AI ଏଜେଣ୍ଟ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ସହିତ ଜିରୋ ଅପ୍ସ ଇନଫ୍ରାଷ୍ଟ୍ରକଚର ଅର୍କେଷ୍ଟ୍ରେସନ୍

ପରିଚୟ

ସଫ୍ଟୱେୟାର ଇଞ୍ଜିନିୟରିଂ ଏବଂ ଡିଭୋପ୍ସର ଦ୍ରୁତ ଗତିରେ ବିକାଶଶୀଳ ଦୃଶ୍ୟରେ, ଦକ୍ଷ ଏବଂ ମାପନୀୟ ଭିତ୍ତିଭୂମି ଅର୍କେଷ୍ଟ୍ରେସନର ଆବଶ୍ୟକତା ଦିନକୁ ଦିନ ଚାପଗ୍ରସ୍ତ ହେଉଛି | ଭିତ୍ତିଭୂମି ପରିଚାଳନା ପାଇଁ ପାରମ୍ପାରିକ ପନ୍ଥା ପ୍ରାୟତ man ମାନୁଆଲ ବିନ୍ୟାସ ଏବଂ ସ୍କ୍ରିପ୍ଟିଂ ଉପରେ ନିର୍ଭର କରେ, ଯାହା ତ୍ରୁଟି, ଅସଙ୍ଗତି ଏବଂ ବୋତଲଗୁଡିକର କାରଣ ହୋଇପାରେ | ଏହି ଚ୍ୟାଲେଞ୍ଜଗୁଡିକର ସମାଧାନ ପାଇଁ, ଏକ ନୂତନ ପାରାଦୀପ ଉଭା ହୋଇଛି: AI ଏଜେଣ୍ଟ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ସହିତ ଜିରୋ ଅପ୍ସ ଭିତ୍ତିଭୂମି ଅର୍କେଷ୍ଟ୍ରେସନ୍ |

ଜିରୋ ଅପ୍ସ କ’ଣ?

ଜିରୋ ଅପ୍ସ ହେଉଛି ଭିତ୍ତିଭୂମି ପରିଚାଳନା ପାଇଁ ଏକ ବ revolutionary ପ୍ଳବିକ ଆଭିମୁଖ୍ୟ ଯାହା ମାନୁଆଲ ବିନ୍ୟାସ ଏବଂ ସ୍କ୍ରିପ୍ଟିଂର ଆବଶ୍ୟକତାକୁ ଦୂର କରିବା ପାଇଁ AI ଏଜେଣ୍ଟ ଏବଂ ସ୍ୱୟଂଚାଳିତତାକୁ ବ୍ୟବହାର କରିଥାଏ | ନିୟୋଜନ ଠାରୁ ଆରମ୍ଭ କରି ମାପିବା ଏବଂ ରକ୍ଷଣାବେକ୍ଷଣ ପର୍ଯ୍ୟନ୍ତ ସମଗ୍ର ଭିତ୍ତିଭୂମି ଜୀବନଚକ୍ରକୁ ସ୍ୱୟଂଚାଳିତ କରି, ଜିରୋ ଅପ୍ସ ସଂଗଠନଗୁଡ଼ିକୁ ଦକ୍ଷତା, ମାପନୀୟତା ଏବଂ ନିର୍ଭରଯୋଗ୍ୟତାର ଅଦୃଶ୍ୟ ସ୍ତର ହାସଲ କରିବାକୁ ସକ୍ଷମ କରିଥାଏ |

ଲାଙ୍ଗ୍ ଚେନ୍: AI ଚାଳିତ ଅଟୋମେସନ୍ ଫ୍ରେମୱାର୍କ

ଲ୍ୟାଙ୍ଗ୍ ଚେନ୍ ହେଉଛି ଏକ ମୁକ୍ତ ଉତ୍ସ framework ାଞ୍ଚା ଯାହା ଏକ ସରଳ, ଅନ୍ତର୍ନିହିତ ପ୍ରୋଗ୍ରାମିଂ ମଡେଲ୍ ବ୍ୟବହାର କରି ଡେଭଲପର୍ମାନଙ୍କୁ AI ଚାଳିତ ସ୍ୱୟଂଚାଳିତ କାର୍ଯ୍ୟ ପ୍ରବାହ ନିର୍ମାଣ କରିବାକୁ ସକ୍ଷମ କରିଥାଏ | AI ଏବଂ ଅଟୋମେସନ୍ ର ଜଟିଳତା ଉପରେ ଏକ ଉଚ୍ଚ ସ୍ତରୀୟ ଅବକ୍ଷୟ ପ୍ରଦାନ କରି, ଲ୍ୟାଙ୍ଗଚେନ ଅତ୍ୟାଧୁନିକ ସ୍ୱୟଂଚାଳିତ ପାଇପଲାଇନ ତିଆରି କରିବା ସହଜ କରିଥାଏ ଯାହା ଜଟିଳ ଭିତ୍ତିଭୂମି ପରିବେଶକୁ ମଧ୍ୟ ପରିଚାଳନା କରିପାରିବ |

