଂ ଟେମ୍ପଲେଟ୍ ବ୍ୟବହାର କରି AI ଏଜେଣ୍ଟକୁ ବ୍ୟାଖ୍ୟା କରାଯାଇପାରେ | 2। ** ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ଡିଜାଇନ୍ କରନ୍ତୁ **: ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପ ହେଉଛି ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ଡିଜାଇନ୍ କରିବା ଯାହାକି AI ଏଜେଣ୍ଟ କାର୍ଯ୍ୟ କରୁଥିବା ପ୍ରସଙ୍ଗକୁ ବୁ understand ିବା ଏବଂ ପ୍ରତିକ୍ରିୟା କରିବା ପାଇଁ ବ୍ୟବହୃତ ହେବ | ଲଙ୍ଗଚେନ ଦ୍ୱାରା ପ୍ରଦତ୍ତ ଅନେକ API ଏବଂ ଉପକରଣ ବ୍ୟବହାର କରି ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ଡିଜାଇନ୍ କରାଯାଇପାରିବ | 3। ** AI ଏଜେଣ୍ଟକୁ କାର୍ଯ୍ୟକାରୀ କର **: ଥରେ AI ଏଜେଣ୍ଟ ଏବଂ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ବ୍ୟାଖ୍ୟା ହୋଇଗଲେ, ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପ ହେଉଛି ଷ୍ଟାକଜେନ୍ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ଦ୍ୱାରା ପ୍ରଦତ୍ତ ଅନେକ API ଏବଂ ଉପକରଣ ବ୍ୟବହାର କରି AI ଏଜେଣ୍ଟକୁ କାର୍ଯ୍ୟକାରୀ କରିବା | 4। ** ପରୀକ୍ଷା ଏବଂ ନିୟୋଜନ **: ଅନ୍ତିମ ପଦକ୍ଷେପ ହେଉଛି ଏକ ଉତ୍ପାଦନ ପରିବେଶରେ AI ଏଜେଣ୍ଟକୁ ପରୀକ୍ଷା ଏବଂ ନିୟୋଜନ କରିବା |

ଉଦାହରଣ କୋଡ୍: StackGen ଏବଂ LangChain ବ୍ୟବହାର କରି ଏକ ସରଳ AI ଏଜେଣ୍ଟକୁ କାର୍ଯ୍ୟକାରୀ କରିବା

ଏଠାରେ ଏକ ଉଦାହରଣ କୋଡ୍ ବ୍ଲକ୍ ଅଛି ଯାହାକି ଷ୍ଟାକଜେନ୍ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ବ୍ୟବହାର କରି ଏକ ସରଳ AI ଏଜେଣ୍ଟକୁ କିପରି କାର୍ଯ୍ୟକାରୀ କରାଯିବ ତାହା ଦର୍ଶାଏ: "ପାଇଥନ୍ | langchain ଆମଦାନି କରନ୍ତୁ | langchain.chains ରୁ LLMChain ଆମଦାନି କରନ୍ତୁ | langchain.llms ରୁ LLM ଆମଦାନୀ କରନ୍ତୁ |

ai_agent = LLMChain ( llm = LLM ( model_name = "davinci: 3-batch", ତାପମାତ୍ରା = 0.5, max_tokens = 100, ), input_format = "ପାଠ", ଆଉଟପୁଟ୍_ଫର୍ମାଟ୍ = "ପାଠ୍ୟ", )

ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ବ୍ୟାଖ୍ୟା କରନ୍ତୁ |

context_engine = langchain.ContextEngine ( llm = LLM ( model_name = "davinci: 3-batch", ତାପମାତ୍ରା = 0.5, max_tokens = 100, ), input_format = "ପାଠ", ଆଉଟପୁଟ୍_ଫର୍ମାଟ୍ = "ପାଠ୍ୟ", )

AI ଏଜେଣ୍ଟକୁ କାର୍ଯ୍ୟକାରୀ କର |

ai_agent.implement ( context_engine = context_engine, input_text = "ନମସ୍କାର, ଆପଣ କେମିତି ଅଛନ୍ତି?", )

