ਆਟੋਨੋਮਸ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਲਈ DevOps ਵਰਕਫਲੋ ਵਿੱਚ ਏਜੰਟਿਕ AI ਨੂੰ ਲਾਗੂ ਕਰਨਾ
ਜਾਣ-ਪਛਾਣ
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI), DevOps, ਅਤੇ infrastructure orchestration ਦੇ ਇੰਟਰਸੈਕਸ਼ਨ ਨੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਇੱਕ ਨਵੇਂ ਪੈਰਾਡਾਈਮ ਨੂੰ ਜਨਮ ਦਿੱਤਾ ਹੈ - ਆਟੋਨੋਮਸ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਆਰਕੈਸਟਰੇਸ਼ਨ। ਇਹ ਪਹੁੰਚ AI ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਐਲਗੋਰਿਦਮ ਨੂੰ ਸਵੈਚਲਿਤ ਅਤੇ ਢਾਂਚਾਗਤ ਵਿਵਸਥਾ, ਸਕੇਲਿੰਗ, ਅਤੇ ਪ੍ਰਬੰਧਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਲੀਵਰ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਉੱਚ-ਪੱਧਰੀ ਕੰਮਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ LangChain, DSPy, ਅਤੇ StackGen ਵਰਗੇ ਟੂਲਸ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹੋਏ, ਡਿਵੈਲਪਰ ਅਨੁਭਵ ਨੂੰ ਵਧਾਉਣ ਅਤੇ DevOps ਵਰਕਫਲੋ ਵਿੱਚ ਸਕੇਲੇਬਿਲਟੀ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਵਿੱਚ ਏਜੰਟ AI ਦੀ ਭੂਮਿਕਾ ਦੀ ਪੜਚੋਲ ਕਰਾਂਗੇ।
Agentic AI ਕੀ ਹੈ?
Agentic AI ਇੱਕ ਕਿਸਮ ਦੀ AI ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਸਪੱਸ਼ਟ ਮਨੁੱਖੀ ਦਖਲ ਤੋਂ ਬਿਨਾਂ ਖੁਦਮੁਖਤਿਆਰੀ ਵਿਵਹਾਰ, ਫੈਸਲੇ ਲੈਣ ਅਤੇ ਆਪਣੇ ਆਪ ਕਾਰਵਾਈਆਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ। DevOps ਦੇ ਸੰਦਰਭ ਵਿੱਚ, ਏਜੰਟਿਕ AI ਦੀ ਵਰਤੋਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪ੍ਰਬੰਧ, ਤੈਨਾਤੀ, ਅਤੇ ਸਕੇਲਿੰਗ ਦੇ ਨਾਲ-ਨਾਲ ਨਿਗਰਾਨੀ ਅਤੇ ਸਮੱਸਿਆ-ਨਿਪਟਾਰਾ ਵਰਗੇ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਪਹੁੰਚ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਉੱਚ-ਪੱਧਰੀ ਕੰਮਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਕੋਡ ਲਿਖਣਾ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਜਦੋਂ ਕਿ AI ਸਿਸਟਮ ਅੰਡਰਲਾਈੰਗ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਦੇਖਭਾਲ ਕਰਦਾ ਹੈ।
LangChain: ਏਜੰਟ AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਇੱਕ ਫਰੇਮਵਰਕ
LangChain ਏਜੰਟ AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਇੱਕ ਓਪਨ-ਸੋਰਸ ਫਰੇਮਵਰਕ ਹੈ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦਾ ਹੈ, ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਫੈਸਲੇ ਲੈ ਸਕਦਾ ਹੈ। ਇਹ ਗੱਲਬਾਤ ਦੇ ਇੰਟਰਫੇਸ, ਨੈਚੁਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ (NLP), ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਬਣਾਉਣ ਲਈ API ਅਤੇ ਟੂਲ ਦਾ ਇੱਕ ਸੈੱਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। LangChain ਦੀ ਵਰਤੋਂ ਚੈਟਬੋਟਸ ਅਤੇ ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟਸ ਤੋਂ ਲੈ ਕੇ ਆਟੋਨੋਮਸ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਆਰਕੈਸਟਰੇਸ਼ਨ ਸਿਸਟਮ ਤੱਕ, ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