AI ଏଜେଣ୍ଟସ୍: ଜିରୋଅପ୍ସର ଚାବି

AI ଏଜେଣ୍ଟଗୁଡିକ ହେଉଛି ସଫ୍ଟୱେର୍ ଉପାଦାନ ଯାହା କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରିବା ଏବଂ ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ ମେସିନ୍ ଲର୍ନିଂ ଏବଂ ଅନ୍ୟାନ୍ୟ AI କ ques ଶଳ ବ୍ୟବହାର କରେ | ଜିରୋ ଅପ୍ସ ପରିପ୍ରେକ୍ଷୀରେ, ଭିତ୍ତିଭୂମି ସ୍ୱାସ୍ଥ୍ୟ ଉପରେ ନଜର ରଖିବା, ଅସ୍ୱାଭାବିକତା ଚିହ୍ନଟ କରିବା ଏବଂ ଉତ୍କୃଷ୍ଟ କାର୍ଯ୍ୟଦକ୍ଷତା ନିଶ୍ଚିତ କରିବା ପାଇଁ ଏଆଇ ଏଜେଣ୍ଟମାନେ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରନ୍ତି |

ଷ୍ଟାକଜେନ୍ ଏବଂ ଅପ୍ସଭର୍ସ: AI- ଚାଳିତ ସ୍ୱୟଂଚାଳିତକୁ ତ୍ୱରାନ୍ୱିତ କରିବା

ଷ୍ଟାକଜେନ୍ ଏବଂ ଓପ୍ସଭର୍ସ ହେଉଛି ଦୁଇଟି ଅଭିନବ ଉପକରଣ ଯାହା ଇଞ୍ଜିନିୟରିଂ ଏବଂ DevOps ୱାର୍କଫ୍ଲୋ ପାଇଁ AI ଚାଳିତ ସ୍ୱୟଂଚାଳିତତାକୁ ତ୍ୱରାନ୍ୱିତ କରେ | ଷ୍ଟାକଜେନ୍ ହେଉଛି ଏକ କୋଡ୍ ଉତ୍ପାଦନ ଉପକରଣ ଯାହା ଏକ ସରଳ, ଘୋଷିତ ବାକ୍ୟବିନ୍ୟାସ ବ୍ୟବହାର କରି କଷ୍ଟମ୍ ଭିତ୍ତିଭୂମି ଟେମ୍ପଲେଟ୍ ସୃଷ୍ଟି କରିବାକୁ ବିକାଶକାରୀଙ୍କୁ ସକ୍ଷମ କରିଥାଏ | ଅନ୍ୟପକ୍ଷରେ, OpsVerse ହେଉଛି ଏକ ପ୍ଲାଟଫର୍ମ ଯାହା ଏକାଧିକ ଭିତ୍ତିଭୂମି ପରିବେଶ ପରିଚାଳନା ଏବଂ କାର୍ଯ୍ୟ ପ୍ରବାହକୁ ସ୍ୱୟଂଚାଳିତ କରିବା ପାଇଁ ଏକୀକୃତ ଇଣ୍ଟରଫେସ୍ ପ୍ରଦାନ କରେ |

LangChain ଏବଂ AI ଏଜେଣ୍ଟମାନଙ୍କ ସହିତ ଜିରୋ ଅପ୍ସ ଲାଗୁ କରିବା

LangChain ଏବଂ AI ଏଜେଣ୍ଟମାନଙ୍କ ସହିତ ZeroOps କୁ କାର୍ଯ୍ୟକାରୀ କରିବା ପାଇଁ, ଆମେ ଏକ ଷ୍ଟେପ୍-ଷ୍ଟେପ୍ ପଦ୍ଧତି ଅନୁସରଣ କରିବୁ:

ପଦାଙ୍କ 1: ଭିତ୍ତିଭୂମି ଟେମ୍ପଲେଟଗୁଡିକ ବ୍ୟାଖ୍ୟା କରନ୍ତୁ |

StackGen ବ୍ୟବହାର କରି, ଆମେ କଷ୍ଟମ୍ ଭିତ୍ତିଭୂମି ଟେମ୍ପଲେଟ୍ଗୁଡ଼ିକୁ ବ୍ୟାଖ୍ୟା କରିବୁ ଯାହା ଇପ୍ସିତ ଭିତ୍ତିଭୂମି ସଂରଚନାକୁ ବର୍ଣ୍ଣନା କରେ | ଏଥିରେ ଭର୍ଚୁଆଲ୍ ମେସିନ୍, ନେଟୱାର୍କ, ଷ୍ଟୋରେଜ୍ ଏବଂ ଅନ୍ୟାନ୍ୟ ଉତ୍ସଗୁଡ଼ିକ ପାଇଁ ନିର୍ଦ୍ଦିଷ୍ଟତା ଅନ୍ତର୍ଭୂକ୍ତ ହେବ |

"ପାଇଥନ୍ | ଷ୍ଟାକେନ୍ ଆମଦାନି କରନ୍ତୁ |

ଟେମ୍ପଲେଟ୍ = stackgen। ଟେମ୍ପଲେଟ୍ ( ନାମ = "my_infrastructure", ଉତ୍ସ = [ stackgen.Resource ( ନାମ = "vm1", ଟାଇପ୍ = "vm", ଗୁଣ = { "cpu": 2, "ସ୍ମୃତି": 4, "ସଂରକ୍ଷଣ": 100 } ), stackgen.Resource ( ନାମ = "vm2", ଟାଇପ୍ = "vm", ଗୁଣ = { "cpu": 4, "ସ୍ମୃତି": 8, "ସଂରକ୍ଷଣ": 200 } ) ] )

ଭିତ୍ତିଭୂମି କୋଡ୍ ସୃଷ୍ଟି କରନ୍ତୁ |

infrastructure_code = template.generate () ``

ଷ୍ଟେପ୍ 2: AI ଏଜେଣ୍ଟ୍ ସୃଷ୍ଟି କରନ୍ତୁ |

LangChain ବ୍ୟବହାର କରି, ଆମେ AI ଏଜେଣ୍ଟ ସୃଷ୍ଟି କରିବୁ ଯାହା ଭିତ୍ତିଭୂମି ସ୍ୱାସ୍ଥ୍ୟ ଉପରେ ନଜର ରଖିପାରେ, ଅସ୍ୱାଭାବିକତା ଚିହ୍ନଟ କରିପାରିବ ଏବଂ ସଂଶୋଧନ କାର୍ଯ୍ୟାନୁଷ୍ଠାନ ଗ୍ରହଣ କରିପାରିବ | ଆମେ ଏକ ସରଳ ଏଜେଣ୍ଟକୁ ବ୍ୟାଖ୍ୟା କରିବୁ ଯାହା CPU ବ୍ୟବହାର ଯାଞ୍ଚ କରେ ଏବଂ ଯଦି ଏହା ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ସୀମା ଅତିକ୍ରମ କରେ |

"ପାଇଥନ୍ | langchain ଆମଦାନି କରନ୍ତୁ |

AI ଏଜେଣ୍ଟକୁ ବ୍ୟାଖ୍ୟା କରନ୍ତୁ |

ଏଜେଣ୍ଟ = langchain.Agent ( ନାମ = "cpu_agent", type = "cpu", ଗୁଣ = { "ସୀମା": 80 } )

ଏଜେଣ୍ଟ ତର୍କକୁ ବ୍ୟାଖ୍ୟା କରନ୍ତୁ |

def check_cpu_usage (vm): # CPU ବ୍ୟବହାର ଯାଞ୍ଚ କରନ୍ତୁ | cpu_usage = vm.get_cpu_usage () ଯଦି cpu_usage> agent.properties ["ଥ୍ରେସହୋଲ୍ଡ"]: ଯଦି CPU ବ୍ୟବହାର ସୀମା ଅତିକ୍ରମ କରେ ତେବେ ସତର୍କ କର | ଫେରସ୍ତ "CPU ବ୍ୟବହାର ସୀମା ଅତିକ୍ରମ କରିଛି" ଅନ୍ୟ: # ଯଦି CPU ବ୍ୟବହାର ସୀମା ମଧ୍ୟରେ ଅଛି ତେବେ ନଲ୍ ଫେରସ୍ତ କରନ୍ତୁ | ଫେରସ୍ତ କରନ୍ତୁ ନାହିଁ ``