AI ଏଜେଣ୍ଟକୁ ପରୀକ୍ଷା ଏବଂ ନିୟୋଜିତ କର |

ai_agent.test_and_deploy ( input_text = "ନମସ୍କାର, ଆପଣ କେମିତି ଅଛନ୍ତି?", ) `` ଷ୍ଟାକଗେନ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ବ୍ୟବହାର କରି ଏକ ସରଳ AI ଏଜେଣ୍ଟକୁ କିପରି କାର୍ଯ୍ୟକାରୀ କରାଯିବ ଏହି କୋଡ୍ ବ୍ଲକ୍ ଦର୍ଶାଏ | ଷ୍ଟାକଜେନ୍ ଦ୍ୱାରା ପ୍ରଦତ୍ତ ଅନେକ ପୂର୍ବ-ପରିଭାଷିତ s ାଞ୍ଚା ଏବଂ ଟେମ୍ପଲେଟ୍ ବ୍ୟବହାର କରି AI ଏଜେଣ୍ଟକୁ ବ୍ୟାଖ୍ୟା କରାଯାଇଛି | ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ଲ୍ୟାଙ୍ଗ ଚେନ୍ ଦ୍ୱାରା ପ୍ରଦତ୍ତ ଅନେକ API ଏବଂ ଉପକରଣ ବ୍ୟବହାର କରି ଡିଜାଇନ୍ କରାଯାଇଛି | ଷ୍ଟାକଜେନ୍ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ଦ୍ୱାରା ପ୍ରଦତ୍ତ ଅନେକ API ଏବଂ ଉପକରଣ ବ୍ୟବହାର କରି AI ଏଜେଣ୍ଟ କାର୍ଯ୍ୟକାରୀ ହୁଏ | ଶେଷରେ, AI ଏଜେଣ୍ଟକୁ ପରୀକ୍ଷା ଏବଂ ଏକ ଉତ୍ପାଦନ ପରିବେଶରେ ନିୟୋଜିତ କରାଯାଏ |

ଶ୍ରେଷ୍ଠ 5-10 ସର୍ବାଧିକ ବ୍ୟବହୃତ ନିର୍ଦ୍ଦେଶ / ସ୍ନିପେଟ୍

StackGen ଏବଂ LangChain ପାଇଁ ଏଠାରେ ସର୍ବାଧିକ 5-10 ସର୍ବାଧିକ ବ୍ୟବହୃତ କମାଣ୍ଡ / ସ୍ନିପେଟ୍ ଅଛି:

1। "Langchain.LLMChain ()": ଏକ ନୂତନ LLM ଶୃଙ୍ଖଳା ବସ୍ତୁ ସୃଷ୍ଟି କରେ | 2। "Langchain.ContextEngine ()": ଏକ ନୂତନ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ବସ୍ତୁ ସୃଷ୍ଟି କରେ | 3। "LLM (model_name =" davinci: 3-batch ", temperature = 0.5, max_tokens = 100)": ନିର୍ଦ୍ଦିଷ୍ଟ ମଡେଲ୍ ନାମ, ତାପମାତ୍ରା ଏବଂ ସର୍ବାଧିକ ଟୋକେନ୍ ସହିତ ଏକ ନୂତନ LLM ବସ୍ତୁ ସୃଷ୍ଟି କରେ | 4। "Ai_agent.implement (context_engine = context_engine, input_text =" ହେଲୋ, ଆପଣ କେମିତି ଅଛନ୍ତି? ")": ନିର୍ଦ୍ଦିଷ୍ଟ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍ ଏବଂ ଇନପୁଟ୍ ପାଠ୍ୟ ବ୍ୟବହାର କରି AI ଏଜେଣ୍ଟକୁ କାର୍ଯ୍ୟକାରୀ କରେ | 5। "Ai_agent.test_and_deploy (input_text =" ହେଲୋ, ଆପଣ କେମିତି ଅଛନ୍ତି? "): ନିର୍ଦ୍ଦିଷ୍ଟ ଇନପୁଟ୍ ପାଠ୍ୟ ବ୍ୟବହାର କରି AI ଏଜେଣ୍ଟକୁ ପରୀକ୍ଷା ଏବଂ ନିୟୋଜିତ କରେ | 6। "Langchain.llms.LLM ()": ଏକ ନୂତନ LLM ବସ୍ତୁ ସୃଷ୍ଟି କରେ | 7। "Langchain.chains.LLMChain ()": ଏକ ନୂତନ LLM ଶୃଙ୍ଖଳା ବସ୍ତୁ ସୃଷ୍ଟି କରେ | 8। ।। 10। "Ai_agent.input_text =" ନମସ୍କାର, ଆପଣ କେମିତି ଅଛନ୍ତି? ": AI ଏଜେଣ୍ଟର ଇନପୁଟ୍ ପାଠ୍ୟକୁ ନିର୍ଦ୍ଦିଷ୍ଟ ଇନପୁଟ୍ ପାଠ୍ୟରେ ସେଟ୍ କରେ |