DSPy: ਏਜੰਟ ਏਆਈ ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਇੱਕ ਪਾਈਥਨ ਲਾਇਬ੍ਰੇਰੀ
DSPy ਏਜੰਟ AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਪਾਈਥਨ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੀ ਹੈ, ਕੰਮ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਫੈਸਲੇ ਲੈ ਸਕਦੀ ਹੈ। ਇਹ ਗੱਲਬਾਤ ਇੰਟਰਫੇਸ, NLP, ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ API ਅਤੇ ਟੂਲ ਦਾ ਇੱਕ ਸੈੱਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। DSPy ਦੀ ਵਰਤੋਂ ਚੈਟਬੋਟਸ ਅਤੇ ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟਸ ਤੋਂ ਲੈ ਕੇ ਆਟੋਨੋਮਸ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਸਿਸਟਮ ਤੱਕ, ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
ਸਟੈਕਜੇਨ: ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਨਿਰਮਾਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਸਾਧਨ
StackGen ਕੋਡ ਦੇ ਰੂਪ ਵਿੱਚ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਸਾਧਨ ਹੈ। ਇਹ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਸੰਰਚਨਾ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ, ਸਰੋਤਾਂ ਦੀ ਵਿਵਸਥਾ ਕਰਨ, ਅਤੇ ਤੈਨਾਤੀਆਂ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ API ਅਤੇ ਟੂਲ ਦਾ ਇੱਕ ਸੈੱਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਸਟੈਕਜੇਨ ਦੀ ਵਰਤੋਂ ਵਰਚੁਅਲ ਮਸ਼ੀਨਾਂ ਅਤੇ ਕੰਟੇਨਰਾਂ ਤੋਂ ਲੈ ਕੇ ਸਰਵਰ ਰਹਿਤ ਫੰਕਸ਼ਨਾਂ ਅਤੇ ਕਲਾਉਡ-ਨੇਟਿਵ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੱਕ, ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
** DevOps ਵਰਕਫਲੋ ਵਿੱਚ ਏਜੰਟਿਕ AI ਨੂੰ ਲਾਗੂ ਕਰਨਾ**
DevOps ਵਰਕਫਲੋ ਵਿੱਚ ਏਜੰਟ AI ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ, ਅਸੀਂ LangChain, DSPy, ਅਤੇ StackGen ਦੇ ਸੁਮੇਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ। ਇੱਥੇ ਇੱਕ ਉਦਾਹਰਨ ਹੈ ਕਿ ਅਸੀਂ ਇੱਕ ਖੁਦਮੁਖਤਿਆਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਆਰਕੈਸਟਰੇਸ਼ਨ ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹਾਂ:
``ਅਜਗਰ langchain ਆਯਾਤ ਡੀਐਸਪੀ ਨੂੰ ਆਯਾਤ ਕਰੋ ਸਟੈਕਜਨ ਆਯਾਤ ਕਰੋ
infrastructure_config = { "ਸਰੋਤ": [ {"ਨਾਮ": "ਵੈੱਬ-ਸਰਵਰ", "ਕਿਸਮ": "EC2", "ਖੇਤਰ": "us-west-2"}, {"ਨਾਮ": "ਡਾਟਾਬੇਸ", "ਕਿਸਮ": "RDS", "ਖੇਤਰ": "us-west-2"} ] }
ਤੈਨਾਤੀ ਸੰਰਚਨਾ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ
deployment_config = { "ਸੇਵਾਵਾਂ": [ {"ਨਾਮ": "ਵੈੱਬ-ਸਰਵਰ", "ਚਿੱਤਰ": "nginx: ਨਵੀਨਤਮ", "ਪੋਰਟ": 80}, {"ਨਾਮ": "ਡਾਟਾਬੇਸ", "ਚਿੱਤਰ": "mysql: ਨਵੀਨਤਮ", "ਪੋਰਟ": 3306} ] }
ਇੱਕ ਲੈਂਗਚੈਨ ਏਜੰਟ ਬਣਾਓ
ਏਜੰਟ = langchain.Agent( name="infrastructure-orchestrator", description="ਇੱਕ ਖੁਦਮੁਖਤਿਆਰ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਆਰਕੈਸਟਰੇਸ਼ਨ ਸਿਸਟਮ" )
ਇੱਕ DSPy ਮਾਡਲ ਬਣਾਓ
ਮਾਡਲ = dspy.Model( name="infrastructure-orchestrator", description="ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀਆਂ ਲੋੜਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਇੱਕ ਮਾਡਲ" )
ਇੱਕ ਸਟੈਕਜੇਨ ਸਟੈਕ ਬਣਾਓ
ਸਟੈਕ = ਸਟੈਕਜਨ. ਸਟੈਕ ( name="infrastructure-orchestrator", description="ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਸਟੈਕ" )
ਏਜੰਟ AI ਵਰਕਫਲੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ
ਵਰਕਫਲੋ = [ {"step": "ਅਨੁਮਾਨਤ_ਢਾਂਚਾ_ਲੋੜਾਂ", "ਮਾਡਲ": ਮਾਡਲ}, {"step": "provision_infrastructure", "stack": stack}, {"step": "deploy_services", "deployment_config": deployment_config} ]
ਏਜੰਟ ਏਆਈ ਵਰਕਫਲੋ ਚਲਾਓ
agent.run(ਵਰਕਫਲੋ) ``
ਇਹ ਕੋਡ ਇੱਕ ਆਟੋਨੋਮਸ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਸਿਸਟਮ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ ਜੋ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀਆਂ ਲੋੜਾਂ, ਪ੍ਰਾਵਧਾਨ ਸਰੋਤਾਂ, ਅਤੇ ਸੇਵਾਵਾਂ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਲਈ ਲੈਂਗਚੇਨ, DSPy, ਅਤੇ ਸਟੈਕਜੇਨ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।
ਟੌਪ 5-10 ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਕਮਾਂਡਾਂ/ਸਨਿਪੇਟਸ
ਇੱਥੇ LangChain, DSPy, ਅਤੇ StackGen ਲਈ ਸਿਖਰ ਦੇ 5-10 ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਕਮਾਂਡਾਂ/ਸਨਿੱਪਟ ਹਨ:
| ਸੰਦ | ਕਮਾਂਡ/ਸਨਿਪਟ | ਵਰਣਨ |
|---|---|---|
| ਲੈਂਗਚੈਨ | langchain.Agent.create() |
ਇੱਕ ਨਵਾਂ LangChain ਏਜੰਟ ਬਣਾਉਂਦਾ ਹੈ |
| ਲੈਂਗਚੈਨ | langchain.Agent.describe() |
LangChain ਏਜੰਟ ਦਾ ਵੇਰਵਾ ਦਿੰਦਾ ਹੈ |
| ਡੀਐਸਪੀ | dspy.Model.create() |
ਇੱਕ ਨਵਾਂ DSPy ਮਾਡਲ ਬਣਾਉਂਦਾ ਹੈ |
| DSPy | dspy.Model.describe() |
DSPy ਮਾਡਲ ਦਾ ਵੇਰਵਾ ਦਿੰਦਾ ਹੈ |
| ਸਟੈਕਜਨ | stackgen.Stack.create() |
ਇੱਕ ਨਵਾਂ StackGen ਸਟੈਕ ਬਣਾਉਂਦਾ ਹੈ |
| ਸਟੈਕਜਨ | stackgen.Stack.describe() |
StackGen ਸਟੈਕ ਦਾ ਵੇਰਵਾ ਦਿੰਦਾ ਹੈ |
| ਲੈਂਗਚੈਨ | langchain.Agent.run() |
LangChain ਏਜੰਟ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ |
| DSPy | dspy.Model.predict() |
DSPy ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀਆਂ ਲੋੜਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ |
| ਸਟੈਕਜਨ | stackgen.Stack.provision() |