ପଦାଙ୍କ 3: ଭିତ୍ତିଭୂମି ଟେମ୍ପଲେଟ୍ ସହିତ AI ଏଜେଣ୍ଟଗୁଡ଼ିକୁ ଏକତ୍ର କରନ୍ତୁ |

ଏକୀକୃତ ସ୍ୱୟଂଚାଳିତ ପାଇପଲାଇନ ସୃଷ୍ଟି କରିବାକୁ ଆମେ ଭିତ୍ତିଭୂମି ଟେମ୍ପଲେଟ୍ ସହିତ AI ଏଜେଣ୍ଟଗୁଡ଼ିକୁ ଏକତ୍ର କରିବୁ | ଏହି ପାଇପଲାଇନ ଭିତ୍ତିଭୂମି ସ୍ health ାସ୍ଥ୍ୟ ଉପରେ ନଜର ରଖିବ, ଅସ୍ୱାଭାବିକତା ଚିହ୍ନଟ କରିବ ଏବଂ ଉତ୍କୃଷ୍ଟ କାର୍ଯ୍ୟଦକ୍ଷତା ନିଶ୍ଚିତ କରିବାକୁ ସଂଶୋଧନ କାର୍ଯ୍ୟାନୁଷ୍ଠାନ ଗ୍ରହଣ କରିବ |

"ପାଇଥନ୍ | langchain ଆମଦାନି କରନ୍ତୁ |

ସ୍ୱୟଂଚାଳିତ ପାଇପଲାଇନକୁ ବ୍ୟାଖ୍ୟା କରନ୍ତୁ |

ପାଇପଲାଇନ = langchain। ପାଇପଲାଇନ ( ନାମ = "my_pipeline", ଏଜେଣ୍ଟ = [ଏଜେଣ୍ଟ], ଟେମ୍ପଲେଟ୍ = [ଟେମ୍ପଲେଟ୍] )

ସ୍ୱୟଂଚାଳିତ ପାଇପଲାଇନ ଚଲାନ୍ତୁ |

pipeline.run () ``

ଶ୍ରେଷ୍ଠ 5-10 ସର୍ବାଧିକ ବ୍ୟବହୃତ ନିର୍ଦ୍ଦେଶ / ସ୍ନିପେଟ୍

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

1। "Langchain.Agent (ନାମ =" cpu_agent ", ପ୍ରକାର =" cpu ", ଗୁଣ = {" ସୀମା ": 80})" 2। "Stackgen.Template (name =" my_infrastructure ", resources = [...])" 3। "Langchain.Pipeline (name =" my_pipeline ", ଏଜେଣ୍ଟ = [ଏଜେଣ୍ଟ], ଟେମ୍ପଲେଟ୍ = [ଟେମ୍ପଲେଟ୍]) 4। Agent.run (check_cpu_usage (vm)) 5। Template.generate () ` 6। "Langchain.Agent.update_properties (ଏଜେଣ୍ଟ, {" ଥ୍ରେସହୋଲ୍ଡ ": 90})" 7. "stackgen.Resource (name =" vm1 ", type =" vm ", properties = {" cpu ": 2," memory ": 4," storage ": 100}) 8। "Langchain.Pipeline.remove_agent (ପାଇପଲାଇନ, ଏଜେଣ୍ଟ)" | 9। "Langchain.Agent.add_property (ଏଜେଣ୍ଟ," ସତର୍କ ", ସତ୍ୟ)" 10। "Stackgen.Template.update_resource (ଟେମ୍ପଲେଟ୍," vm1 ", {" cpu ": 4," ମେମୋରୀ ": 8," ଷ୍ଟୋରେଜ୍ ": 200})"

ଭିଜୁଆଲାଇଜେସନ୍

Chart.js ବ୍ୟବହାର କରି ସ୍ୱୟଂଚାଳିତ ପାଇପଲାଇନର ଏକ ସରଳ ଭିଜୁଆଲାଇଜେସନ୍:

json { "ପ୍ରକାର": "ଦଣ୍ଡିକା", "ଡାଟା": { "ଲେବଲ୍": ["CPU ବ୍ୟବହାର", "ସ୍ମୃତି ବ୍ୟବହାର", "ସଂରକ୍ଷଣ ବ୍ୟବହାର"], "ଡାଟାବେସ୍": [ { "ଲେବଲ୍": "ଥ୍ରେସହୋଲ୍ଡ", "ତଥ୍ୟ": [80, 80, 80], "ପୃଷ୍ଠଭୂମି ରଙ୍ଗ": "rgba (255, 99, 132, 0.2)", "borderColor": "rgba (255, 99, 132, 1)", "ସୀମା ଓସାର": 1 }, { "ଲେବଲ୍": "ପ୍ରକୃତ", "ତଥ୍ୟ": [70, 70, 70], "ପୃଷ୍ଠଭୂମି ରଙ୍ଗ": "rgba (54, 162, 235, 0.2)", "borderColor": "rgba (54, 162, 235, 1)", "ସୀମା ଓସାର": 1 } ] }, "ବିକଳ୍ପଗୁଡିକ": { "ଆଖ୍ୟା": { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ, "ପାଠ୍ୟ": "ସ୍ୱୟଂଚାଳିତ ପାଇପଲାଇନ" }, "ମାପ": { "yAxes": [ { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ, "ଟିକ୍ସ": { "startAtZero": ସତ୍ୟ | } } ] } } }