ଭିଜୁଆଲାଇଜେସନ୍

Chart.js ବ୍ୟବହାର କରି ZeroOps ସ୍ଥାପତ୍ୟର ଏକ ଭିଜୁଆଲାଇଜେସନ୍: json { "ପ୍ରକାର": "ଦଣ୍ଡିକା", "ଡାଟା": { "ଲେବଲ୍": "ଡାଟାବେସ୍": [ { "label": "ସ୍ଥାପତ୍ୟ", "ଡାଟା": [10, 8, 6, 4], "ପୃଷ୍ଠଭୂମି ରଙ୍ଗ": ["# FF6384", "# 36A2EB", "# FFCE56", "# 4BC0C0"] } ] }, "ବିକଳ୍ପଗୁଡିକ": { "ଆଖ୍ୟା": { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ, "text": "ZeroOps Architecture" }, "କିମ୍ବଦନ୍ତୀ": { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ | }, "ମାପ": { "yAxes": [ { "ଟିକ୍ସ": { "startAtZero": ସତ୍ୟ | } } ] } } } ଏହି ଭିଜୁଆଲାଇଜେସନ୍ ଜିରୋ ଅପ୍ସ ସିଷ୍ଟମର ସ୍ଥାପତ୍ୟକୁ ଦର୍ଶାଏ, ଏଆଇ ଏଜେଣ୍ଟ, ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନ୍, ଷ୍ଟାକଜେନ୍, ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ |

ସିଦ୍ଧାନ୍ତ

ଜିରୋ ଅପ୍ସ ହେଉଛି DevOps ସ୍ୱୟଂଚାଳିତ ପାଇଁ ଏକ ବ revolutionary ପ୍ଳବିକ ଆଭିମୁଖ୍ୟ ଯାହା ସଫ୍ଟୱେୟାର ସିଷ୍ଟମର ନିୟୋଜନ ଏବଂ ପରିଚାଳନାରେ ମାନୁଆଲ ହସ୍ତକ୍ଷେପର ଆବଶ୍ୟକତାକୁ ଦୂର କରିବାକୁ ଚେଷ୍ଟା କରେ | ଜିରୋ ଅପ୍ସର କାର୍ଯ୍ୟାନ୍ୱୟନରେ AI ଏଜେଣ୍ଟ ଏବଂ ପ୍ରସଙ୍ଗ ଇଞ୍ଜିନିୟରିଂ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିଥାଏ, ଏବଂ ଷ୍ଟାକଜେନ୍ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ AI DevOps ସ୍ୱୟଂଚାଳିତ ପାଇଁ ଏକ ପ୍ୟାଟର୍-ଆଧାରିତ ଆଭିମୁଖ୍ୟ ପ୍ରଦାନ କରିଥାଏ | StackGen ଏବଂ LangChain ବ୍ୟବହାର କରି ଏକ ସରଳ AI ଏଜେଣ୍ଟକୁ କାର୍ଯ୍ୟକାରୀ କରି, ଆମେ ବିଭିନ୍ନ କାର୍ଯ୍ୟ ଯଥା ସ୍ୱୟଂଚାଳିତ, ନିୟୋଜନ, ପରୀକ୍ଷା ଏବଂ ମନିଟରିଂ କରିପାରିବା | ଚାର୍ଟ.ଜେ ବ୍ୟବହାର କରି ଜିରୋଅପ୍ ସ୍ଥାପତ୍ୟର ଭିଜୁଆଲାଇଜେସନ୍ ସହିତ ଷ୍ଟାକଜେନ୍ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ପାଇଁ ଶ୍ରେଷ୍ଠ 5-10 ସର୍ବାଧିକ ବ୍ୟବହୃତ କମାଣ୍ଡ / ସ୍ନିପେଟ୍ ମଧ୍ୟ ପ୍ରଦାନ କରାଯାଇଛି |