StackGen ਸਟੈਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪ੍ਰਬੰਧ |
| ਸਟੈਕਜਨ | stackgen.Stack.deploy() |
StackGen ਸਟੈਕ |
ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ
Chart.js ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਏਜੰਟ AI ਵਰਕਫਲੋ ਦਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਇੱਥੇ ਹੈ:
ਜੇਸਨ { "type": "ਪੱਟੀ", "ਡਾਟਾ": { "ਲੇਬਲ": ["ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਲੋੜਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ", "ਪ੍ਰੋਵਿਜ਼ਨ ਇਨਫਰਾਸਟਰਕਚਰ", "ਡਿਪਲੋਏ ਸਰਵਿਸਿਜ਼"], "datasets": [ { "label": "ਏਜੰਟਿਕ AI ਵਰਕਫਲੋ", "ਡਾਟਾ": [10, 20, 30], "ਬੈਕਗ੍ਰਾਉਂਡ ਰੰਗ": "rgba(255, 99, 132, 0.2)", "borderColor": "rgba(255, 99, 132, 1)", "ਬਾਰਡਰ ਚੌੜਾਈ": 1 } ] }, "ਵਿਕਲਪ": { "ਸਿਰਲੇਖ": { "ਡਿਸਪਲੇ": ਸਹੀ, "text": "ਏਜੰਟਿਕ AI ਵਰਕਫਲੋ" }, "ਪੈਮਾਨਾ": { "yAxes": [ { "ਟਿਕਸ": { "beginAtZero": ਸਹੀ } } ] } } }
ਇਹ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਏਜੰਟਿਕ AI ਵਰਕਫਲੋ ਨੂੰ ਇੱਕ ਬਾਰ ਚਾਰਟ ਦੇ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦਾ ਹੈ, ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀਆਂ ਲੋੜਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ, ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਪ੍ਰਬੰਧ ਕਰਨ, ਅਤੇ ਸੇਵਾਵਾਂ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਦੇ ਤਿੰਨ ਪੜਾਵਾਂ ਦੇ ਨਾਲ।
ਸਿੱਟਾ
ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਡਿਵੈਲਪਰ ਅਨੁਭਵ ਨੂੰ ਵਧਾਉਣ ਅਤੇ DevOps ਵਰਕਫਲੋ ਵਿੱਚ ਸਕੇਲੇਬਿਲਟੀ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਵਿੱਚ ਏਜੰਟ AI ਦੀ ਭੂਮਿਕਾ ਦੀ ਪੜਚੋਲ ਕੀਤੀ। ਅਸੀਂ LangChain, DSPy, ਅਤੇ StackGen ਨੂੰ ਏਜੰਟਿਕ AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਟੂਲ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ, ਅਤੇ ਦਿਖਾਇਆ ਕਿ ਇਹਨਾਂ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਇੱਕ ਆਟੋਨੋਮਸ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਆਰਕੈਸਟਰੇਸ਼ਨ ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਕਿਵੇਂ ਕੀਤੀ ਜਾਵੇ। ਅਸੀਂ Chart.js ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਏਜੰਟ AI ਵਰਕਫਲੋ ਦਾ ਇੱਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵੀ ਪ੍ਰਦਾਨ ਕੀਤਾ ਹੈ। ਏਜੰਟਿਕ AI ਦਾ ਲਾਭ ਲੈ ਕੇ, ਡਿਵੈਲਪਰ ਉੱਚ-ਪੱਧਰੀ ਕੰਮਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਕੋਡ ਲਿਖਣਾ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਜਦੋਂ ਕਿ AI ਸਿਸਟਮ ਅੰਡਰਲਾਈੰਗ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਦੇਖਭਾਲ ਕਰਦਾ ਹੈ।