ଏହି ଭିଜୁଆଲାଇଜେସନ୍ ପ୍ରକୃତ CPU, ମେମୋରୀ, ଏବଂ ଷ୍ଟୋରେଜ୍ ବ୍ୟବହାରକୁ ଥ୍ରେଶୋଲ୍ଡ ମୂଲ୍ୟ ତୁଳନାରେ ଦର୍ଶାଏ | ଅଟୋମେସନ୍ ପାଇପଲାଇନ ଏହି ତଥ୍ୟକୁ ଅସ୍ୱାଭାବିକତା ଚିହ୍ନଟ କରିବା ଏବଂ ସଂଶୋଧନ କାର୍ଯ୍ୟାନୁଷ୍ଠାନ ଗ୍ରହଣ କରିପାରିବ |

ସିଦ୍ଧାନ୍ତ

AI ଏଜେଣ୍ଟ ଏବଂ ଲାଙ୍ଗଚେନ ସହିତ ଜିରୋ ଅପ୍ସ ଭିତ୍ତିଭୂମି ଅର୍କେଷ୍ଟ୍ରେସନ୍ ହେଉଛି ଭିତ୍ତିଭୂମି ପରିଚାଳନା ପାଇଁ ଏକ ବ revolutionary ପ୍ଳବିକ ଆଭିମୁଖ୍ୟ ଯାହା ମାନୁଆଲ୍ ବିନ୍ୟାସ ଏବଂ ସ୍କ୍ରିପ୍ଟର ଆବଶ୍ୟକତାକୁ ଦୂର କରିଥାଏ | AI ଏଜେଣ୍ଟ ଏବଂ ସ୍ୱୟଂଚାଳିତତାକୁ ବ୍ୟବହାର କରି ସଂଗଠନଗୁଡ଼ିକ ଦକ୍ଷତା, ମାପନୀୟତା ଏବଂ ନିର୍ଭରଯୋଗ୍ୟତାର ଅଦୃଶ୍ୟ ସ୍ତର ହାସଲ କରିପାରନ୍ତି | StackGen ଏବଂ OpsVerse ସହିତ, ବିକାଶକାରୀମାନେ ଇଞ୍ଜିନିୟରିଂ ଏବଂ DevOps ୱାର୍କଫ୍ଲୋ ପାଇଁ AI ଚାଳିତ ସ୍ୱୟଂଚାଳିତ କାର୍ଯ୍ୟକୁ ତ୍ୱରାନ୍ୱିତ କରିପାରିବେ | ଏହି ଆର୍ଟିକିଲରେ ବର୍ଣ୍ଣିତ ଷ୍ଟେପ୍-ଷ୍ଟେପ୍ ପଦ୍ଧତିକୁ ଅନୁସରଣ କରି, ଡେଭଲପର୍ମାନେ ଏକ ୟୁନିଫାଏଡ୍ ଅଟୋମେସନ୍ ପାଇପଲାଇନ ସୃଷ୍ଟି କରିବାକୁ ଲ୍ୟାଙ୍ଗ ଚେନ୍ ଏବଂ ଏଇ ଏଜେଣ୍ଟମାନଙ୍କ ସହିତ ଜିରୋ ଅପ୍ସ କାର୍ଯ୍ୟକାରୀ କରିପାରିବେ ଯାହା ଭିତ୍ତିଭୂମି ସ୍ୱାସ୍ଥ୍ୟ ଉପରେ ନଜର ରଖେ, ଅସନ୍ତୁଷ୍ଟତା ଚିହ୍ନଟ କରେ ଏବଂ ସର୍ବୋଚ୍ଚ କାର୍ଯ୍ୟଦକ୍ଷତା ନିଶ୍ଚିତ କରିବାକୁ ସଂଶୋଧନ କାର୍ଯ୍ୟ ଗ୍ରହଣ କରେ |